기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 9. 거버넌스
<a name="governance"></a>

ML 거버넌스는 ML 모델 배포에 도움이 되는 일련의 프로세스와 프레임워크를 포괄합니다. 여기에는 성공적인 전체 ML 수명 주기의 모델 설명 가능성, 감사 가능성, 추적 가능성 및 기타 추상적이지만 필수적인 요구 사항이 포함됩니다.


|  |  | 
| --- |--- |
| **9.1 데이터 품질 및 규정 준수** | ML 시스템은 익명화를 포함하여 개인 식별 정보(PII) 고려 사항을 고려합니다. 여기에서는 데이터의 소스, 품질 및 적절성을 이해하기 위해 열 수준 리니지를 문서화하고 검토합니다. 또한 이상에 대한 자동화된 데이터 품질 검사도 있습니다. | 
| **9.2 감사 및 설명서** | ML 시스템에는 및 규정 준수를 위해 선택한 이유 및 실험 실행을 포함하여 개발 중 모든 변경 사항에 대한 전체 로그가 있습니다. | 
| **9.3 재현성 및 추적성** | ML 시스템에는 정확하고 빠른 모델 재인스턴티화를 위한 전체 데이터 스냅샷이 포함되어 있습니다. 또는 환경을 다시 생성하고 데이터 샘플로 재훈련할 수 있습니다. | 
| **9.4 인적 참여 루프 사인오프** | ML 시스템에는 규정 준수를 위한 수동 확인 및 권한 부여 과정이 있습니다. 시스템은 모든 환경 이동(예: 개발, QA, 사전 프로덕션 및 프로덕션)에 대한 사인오프가 필요합니다. | 
| **9.5 편향 및 적대적 공격 테스트** | ML 시스템에는 여러 도구와 공격 벡터를 사용한 *레드 팀*의 적대적 테스트와 특정 하위 그룹에 대한 자동화된 편향 검사가 있습니다. 이 구성 요소는 관찰성 및 모델 관리 섹션으로 다시 연결됩니다. |