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

# 8. 지속적 훈련
<a name="training"></a>

지속적 훈련이란 ML 시스템이 재배포되기 전에 데이터의 변경 사항에 적응하도록 기계 학습 모델을 자동으로, 지속적으로 재훈련한다는 의미입니다. 가능한 다시 빌드 트리거로는, 데이터 변경, 모델 변경 또는 코드 변경이 있습니다.


|  |  | 
| --- |--- |
| **8.1 검사: 모델 입력 검증** | 모델의 입력이 특정 표준을 벗어나지 않는지 확인하는 검사가 마련되어 있습니다. 입력 검증은 모델 승격 중에 기능 테스트를 실행하는 것을 의미합니다. 또한 어설션 및 열거형 사용과 같은 입력 요청을 즉시 확인할 수 있습니다. | 
| **8.2 트리거 재훈련: 예약된 작업** | 훈련 자동화의 가장 기본적인 형태입니다. 모델 재훈련은 일정에 따라 설정됩니다(예: 매주). 이 시나리오에서는 모델 승격 전에 결과에 대한 수동 검토 및 스팟 검사를 수행하며 자동화 수준이 낮을 수 있습니다. | 
| **8.3 재훈련 트리거: 새 훈련 데이터** | 재훈련은 수신 데이터 임계치에 의해 시작됩니다. 모델은 처음부터 재훈련하거나 업데이트를 점진적으로 실행할 수 있습니다. 지정된 양의 데이터가 있으면 훈련 작업이 시작됩니다. | 
| **8.4 재훈련 트리거: 모델 성능 저하** | 이 기법은 모니터링 및 관찰성을 사용하여 모델 재훈련을 실행하며, 성숙한 수준의 자동화가 요구됩니다. 예를 들어 정확도는 지정된 범위에서 낮을 수 있으며, 낮은 정확도는 데이터의 전체 또는 일부에 대해 모델을 재훈련하기 위한 트리거 역할을 합니다. | 
| **8.5 재훈련 트리거: 데이터 배포 전환** | 데이터 배포 전환을 모니터링하면 기본 데이터가 변경될 때 모델을 재훈련하도록 설정된 트리거가 제공됩니다. [개념 전환 또는 데이터 배포 전환](https://aws.amazon.com/blogs/machine-learning/detect-nlp-data-drift-using-custom-amazon-sagemaker-model-monitor/)에 대한 위반 세트는 모델 재훈련 작업을 시작합니다. |