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

# FAQ
<a name="faq"></a>

**MLOps 플랫폼은 언제 구축해야 하나요?**

엔지니어들이 ML 모델을 구축하는 것보다 도구 옵션을 연구하고 승인을 받는 데 더 많은 시간을 소비하고 있음을 알게 되면 MLOps 플랫폼으로 표준화해야 할 때입니다.

**다른 ML 도구를 MLOps 플랫폼에 통합할 수 있나요?**

예.AWS 도구가 아닌를 플랫폼에 통합할 수 있습니다. SageMaker AI Studio는 MLOps 플랫폼의 핵심이지만 다른 제품을 SageMaker AI Studio 서비스 제품군과 통합할 수 있습니다.

**조직이 거버넌스 요구 사항을 간소화하여 혁신을 가속화하려면 어떻게 해야 하나요?**

MLOps 플랫폼 구축을 입증하기 위해 선택한 사용 사례 후보의 일부로 사용 사례가 충분히 복잡한지, 다양한 데이터 분류가 필요한지, 빅 데이터 볼륨이 필요한지 확인하세요. 이를 통해 플랫폼 기능을 입증할 뿐만 아니라 초기 플랫폼 릴리스의 일부로 거버넌스 관점에서 과중한 업무를 수행합니다. 이렇게 할 수 있다면 MLOps 플랫폼을 롤아웃의 일부로 채택하는 팀은 복잡한 사용 사례에 대한 거버넌스 요구 사항을 이미 충족한 플랫폼을 사용하므로 거버넌스 부담이 감소합니다.

**MLOps 플랫폼을 구축하려면 어느 팀이 필요한가요?**

여러 페르소나와 기술 간의 상호 작용을 명확하게 정의하는 강력한 MLOps 기반은 가치 실현 시간을 늘리고 비용을 절감하며 데이터 사이언티스트가 혁신에 집중할 수 있도록 합니다. 적절한 팀 보유가 MLOps 플랫폼 개발의 실패와 성공을 가르는 차이가 될 수 있습니다. MLOps의 특성상 데이터 사이언티스트, ML 엔지니어, DevOps 전문가, 데이터 소유자, IT 소유자, 비즈니스 분석가, 제품 소유자 등 많은 역할이 필요합니다. MLOps 플랫폼에 대한 최상의 결과를 보장하려면 모든 이해관계자가 다기능 팀을 이루어 상호 작용해야 합니다.

**MLOps 여정을 시작하려면 어떻게 해야 하나요?**

먼저 데이터 사이언티스트가 데이터 스냅샷을 받는 안전한 실험 환경을 만드는 것부터 시작할 수 있습니다. 데이터 과학자는 SageMaker AI를 사용하여 ML이 특정 비즈니스 문제를 해결할 수 있음을 실험하고 궁극적으로 입증할 수 있습니다.

**MLOps 트랜스포메이션은 조직의 하향식 또는 상향식 접근 방식으로 추진되어야 하나요?**

상향식 접근 방식이 성공할 수 있지만 MLOps 플랫폼 개발의 성공을 위해서는 경영진의 지원이 필수적입니다. 하향식 접근 방식을 사용하면 개발된 솔루션을 더 빠르게 표준화하고, 비용을 절감하고, 조직 내 여러 팀에서 개발한 모델 간의 확장성과 재사용성을 높일 수 있습니다.