엔지니어, 1959년의 이 머신러닝을 정의하다 — 제927장 이 머신러닝을 정의하다

은 대부분의 ML 생태계에서 사용되기 때문에 일반적입니다. SQL은 데이터 작업에 필수적인 반면, 및 코드형 인프라 구성은 일상적인 도구입니다. 일부 플랫폼 팀에서는 Go,, 또는 도 사용합니다. 중요한 기능은 하나의 언어에 대한 충성도가 아니라 파이프라인을 테스트, 버전 관리 및 관찰 가능하게 만드는 것입니다. 모델 드리프트는 환경, 사용자 행동, 입력 또는 결과가 변경되기 때문에 배포된 모델의 유용성이 떨어지는 것을 설명합니다. 작년 패턴으로 훈련된 사기 모델은 새로운 사기를 놓칠 수도 있습니다. 입력 분포, 예측 품질 및 비즈니스 결과를 모니터링하면 눈에 띄지 않는 감소가 해로운 결정으로 변하기 전에 팀이 드리프트를 발견하는 데 도움이 됩니다.

는 자동화, 버전 제어, 지속적인 전달, 공유 소유권 등 아이디어를 차용하지만 데이터 및 모델 문제를 추가합니다. 애플리케이션 코드는 변경되지 않더라도 훈련 데이터는 변경되므로 모델이 변경될 수 있습니다. 팀은 데이터세트 버전을 관리하고, 모델 동작을 평가하고, 실험을 관리하고, 예측 품질과 서버 상태를 모니터링해야 합니다. 보상은 국가와 회사에 따라 다릅니다. 미국의 주요 기술 및 금융 시장에서 숙련된 엔지니어는 일반적으로 6자릿수 중반 현금 및 자산 범위에 속하며, 유럽 및 아시아 급여는 현지 밴드 및 복리후생 구조를 사용합니다. 클라우드, 분산 시스템, 책임 있는 AI 경험을 통해 급여는 올라가지만 직위는 표준화되지 않았습니다.

구성, 코드 및 문서를 생성하여 일상적인 설정 작업을 줄일 수 있습니다. 평가를 정의하고, 데이터 권한을 관리하고, 모델 액세스를 제어하고, 오류를 조사하거나 시스템이 사용자에게 해를 끼칠 때 책임을 져야 할 필요성이 제거되지는 않습니다. 생성 모델은 또한 새로운 운영 위험을 추가하여 이를 측정하고 관리할 수 있는 사람에 대한 수요를 증가시킵니다. 는 오래된 운영 문제에 대한 새로운 작업 이름입니다. 통제된 실험에서 작동하는 모델은 변화하는 데이터, 실제 사용자 및 생산 예산을 충족할 때 실패할 수 있습니다. 이 직업은 기계 학습의 연구 문화와 소프트웨어 제공 및 운영 분야를 결합합니다.