요즘은 바야흐로 클라우드의 시대다. 거의 모든 기업이 클라우드 도입에 열을 내고 있는 상황이다.
그러나 기업별 클라우드를 바라보는 시각에는 다소 차이가 있어 보인다. 이미 수년 전부터 실제 클라우드 환경에서 모든 대국민을 대상으로 서비스하고 있는 다수의 기업들이 있는가 하면, 아직도 단순히 서버를 대체하는 관점으로 바라보는 기업도 있고, 다른 기업들이 앞다투어 도입함으로써 따라 도입하려는 기업도 있다. 사실 클라우드를 도입하고 기존 시스템이나 서비스를 클라우드로 전환하기 위해서는 치밀한 사전 준비가 필요하다. 또한 관련 조직 구성, 접근 방향성, 역량, 비전과 로드맵, 스폰서십 등도 필요하다. 기존 시스템의 현황 조사도 필요하며 클라우드에서의 기술적 성숙도를 어떻게 높여갈 수 있는지에 대한 CEO, CIO, CSO 및 실무 리더들의 고민도 필요하다. 단순한 서버 대체가 아닌 진정으로 클라우드를 효과적으로 잘 활용하는 '클라우드 네이티브'가 목표가 돼야 함은 의심의 여지가 없다. 이를 위해 컨테이너화, 마이크로서비스, 동적관리, 자동화, 오케스트레이션 등 클라우드 네이티브의 5개 기술 요소 적용을 필히 고려해야 한다. 이 또한 단순히 기술적인 측면에서 쉽게 되는 것이 아닌 조직과 일하는 문화의 혁신 및 경영층의 스폰서십 등이 지속해서 동반돼야 가능하다. 이 '클라우드 네이티브 트랜스포메이션'이라는 목표로 클라우드 전환이라는 여정에 있는 기업들이나 시스템/서비스 관련자들에게 이 도서가 많은 도움이 될 것으로 기대한다. 파이팅!
'원시 데이터 수집과 초기 분석 학습을 위한 전처리, 모델 구축, 학습 및 테스트, 평가 및 검증/튜닝, 모델 배포 및 예측 등으로 진행되는 일련의 머신러닝 프로세스를 얼마나 효율적이고 효과적으로 신속하게 제공할 수 있을까?'에 대한 아쉬움이 항상 존재한다. 이 상황에서 MLOps는 머신러닝에 데브옵스의 철학을 채택해 고성능 머신러닝 모델의 지속적인 전달을 보장한다. MLOps를 실현하고 자동화하려면 MLFlow와 같은 머신러닝 라이프사이클 관리 API가 필수적으로 필요하다. MLFlow를 활용해 클라우드 환경에 모델을 배포하고 배포된 모델을 대상으로 엔드포인트를 생성해 실제 서비스에 활용할 수 있도록 구성하는 것이 구체적으로 머신러닝의 효과성을 입증할 수 있는 중요한 포인트다. 이에 대한 내용들을 다루는 것이 이 도서의 가치이다. 실제 현장에서 머신러닝을 서비스에 어떻게 활용할 것인지를 고민하는 독자들에게 조금이나마 도움이 되길 기대한다.
