Question 1

MLOps 워크플로우에서 MLflow의 주요 역할은 무엇입니까?

Accepted Answer

MLflow는 ML 모델의 전체 라이프사이클을 관리하는 오픈소스 플랫폼입니다. 실험 트래킹(메트릭, 파라미터, 아티팩트), 모델 패키징, 중앙 집중식 레지스트리 및 배포를 지원합니다. 이를 통해 실험을 재현하고 모델을 표준화된 방식으로 버전 관리할 수 있습니다.

Question 2

MLflow에서 파라미터를 로깅하는 명령어는 무엇입니까?

Accepted Answer

mlflow.log_param 함수는 run에 연관된 하이퍼파라미터(learning rate, epochs, batch size)를 기록합니다. 이 파라미터들은 MLflow UI에서 확인할 수 있으며, 다양한 훈련 설정을 비교할 수 있습니다.

Question 3

mlflow.log_metric와 mlflow.log_param의 차이점은 무엇입니까?

Accepted Answer

log_param은 훈련 전에 정의된 고정값(learning_rate, epochs와 같은 하이퍼파라미터)을 기록하고, log_metric은 훈련 중 또는 훈련 후에 변하는 값(accuracy, loss)을 기록합니다. 메트릭은 서로 다른 step으로 여러 번 로깅하여 곡선을 만들 수 있습니다.

MLOps 및 배포

MLOps 워크플로우에서 MLflow의 주요 역할은 무엇입니까?

답변

MLflow에서 파라미터를 로깅하는 명령어는 무엇입니까?

답변

mlflow.log_metric와 mlflow.log_param의 차이점은 무엇입니까?

답변

ML 모델 배포에 Docker를 사용하는 주요 장점은 무엇입니까?

ML 애플리케이션에 멀티 스테이지 Dockerfile을 사용하는 이유는 무엇입니까?

기타 Data Science & ML 면접 주제

Python 기초

Python 객체 지향 프로그래밍

Python 데이터 구조

Git 기초

SQL 기초

NumPy 기초

Pandas 기초

Jupyter & Google Colab

SQL Joins 및 고급 쿼리

Pandas 고급

Matplotlib & Seaborn을 활용한 시각화

Plotly로 만드는 인터랙티브 시각화

기술 통계

추론 통계학

Web Scraping

BigQuery & Cloud Data

Feature Engineering

지도 머신러닝: 회귀

지도 머신러닝: 분류

결정 트리 및 앙상블

비지도 ML

ML 파이프라인 및 검증

시계열 및 예측

Deep Learning 기초

TensorFlow & Keras

CNN 및 이미지 분류

RNN 및 시퀀스

Transformers 및 Attention

NLP 및 Hugging Face

GenAI 및 LangChain

다음 면접을 위해 Data Science & ML을 마스터하세요