DVC와 SageMaker MLflow를 이용한 데이터-모델 계보 추적 자동화하기
중급60분2026-04-22
DVC로 관리되는 데이터의 버전과 Git 커밋 해시를 활용하여 모델 학습 과정을 SageMaker MLflow와 연동합니다. 데이터 버전 정보가 매핑된 모델 학습 이력을 SageMaker MLflow 대시보드에서 시각적으로 확인하고 추적할 수 있는 자동화 파이프라인을 구축합니다.
이 코칭은 터미널에서 진행됩니다
오른쪽 패널에서 설치 명령어를 복사하세요이런 걸 배워요
- DVC를 사용하여 대용량 데이터를 버전 관리할 수 있습니다.
- SageMaker MLflow를 모델 학습 실험 추적에 활용할 수 있습니다.
- Git 커밋 해시를 이용해 데이터와 모델 버전 간의 계보를 연결할 수 있습니다.
- 재현 가능한 머신러닝 파이프라인의 기본을 구축할 수 있습니다.
어떻게 진행해요
1. MLOps 도구 및 AWS SDK 설치하기
2. 프로젝트 및 데이터 버전 관리 시작
3. S3를 DVC 원격 스토리지로 설정하기
4. SageMaker MLflow 실험 추적 서버 설정하기
5. 데이터 계보를 기록하는 학습 스크립트 작성
6. 첫 번째 학습 실행 및 데이터 푸시
7. 데이터셋 업데이트 후 새 버전으로 모델 재학습하기
8. MLflow UI에서 데이터-모델 계보 확인하기
AI 튜터가 각 단계를 하나씩 안내해줄 거예요