그림(참고2)

ML engineering hierarchy of needs

ML engineering hierarchy of needs

MLOps 는 DevOps 의 자동화 철학에 더해(from2) 데이터나 모델링과 관련된 요소들도 지속적으로(from1) 자동화해 나가는 것을 의미한다(참고1).

parse me : 언젠가 이 글에 쓰이면 좋을 것 같은 재료들.

  1. None

from : 과거의 어떤 생각이 이 생각을 만들었는가?

  1. ‣
  2. [ba2.3.a0. title: 데이터 엔지니어링과 데이터 과학 부문에서도 소프트웨어 개발 모범 사례([SW Best practice](https://janghoo.notion.site/Best-practice-abce5d7978db47529300bea6c37419f2)), 소프트웨어 개발 수명 주기 지침, DevOps 모범 사례를 따라야 한다.](https://janghoo.notion.site/ba2-3-a0-title-DevOps-db5a7f21d6de4a69a12ca182efe109f0)

supplementary : 어떤 새로운 생각이 이 문서에 작성된 생각을 뒷받침하는가?

  1. None

opposite : 어떤 새로운 생각이 이 문서에 작성된 생각과 대조되는가?

  1. None

to : 이 문서에 작성된 생각이 어떤 생각으로 발전되고 이어지는가?

  1. a9.1__3. [entry] title: DevOps 의 구성요소
  2. [ba2.4.9 title: 데이터 엔지니어가 효율적이고 자동화된 데이터 파이프라인을 연결하고 관리하는 일들 전반을 DataOps([[SW Environment](https://janghoo.notion.site/Environment-d73d08b95a824b3f957eb0134f8ced1f) DataOps](https://janghoo.notion.site/DataOps-8d4006bfcad34e1280c7a7dc64613e62)) 라고 한다. 이는 머신러닝 엔지니어들이 MLOps([[SW Environment](https://janghoo.notion.site/Environment-d73d08b95a824b3f957eb0134f8ced1f) MLOps](https://janghoo.notion.site/MLOps-1be9e881d5444f268fde8c1ea7e00f59)) 를 구축하는 기반이다.](https://janghoo.notion.site/ba2-4-9-title-DataOps-MLOp-8b5e816823fe4f938683db94e535b4bb)