GCP

[GCP] VertexAI 알아보기

날래용 2025. 3. 25. 08:00

[GCP] VertexAI 알아보기

GCP에서 제공하는 Vertex AI는 ML 모델과 AI 애플리케이션을 학습 및 배포하고 AI 기반 애플리케이션에서 사용할 대규모 언어 모델(LLM)을 맞춤설정할 수 있게 해주는 머신러닝(ML) 플랫폼입니다. Vertex AI 플랫폼을 통해 초보자부터 전문가까지 다양한 수준의 머신러닝 사용자를 지원하며, 모델 유형에 관계없이 효율적인 AI 개발을 가능하게 합니다.

 

GCP에서 제공하는 Vertex AI에 대해 알아보는 시간을 가져보겠습니다.

 

 

머신러닝 워크플로우

Vertex AI는 머신러닝의 전체 워크플로우를 하나의 플랫폼에서 지원합니다.


각 단계를 중심으로 Vertex AI의 역할을 설명하면, 사용자가 어떤 과정에서 Vertex AI를 활용할 수 있는지 쉽게 이해할 수 있습니다.

 

  • 머신러닝 단계
      1. 데이터 준비 : 데이터 세트를 추출하고 정리한 후 탐색적 데이터 분석(EDA)을 수행하여 ML 모델에서 예상하는 데이터 스키마와 특성을 파악합니다. 데이터 변환 및 특성 추출을 모델에 적용하고 데이터를 학습, 검증, 테스트 세트로 분할합니다.
      1. 모델 학습 : 모델 학습 방법을 선택하고 성능을 위해 조정합니다. 코드를 작성하지 않고 AutoML을 사용하여 모델을 학습하거나, 원하는 ML 프레임워크를 사용하여 학습 코드를 직접 작성하고 커스텀 모델을 학습시킬 수 있습니다.
      1. 모델 평가 및 반복 : 학습된 모델을 평가하고, 평가 측정항목을 기준으로 데이터를 조정하고, 모델을 반복합니다.
      1. 모델 서빙 : 모델을 프로덕션에 배포하고 온라인 예측을 가져오거나 일괄 예측을 위해 직접 쿼리합니다.
      1. 모델 모니터링: 배포된 모델의 성능을 모니터링합니다. 수신되는 예측 데이터로 모델을 재학습시켜 성능을 높입니다.

 

머신러닝 워크플로우를 통해 관리형 데이터셋을 이용해 데이터를 수집 및 가공하고, AutoML 또는 커스텀 모델로 학습한 후 Explainable AI로 성능을 분석 및 최적화할 수 있습니다. 또한, 배포된 모델을 엔드포인트에서 실시간 또는 배치 예측으로 활용하며, 콘솔 UI, 명령줄(CLI), SDK를 통해 자동화 및 애플리케이션과 연동할 수 있습니다.

 

 

MLOps

MLOps는 머신러닝 모델의 운영 및 관리를 위한 일련의 프로세스, 도구, 문화적 변화를 의미합니다.
Vertex AI는 MLOps의 핵심 기능을 지원하며, 머신러닝 모델을 효과적으로 배포하고 운영할 수 있도록 돕습니다.

 

Vertex AI의 MLOps 기능은 자동화(AutoML), 커스텀 모델(Custom Model), 파이프라인(Pipelines), 배포(Deployment), 모니터링(Monitoring) 등을 포함합니다.

 

Vertex AI를 활용한 MLOps 아키텍처는 다음과 같이 구성될 수 있습니다.

 

  • 1. 데이터 수집 및 전처리
    • BigQuery, Cloud Storage에서 데이터 수집
    • Feature Store를 활용한 피처 엔지니어링
  • 2. 모델 개발 및 실험 
    • Vertex AI Experiment를 사용한 모델 실험 및 최적화
    • AutoML 또는 Custom Model을 활용한 모델 학습
  • 3. ML 파이프라인 구축
    • Vertex AI Pipelines로 데이터 전처리 → 학습 → 평가 자동화
    • Hyperparameter tuning 포함
  • 4. 모델 배포
    • Vertex AI Prediction을 활용하여 온라인/배치 예측
    • Multi-model Deployment 및 A/B Testing 지원
  • 5. 모델 모니터링 및 개선
    • Model Monitoring으로 데이터 드리프트 감지
    • Explainable AI를 통한 모델 해석
    • CI/CD를 통한 지속적인 모델 업데이트

 

 

MLOps 도입 시에는 다음과 같은 장점이 있습니다.

  • 전체 ML 라이프사이클 자동화
  • 데이터 및 모델 재현성 보장
  • ML 모델 배포 및 확장 용이
  • 모델 성능 모니터링 및 지속적인 개선 가능
  • Cloud 기반으로 확장성과 유지보수 용이
  • DevOps + MLOps 통합으로 운영 효율성 향상

 

핵심 기능 및 강점

Vertex AI의 핵심 기능 및 강점입니다.

 

Vertex AI는 AutoML과 커스텀 모델을 지원하여 초보자부터 전문가까지 모두 활용할 수 있는 완전한 머신러닝 플랫폼입니다. Explainable AI 및 Google Cloud 기반의 고성능 인프라를 제공하여 효율적인 모델 개발과 배포를 지원합니다.

핵심 기능

  • AutoML 지원: 코드 없이 AI 모델을 학습 가능
  • 커스텀 모델 개발: TensorFlow, PyTorch 등 다양한 프레임워크 지원
  • Explainable AI: 모델의 예측 근거를 분석하여 최적화 가능
  • 완전한 머신러닝 파이프라인: 데이터 준비부터 배포까지 한 번에 관리 가능
  • 확장성과 유연성: Google Cloud 기반으로 고성능 인프라 활용 가능

 

Vertex AI의 강점

  • 초보자도 쉽게 사용 가능 (AutoML 지원)
  • 전문가는 커스텀 모델을 활용해 고급 개발 가능
  • 데이터 준비, 학습, 배포까지 중앙 집중형 관리
  • 설명 가능한 AI(Explainable AI) 기능 제공
  • Google Cloud의 강력한 인프라 활용 가능

 

 

Vertex AI는 AutoML 및 커스텀 모델 지원, Explainable AI, 완전한 머신러닝 파이프라인, Google Cloud 기반 인프라를 제공하여 효율적인 AI 개발과 운영을 지원합니다. 초보자는 AutoML로 쉽게 활용하고, 전문가는 커스텀 모델과 확장성 높은 인프라를 활용해 고급 머신러닝 프로젝트를 수행할 수 있습니다. 

 

 

GCP에서 제공하는 Vertex AI에 대해 기본적인 내용을 확인해봤는데요.

 

Vertex AI는 머신러닝의 전체 워크플로우를 지원하며, AutoML 및 커스텀 모델을 통해 데이터 준비부터 모델 배포까지 자동화할 수 있습니다. MLOps 기능을 활용해 모델 개발, 파이프라인 구축, 배포 및 모니터링을 효율적으로 관리할 수 있으며, Explainable AI 및 CI/CD를 통해 지속적인 개선이 가능합니다. Google Cloud 기반의 고성능 인프라를 활용하여 확장성과 유연성을 갖춘 머신러닝 운영을 최적화할 수 있습니다.

 

머신러닝을 사용할 기회가 있다면 Vertex AI를 사용하여 구현해보시기 바랍니다....! 끝...!

 

 

유익하게 보셨다면 공감을 눌러주고, 댓글로 의견을 공유해 남겨주시면 감사하겠습니다!

 

 

 

[Reference]
https://cloud.google.com/vertex-ai?hl=ko