본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. (https://fastcampus.info/4oKQD6b)
학습 후기
오늘은 Chapter Part.2 머신러닝 상품화 내용에서 MLOps 구현을 위해 서로 통신하는 언어이자 도구인 HTTP의 RestAPI의 기초적인 이론을 공부해 보았습니다.
일단, HTTP에 대해서 한번 정리해보면, 웹상에서 텍스트, 이미지, 비디오등 여러 다양한 데이터를 교환하기 위한 표준 프로토콜입니다. 동작하는 방식은 클라이언트(웹 브라우저)가 요청을 보내면 서버가 이를 처리하여 응답을 반환하는 구조입니다. 구성되는 요소는 수행할 동작을 정의하는 Method, 요청 처리 결과를 알려주는 Status Code. 이렇게 구성이 된다고 합니다.
다음 Rest API는 웹의 장점을 최대한 활용할 수 있는 API 설계 아키텍처 입니다. 일반적인 자원(리소스)를 URL의 형태로 표현하고, 수행하는 행동은 HTTP Method로 정의하며, 데이터는 JSON/XML 등으로 표현된다고 합니다. 주요한 특징은 상태 비저장성을 가진다고 합니다. 이건 서버가 클라이언트의 이전 상태를 기억하지 않으므로, 각 모든 요청은 독립적으로 치리되어 서버의 확장성 자체가 높아진다고 합니다.
이 내용을 우리가 어떻게 활용할수 있을지 한번 생각해 보았습니다. 고객행동 데이터를 Rest API를 통해 실시간으로 수집하여 학습데이터로 축적. 학습된 ML 모델을 Rest API 형태로 감싸서 배포합니다. 이제 이걸 웹이나 앱같은 클라이언트가 API를 호출하여 실시간 추천이나 예측 결과를 받아가는 형식으로 활용할 수 있을거 같다는 생각이 들었습니다.
가장 신기했던 내용은 우리가 일반적으로 생각하는 복잡한 AI 서비스도 결국은 요청과 응답. 이라는 단순한 형태 위에서 동작한다는것을 깨달았습니다. 딥러닝 모델, 프론트엔드, 백엔드등 여러 다른 언어의 ㅎ여태로 만들어진 시스템이 HTTP, TTPS, Json이라는 공통의 형태로 활용한다는 점이 신기했습니다. 이렇게 활용하여 MLOps 구축이 가능한 근본적인 이유를 깨달았습니다.
