1장. 데이터 모델 개발 개요
이 섹션을 읽고 Red Hat OpenShift Data Science를 사용하여 생성된 예측 모델을 사용하는 애플리케이션을 개발하고 배포하는 데 필요한 작업을 파악합니다.
조직에서는 데이터 보호와 애플리케이션 개발자와 같은 여러 역할 간에 이 프로세스에 대한 책임이 분할될 수 있습니다. 그렇지 않으면 이 작업을 단일 역할로 수행할 수 있습니다. 각 단계에 적절한 역할이 표시됩니다.
표 1.1. 역할별 개발 작업
| 애플리케이션 개발자 | 데이터 | task 설명 |
|---|---|---|
| ✔ | OpenShift Data Science 애플리케이션 템플릿을 사용하여 Git에 Python S2I 프로젝트를 생성합니다.
| |
| ✔ | 데이터 과학자가 리포지토리로 푸시하고 가져올 수 있도록 Git 프로젝트에 대한 사용자 액세스를 구성합니다. | |
| 이 시점에서 모델을 개발하고 동시에 사용하는 애플리케이션을 개발할 수 있습니다. | ||
| ✔ | 프로젝트 리포지토리를 사용하여 OpenShift 애플리케이션을 생성합니다. | |
| ✔ | OpenShift 애플리케이션을 빌드 하여 코드를 확인합니다. | |
| ✔ | ||
| ✔ | ||
| ✔ | 애플리케이션 Git 프로젝트를 ClairpyterLab로 가져옵니다. | |
| ✔ | shippyterLab에서 번식 항목을 사용하여 모델을 개발하고 테스트합니다. | |
| ✔ | ||
| ✔ | ||
| ✔ | ||
| ✔ | ||
| ✔ | ✔ | |