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 개발자데이터task 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.

 

Webhook를 사용하여 빌드 프로세스를 자동화합니다.

 

줄기어를 시작하고 장바구니를 생성하거나 가져옵니다.

 

애플리케이션 Git 프로젝트를 ClairpyterLab로 가져옵니다.

 

shippyterLab에서 번식 항목을 사용하여 모델을 개발하고 테스트합니다.

 

모델을 별도의 Python 파일에 독립적인 Python 함수로 저장합니다.

 

함수에 필요한 종속성으로 requirements.txt 파일을 업데이트합니다.

 

노트북 서버에서 해당 기능을 테스트합니다.

 

업데이트를 원격 Git 프로젝트로 다시 푸시합니다.

배포된 애플리케이션 엔드포인트를 테스트합니다.