모델 배포
학습 목표
이 유닛을 완료하면 다음을 수행할 수 있습니다.
- 모델을 Salesforce에 배포할 수 있습니다.
- 프로덕션에서 정확한 모델을 유지하는 방법에 대해 설명할 수 있습니다.
배포 준비 완료
모델과 모델을 평가하는 방법에 대해 알아보았으므로 이제 모델을 Salesforce에 배포할 시간이 되었습니다!
- Model Performance Overview(모델 성과 개요) 탭에서 Deploy Model(모델 배포)을 클릭하거나 모델 드롭다운 메뉴에서 Deploy Model(모델 배포)을 선택합니다.
- Ready to Deploy(배포 준비됨) 프롬프트가 표시되면 Get Started(시작하기)를 클릭합니다.
Einstein Discovery 배포 마법사가 이 모델을 배포하는 단계를 하나씩 안내합니다. -
Einstein Discovery에서 모든 배포된 모델은 예측 정의라는 컨테이너 개체에 속합니다. 이 화면에 모델과 예측 정의를 만들거나 업데이트하고 모델 이름을 변경하라는 프롬프트가 표시됩니다. 예측 정의에는 여러 모델이 포함될 수 있고, 각 모델은 데이터의 각기 다른 세그먼트(부분 집합)에 대해 예측을 생성합니다. 이 사례에서는 배포할 모델이 하나뿐입니다.
- 지금은 모든 기본값을 그대로 사용하고 Next(다음)를 클릭합니다.
이 화면에 성과를 예측할 Salesforce 개체를 지정하라는 프롬프트가 표시됩니다. 검색 상자에opportunity(기회)를 입력하고 Opportunity(기회)를 선택한 후 Next(다음)를 클릭합니다.
참고: 데이터가 완전한 Salesforce 외부 데이터이고 Salesforce 개체와 연관이 없는 경우 Deploy without connecting to a Salesforce Object(Salesforce 개체에 연결하지 않고 배포)를 대신 선택하세요.
Einstein이 자동으로 모델 변수를 개체의 필드에 매핑합니다. 모든 것이 매핑되어야 합니다. 산업에 매핑이 없습니다. Object Field(개체 필드) 선택기에서 Industry(산업)를 클릭하고 Opportunity(기회) > Account(계정) > Industry(산업)를 선택합니다.
Next(다음)를 클릭합니다.
- Segment Data(데이터 세분화)의 기본값인 Don’t segment(세분화하지 않음)를 그대로 놔둔 후 Next(다음)를 클릭합니다.
참고: 여러 모델이 있는 예측 정의를 만들려면 여기서 데이터의 세분화에 대한 필터 조건을 정의합니다. 여기서는 모델이 하나만 있고 세그먼트 필터가 없는 예측 정의를 만들려고 하므로 이 단계를 건너뛰어도 됩니다.
- Select Actionable Variables(실행 가능한 변수 선택)에서 Amount(양)를 선택한 후 Next(다음)를 클릭합니다.
- Customize Predictions(예측 사용자 정의)에 대해 기본값인 Don't customize(사용자 정의하지 않음)를 그대로 두고 Next(다음)를 클릭합니다.
- 배포 설정을 검토한 다음 Deploy(배포)를 클릭합니다.
Einstein이 예측 정의를 모델과 함께 Salesforce에 배포하고 모델 관리자에 표시합니다. 완전히 새로운 모델에는 아직 볼 게 많지 않습니다. 나중에 시간이 지나면 여기서 예측 수, 정확도 및 성능 같은 사항을 추적할 수 있습니다. 
좋습니다! 예측 정의와 모델이 배포되어 사용할 준비가 되었습니다. 다음 유닛에서는 Einstein 예측 서비스를 사용하여 모델에서 예측을 얻습니다.
모델로 수행할 수 있는 기타 작업
모델 관리자는 조직에 배포된 예측 정의와 모델을 보고 구성하고 관리하는 데 사용합니다.
모델 모니터링 및 유지는 성공적인 Einstein Discovery 솔루션 구현의 주요 요인입니다. 프로덕션에서 모델은 일반적으로 시간이 지날수록 정확도가 낮아지는데, 이 현상을 드리프트라고 합니다. 모델 드리프트는 실제 데이터의 특성이 이 데이터를 만드는 데 사용된 학습 데이터와 크게 달라질 경우에 발생합니다. 운영 변화, 추세, 계절적 변동, 새로운 범주 또는 사용이 중단된 범주 및 기타 요인으로 인해 데이터 구성이 바뀔 수 있습니다.
모델이 드리프트하지 않고 정상적인 상태를 유지하도록 하려면 지속적이고 반복적인 운영 작업을 수반하는 모델 수명 주기를 구현해야 합니다.
모델 관리자를 사용하여 다음을 구성합니다.
- 실시간 성능 모니터링
- 모델 성능이 구성된 임계값 미만이 되면 알리는 자동 성능 경고
- 모델에 최신 데이터를 주기적으로 학습시키는 자동 새로 고침
다음 단계
모델을 Salesforce에 배포했으므로 이제 예측 및 개선 사항을 몇 개 얻어보겠습니다!
