Day 4 - 재학습·모델 유지보수: 자동 재학습 파이프라인과 A/B·섀도 테스트

📌 핵심 정리

• 성숙한 ML 운영은 드리프트 감지 → 자동 재학습 → 안전한 재배포가 하나의 닫힌 루프로 이어진다.
• 재학습 트리거는 일정 기반보다 드리프트·성능 기반 이벤트 트리거가 비용 효율적이다.
• 자동화 체인은 Model Monitor 위반 → CloudWatch Alarm → EventBridge/Lambda → SageMaker Pipelines.
• ConditionStep으로 평가 기준 통과 시에만 Model Registry에 등록해 성능 회귀를 막는다.
• 재배포는 위험도 순으로 — 섀도(사용자 영향 0) → A/B·카나리(소수 노출) → 블루/그린(가드레일·자동 롤백).

유지보수의 닫힌 루프

모니터링이 드리프트나 성능 저하를 감지했다면, 그 다음은 무엇인가? 사람이 매번 손으로 모델을 다시 학습시키고 배포하는 것은 느리고 실수가 잦다. 전체 그림은 아래처럼 한 바퀴를 돈다.