MLOps Academy · 강의

모델 버전 간 트래픽 분할하기

요청의 일부를 도전자 모델로 라우팅하세요.

모델 버전 간 트래픽 분할하기은(는) CoddyKit의 무료 MLOps Academy 강의입니다. 이것은 4개 중 1번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 MLOps Academy 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. MLOps Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

이 강의의 일부는 아직 번역되지 않았으며 영어로 표시됩니다.

Two Models, One Live Test

You have a new model you believe is better. Instead of guessing, you let real traffic decide. An A/B test runs both models side by side on live users. 🔬

Champion and Challenger

The current model in production is your champion. The new candidate you want to prove is the challenger. The test sees if the challenger truly beats the champion.

Splitting the Traffic

The core idea is simple: send a slice of requests to each model. A common start is 90/10, keeping most users safe on the champion while the challenger proves itself.

A Tiny Router

A basic split just rolls a random number per request and routes by the cutoff. Here ten percent of traffic reaches the challenger.

import random

def pick_model(challenger_share=0.1):
    return "challenger" if random.random() < challenger_share else "champion"

Keep Each User Consistent

Random per request flips a user between models on every visit. Instead, hash the user id so the same person always lands on the same model.

Hashing for Sticky Splits

Hashing the user id gives a stable bucket. The same id maps to the same model every time, which keeps the test clean.

import hashlib

def bucket(user_id, challenger_share=0.1):
    h = int(hashlib.md5(user_id.encode()).hexdigest(), 16)
    return "challenger" if (h % 100) < challenger_share * 100 else "champion"

Log Which Model Served

For every prediction, record which model handled it. Without this assignment log, you can never compare the two groups fairly later on. 📝

Start Small, Then Ramp

Begin with a tiny challenger share to limit risk. As confidence grows, you raise the percentage gradually instead of flipping everyone over at once.

Control the Split with Config

Hard-coding the share means a redeploy to change it. Read the split ratio from config so you can dial traffic up or down without shipping code.

Same Inputs, Fair Fight

Both models must see the same kind of requests and the same features. If the groups differ in who they serve, any winner you find may be an illusion.

It Is Just Routing

At its heart, an A/B test is a routing layer plus careful logging. Get the split sticky and recorded, and you have the foundation for a trustworthy comparison. ✅

Quick Check

Let us check how to keep your split clean.

Recap

An A/B test pits a champion against a challenger by splitting live traffic. Hash users for sticky buckets, log every assignment, and start small. 🎯

자주 묻는 질문

“모델 버전 간 트래픽 분할하기” 강의는 무료인가요?

네 — “모델 버전 간 트래픽 분할하기” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 MLOps Academy 강의 전체를 잠금 해제할 수 있습니다. MLOps Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

“모델 버전 간 트래픽 분할하기”에서 뭘 배우나요?

요청의 일부를 도전자 모델로 라우팅하세요. 브라우저에서 직접 실행하는 실습 코드로 MLOps Academy을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.

MLOps Academy을(를) 시작하는 데 경험이 필요한가요?

사전 경험은 필요하지 않습니다. CoddyKit의 MLOps Academy은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 1번째 강의입니다.

“모델 버전 간 트래픽 분할하기” 강의는 얼마나 걸리나요?

대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.

이 MLOps Academy 강의에서 코드를 작성하고 실행할 수 있나요?

네. 모든 MLOps Academy 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.

이 강의의 모든 강의

← MLOps Academy(으)로 돌아가기