9. 지배구조

ML 거버넌스에는 ML 모델 배포에 도움이 되는 일련의 프로세스와 프레임워크가 포함됩니다. 여기에는 성공적인 end-to-end ML 수명 주기의 모델 설명 가능성, 감사 가능성, 추적 가능성 및 기타 추상적이지만 필수적인 요구 사항이 포함됩니다.

9.1 데이터 품질 및 규정 준수	ML 시스템은 익명화를 포함하여 개인 식별 정보(PII) 고려 사항을 고려합니다. 데이터의 소스, 품질 및 적절성을 이해하기 위해 열 수준 계보를 문서화하고 검토했습니다. 또한 이상에 대한 자동 데이터 품질 검사도 있습니다.
9.2 감사 및 설명서	ML 시스템에는 실험 실행 및 규정 준수를 위해 선택한 이유를 포함하여 개발 중 모든 변경 사항에 대한 전체 로그가 있습니다.
9.3 재현성 및 추적성	ML 시스템에는 정확하고 빠른 모델 재인센티게이션을 위한 전체 데이터 스냅샷이 포함되어 있거나 환경을 다시 생성하고 데이터 샘플로 재학습할 수 있습니다.
9.4 Human-in-the-loop 사인오프	ML 시스템에는 규정 준수를 위한 수동 확인 및 권한이 있습니다. 시스템에서는 모든 환경 이동(예: 개발, QA, 사전 제품 및 제품)에 대한 승인이 필요합니다.
9.5 바이어스 및 공격자 공격 테스트	ML 시스템에는 여러 도구 및 공격 벡터를 사용한 Red Team 적대적 테스트와 특정 하위 개체군에 대한 자동화된 편향 검사가 있습니다. 이 구성 요소는 관찰성 및 모델 관리 섹션과 연결됩니다.