본 논문은 인공지능과 데이터 과학의 산업 전반 확산에 따라 효과적인 머신러닝(ML) 모델 관리 및 거버넌스의 필요성을 강조한다. 기존의 ML 모델 관리 접근 방식은 서로 다른 저장 시스템을 사용하고 버전 관리, 감사 및 재사용을 위한 표준화된 방법론이 부족하다. 본 논문은 데이터 레이크 개념에서 영감을 얻어 조직 환경 내 데이터셋, 코드 및 모델을 위한 중앙 집중식 관리 프레임워크로서 ML 모델 레이크 개념을 제시한다. 모델 레이크의 아키텍처 기반, 주요 구성 요소, 운영상의 이점 및 실질적인 과제를 심층적으로 탐구하고, 모델 수명 주기 관리, 검색, 감사 및 재사용성 향상과 같은 모델 레이크 접근 방식 채택의 변혁적 잠재력을 논의한다. 또한, 모델 레이크의 실제 적용 사례와 데이터, 코드 및 모델 관리 관행에 대한 변혁적 영향을 보여준다.
