> ## Documentation Index
> Fetch the complete documentation index at: https://docs.baeum.ai.kr/llms.txt
> Use this file to discover all available pages before exploring further.

# Trackio

Trackio는 **실험 추적(Experiment Tracking)** 목적에서 비교되는 도구입니다.
이 문서는 특정 벤더 기능 나열보다, 실무 도입 전에 확인해야 할 학습 포인트를 정리합니다.

## 학습 목표

* 실험 추적 도구가 머신러닝/LLMOps 파이프라인에서 어떤 역할을 하는지 설명할 수 있습니다.
* Trackio를 기존 워크플로우(학습/평가/배포)와 어떻게 연결할지 설계할 수 있습니다.
* 도입 전 검증 체크리스트를 만들고 팀 기준으로 합의할 수 있습니다.

## 언제 도입하나

* 실험 파라미터와 결과를 수기로 기록해 재현성이 떨어지는 경우
* 모델/프롬프트 비교가 많아 버전 추적이 필요한 경우
* 팀 단위로 실험 이력을 공유하고 승인 흐름이 필요한 경우

## 최소 실습 과제

<Steps>
  <Step title="1) 추적 대상 정의">
    실험 이름, 파라미터, 메트릭, 아티팩트 저장 규칙을 먼저 정합니다.
  </Step>

  <Step title="2) 샘플 실험 3회 기록">
    같은 데이터셋에서 파라미터만 바꾼 실험을 3회 실행하고 결과를 비교합니다.
  </Step>

  <Step title="3) 재현 테스트">
    팀원이 동일 설정으로 실험을 다시 실행해 같은 결과가 나오는지 확인합니다.
  </Step>
</Steps>

## 실무 체크리스트

* 실험 메타데이터 스키마(이름, 태그, 버전)를 표준화했습니다.
* 모델/데이터/코드 버전을 함께 추적하도록 설계했습니다.
* 접근 권한(조회/수정/관리) 정책을 정의했습니다.
* 보존 기간과 삭제 정책을 문서화했습니다.

## 주의할 점

* 도구 기능은 버전마다 바뀔 수 있으니 최신 동작은 공식 문서로 확인합니다.
* 실험 추적은 도구 도입보다 **기록 규칙 표준화**가 먼저입니다.
* 운영 로그에 민감정보(PII, 키, 토큰)가 남지 않도록 마스킹 정책을 적용합니다.

## 다음 문서

<Card title="다음: Triton" icon="arrow-right" href="/stacks/triton">
  배포 단계에서의 모델 서빙 스택으로 학습을 이어가세요.
</Card>

## 설치 점검 목록

* `docker compose up -d` 후 `docker compose ps`로 컨테이너 상태를 확인했습니다.
* 기본 포트/계정/비밀번호를 문서대로 점검했습니다.
* 운영용으로 사용할 때 기본 비밀번호/시크릿 값을 변경했습니다.
* 장애 분석을 위해 `docker compose logs -f` 확인 방법을 숙지했습니다.

## 문제 해결 가이드

* 컨테이너가 실행되지 않으면 `docker compose logs -f`로 오류 원인을 먼저 확인합니다.
* 포트 충돌이 나면 기존 프로세스를 종료하거나 포트 매핑 값을 변경합니다.
* 이미지 pull 실패 시 네트워크 연결 및 레지스트리 접근 권한을 확인합니다.
* 설정 변경 후 문제가 지속되면 `docker compose down` 후 다시 `up -d`로 재기동합니다.