★ 이 책에서 다루는 내용 ★

■ 기본적인 머신러닝 개념과 NumPy, Pandas, Scikit-learn 사용법
■ Matplotlib을 활용한 데이터 시각화
■ Amazon SageMaker를 활용한 머신러닝 모델 구축 및 배포
■ Amazon Lex, Amazon Comprehend, Amazon Rekognition 사용법
■ Amazon S3, Amazon DynamoDB, Amazon Cognito, AWS Lambda와 같은 기본적 AWS 서비스 사용법

AWS 클라우드상에서 파이썬을 활용해 머신러닝 모델을 구축하고 학습시키는 과정과 Amazon Rekognition, Amazon Comprehend, Amazon Lex와 같은 AWS 머신러닝 서비스를 다룬다.
또한 피처 엔지니어링, 데이터 시각화와 같은 일반적인 머신러닝 개념과 머신러닝 시스템을 구축하는 데 사용하는 Amazon IAM, Amazon Cognito, Amazon S3, Amazon DynamoDB, AWS Lambda와 같은 AWS 서비스를 다룬다.
책에서 사용한 모델 생성과 평가 코드는 Python 3로 작성했다. 아마존, 애플, 구글과 같은 회사가 제공하는 서비스는 자주 업데이트되기 때문에 책을 따라 실습하다가 새로운 화면을 만나는 경우가 종종 있을 수 있다.

★ 이 책의 대상 독자 ★

머신러닝을 배우고 AWS가 제공하는 머신러닝 관련 서비스를 활용해보려는 소프트웨어 개발자에게 적합한 책이다. AWS의 서비스 중 많이 사용되는 머신러닝 관련 서비스를 알고 싶은 데이터 과학자, 시스템 설계자, 애플리케이션 설계자에게도 유용할 것이다.
머신러닝과 AWS 모두가 생소하다면 책의 처음부터 끝까지 차례로 읽기를 권한다. 경험이 많은 데이터 과학자라면 책의 후반부인 AWS의 머신러닝 관련 서비스를 다루는 장으로 바로 넘어가도 좋다.

★ 이 책의 구성 ★

총 17개 장을 포함하는 2개의 파트와 4개의 부록으로 구성돼 있다. 첫 번째 파트는 5개 장으로 구성돼 있으며 피처 엔지니어링, 데이터 시각화, 모델 생성과 평가 같은 머신러닝을 위한 기법을 파이썬의 Pandas, NumPy, Matplotlib, Scikit-learn을 활용해 설명한다.
첫 번째 파트의 예제는 Jupyter Notebook을 사용하며, 머신러닝을 처음 접하는 독자를 대상으로 한다.
두 번째 파트는 AWS 서비스를 사용해 머신러닝 애플리케이션을 구축하는 방법을 다룬다. 먼저 Amazon S3, Amazon DynamoDB, AWS Lambda와 같은 기본 서비스를 소개하고, Amazon Comprehend, Amazon Lex, Amazon SageMaker와 같은 머신러닝과 밀접한 AWS 서비스를 소개한다. 두 장에 걸쳐 Amazon SageMaker를 자세히 다루며, 처음 장에서는 내장 알고리즘과 Scikit-learn을 이용한 모델 생성 및 배포 방법을 소개한다. 두 번째 장에서는 Google TensorFlow를 이용한 모델 생성 및 배포 방법을 다룬다. 두 번째 파트의 일부 장에서는 전체 소스 코드가 책에 표시되지 않지만 전체 코드를 깃허브(GitHub)에서 다운로드할 수 있다. 또한 실습을 위해 일부 장에서는 Amazon S3에 파일을 업로드해야 하며, 각자의 계정에 맞게 버킷의 이름을 변경해야 한다.

1부. 머신러닝의 기초
1장, ‘머신러닝 소개’에서는 머신러닝 시스템과 애플리케이션, 머신러닝 애플리케이션을 구축하는 데 필요한 도구를 소개한다.
2장, ‘데이터 수집 및 전처리’에서는 훈련 데이터 획득, 데이터 탐색 및 기본적인 피처 엔지니어링'을 알려준다.
3장, ‘파이썬 데이터 시각화’에서는 Matplotlib를 활용한 데이터 시각화 기법을 소개한다.
4장, ‘Scikit-learn으로 머신러닝 모델 생성’에서는 Scikit-learn을 활용한 분류 및 회귀 모델 생성 및 학습 기법을 다룬다.
5장, ‘머신러닝 모델 평가’에서는 머신러닝 모델 평가 방법을 알려준다.

2부. 머신러닝과 AWS
6장, ‘AWS 소개’에서는 클라우드 컴퓨팅과 AWS, 일반적인 서비스와 배포 모델을 소개한다.
7장, ‘AWS 글로벌 인프라’에서는 AWS 리전, 가용 영역, 엣지(edge) 로케이션을 소개한다.
8장, ‘자격 증명 및 접속 관리’에서는 Amazon 클라우드의 자원 보호 방법 및 AWS 프리 티어 계정 생성 방법을 설명한다.
9장, ‘Amazon S3’에서는 AWS에서 가장 많이 사용하는 저장 서비스인 S3를 다룬다.
10장, ‘Amazon Cognito’에서는 클라우드 기반 OAuth2.0 인증 관리 솔루션인 Amazon Cognito를 설명한다.
11장, ‘Amazon DynamoDB’에서는 Amazon의 관리형 NoSQL 데이터베이스 서비스인 Amazon DynamoDB를 다룬다.
12장, ‘Amazon Lambda’에서는 인프라 프로비저닝 없이 코드를 실행할 수 있는 AWS Lambda를 소개한다.
13장, ‘Amazon Comprehend’에서는 클라우드 기반의 자연어 처리 서비스인 Amazon Comprehend를 설명한다.
14장, ‘Amazon Lex’에서는 클라우드 기반의 챗봇 서비스를 구축할 수 있는 Amazon Lex를 소개한다.
15장, ‘Amazon SageMaker’에서는 기본 내장 알고리즘 혹은 사용자 정의 알고리즘을 통해 머신러닝 모델을 학습시키고 배포할 수 있는 클라우드 기반 머신러닝 서비스인 Amazon SageMaker를 소개한다.
16장, ‘Amazon SageMaker에서 TensorFlow 사용하기’에서는 구글의 TensorFlow 프레임워크와 Amazon SageMaker를 활용한 TensorFlow 모델 구축과 배포 방법을 알려준다.
17장, ‘Amazon Rekognition’에서는 완전 관리형 클라우드 기반 컴퓨터 비전 서비스인 Amazon Rekognition을 소개한다.

부록
부록 A, ‘Anaconda와 Jupyter Notebook 설정’에서는 로컬 환경에 Anaconda와 Jupyter Notebook 설치 방법을 안내한다.
부록 B, ‘실습에 필요한 AWS 자원 설정’에서는 예제 실습에 필요한 계정 내 AWS 리소스 설정 방법을 알려준다.
부록 C, ‘AWS CLI 설치 및 구성’에서는 AWS CLI 다운로드 및 설치 방법을 알려준다.
부록 D, ‘NumPy와 Pandas 소개’에서는 NumPy와 Pandas 라이브러리를 소개한다.

*번역서에서는 원서 『Machine Learning in the AWS Cloud』의 ‘15장. Amazon Machine Learning’은 다루지 않습니다.

★ 옮긴이의 말 ★

이 책은 머신러닝과 클라우드 두 가지를 모두 다룬다. 1장부터 8장까지 전반부에서는 머신러닝에 관한 이론적 개념과 데이터 수집, 전처리와 시각화 및 모델 생성과 평가에 이르는 전체적인 머신러닝 파이프라인을 설명한다. 9장부터 17장까지 후반부에서는 S3와 같은 기본적인 AWS 서비스를 시작으로 Comprehend, Lex, Rekognition과 같은 AWS 머신러닝 서비스를 간단한 실습과 함께 소개한다. 또한 AWS 머신러닝의 핵심 서비스인 SageMaker의 기본 내장 알고리즘과 TensorFlow를 활용한 사용자 지정 알고리즘을 사용하는 방법까지 기본적인 실습과 함께 설명한다. 모든 실습 예제는 Jupyter notebook 형태로 다운로드할 수 있도록 제공된다.
한 권의 책에서 두 가지 주제를 다루기엔 다소 깊이가 부족할 수는 있으나 머신러닝이나 AWS를 동시에 시작하고자 하는 독자에게는 좋은 선택일 수 있을 것이다. 먼저 부록을 따라 실습할 수 있는 환경을 설정하고 시작한다면 큰 어려움 없이 진도를 나갈 수 있다. 만약 머신러닝에 대한 기본적인 개념을 알고 있다면 부록을 마친 후 9장부터 시작하는 것도 좋다. 다만 일부 실습은 이전 장에서 작업한 내용을 바탕으로 진행될 수도 있으니 주의하길 바란다. 더불어 AWS Certified Machine Learning Specialty 자격과 관련된 한글 자료가 많이 없는 상황에서 자격을 준비하는 독자들에게도 작게나마 도움이 될 것이다.
또한 이 책은 머신러닝 개념과 AWS의 머신러닝 관련 서비스를 모두 경험할 수 있는 기회를 제공하는 만큼 처음 시작하는 독자에게는 앞으로 공부해 나갈 방향을 제시하고, 어느 정도 경험이 있는 독자에게는 AWS가 어떠한 머신러닝 서비스를 제공하고 어떻게 활용해 실제 서비스를 구성할 수 있는지 아이디어를 제공했으면 한다.
IT는 워낙 빠르게 발전하는 분야다. 그러다 보니 원서가 출간된 뒤 번역서가 출간되는 사이 일부 원서에서 소개한 기능이나 서비스가 종료되기도 하고, 화면 구성이나 기능이 좀 더 개선된 방향으로 바뀌어 있기도 한다. 허나 내용을 하나하나 비교해본다면 큰 어려움 없이 따라갈 수 있을 것이다. 이러한 과정을 통해 AWS가 어떤 방향으로 발전해 나아가는지 파악해보자. 닫기

출고 예정	도착예정일	비고
1일 이내	2~3일 이내	연휴 및 토.일. 공휴일은 제외
2일 이내	3~4일 이내
3일 이내	4~5일 이내
4일 이내	5~6일 이내

ISBN	9791161754833(1161754830)
쪽수	636쪽
크기	189 * 237 * 35 mm /1177g 판형알림
이 책의 원서/번역서	Machine Learning in the Aws Cloud / Abhishek Mishra

반품/교환방법	마이룸 > 주문관리 > 주문/배송내역 > 주문조회 > 반품/교환신청 , [1:1상담>반품/교환/환불] 또는 고객센터 (1544-1900) ※ 오픈마켓, 해외배송주문, 기프트 주문시 [1:1상담>반품/교환/환불] 또는 고객센터 (1544-1900)
반품/교환가능 기간	변심반품의 경우 수령 후 7일 이내, 상품의 결함 및 계약내용과 다를 경우 문제점 발견 후 30일 이내
반품/교환비용	변심 혹은 구매착오로 인한 반품/교환은 반송료 고객 부담
반품/교환 불가 사유	소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우 (단지 확인을 위한 포장 훼손은 제외) 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우 예) 화장품, 식품, 가전제품(악세서리 포함) 등 복제가 가능한 상품 등의 포장을 훼손한 경우 예) 음반/DVD/비디오, 소프트웨어, 만화책, 잡지, 영상 화보집 소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 ((1)해외주문도서) 디지털 컨텐츠인 eBook, 오디오북 등을 1회 이상 다운로드를 받았을 경우 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우 전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우 (1) 해외주문도서 : 이용자의 요청에 의한 개인주문상품으로 단순변심 및 착오로 인한 취소/교환/반품 시 ‘해외주문 반품/취소 수수료’ 고객 부담 (해외주문 반품/취소 수수료 : ①서양도서-판매정가의 12%, ②일본도서-판매정가의 7%를 적용)
상품 품절	공급사(출판사) 재고 사정에 의해 품절/지연될 수 있으며, 품절 시 관련 사항에 대해서는 이메일과 문자로 안내드리겠습니다.
소비자 피해보상 환불지연에 따른 배상	상품의 불량에 의한 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은 소비자분쟁해결 기준 (공정거래위원회 고시)에 준하여 처리됨 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의 소비자 보호에 관한 법률에 따라 처리함

메뉴 전체보기

스페셜 코너

스페셜 코너

서비스 안내

스페셜코너

스페셜 코너

스페셜 코너

추천

컨텐츠

클래스

스페셜 코너

AWS 클라우드 머신러닝 머신러닝 기초부터 AWS SageMaker까지

키워드 Pick

이 책의 다른 상품 정보

가격정보

배송정보

이 책을 구매하신 분들이 함께 구매하신 상품입니다 KOR (개인)

책소개

이 책이 속한 분야

이 책의 주제어

이 책의 총서

작가의 말

목차

출판사 서평

Klover 리뷰 (0)

북로그 리뷰 (0) 쓰러가기

교환/반품/품절안내

기프트 BEST

이 책의 원서/번역서

이 분야의 베스트

이 분야의 신간

바로가기

최근 본 상품