본문내용 바로가기
무료배송 소득공제

AWS 클라우드 머신러닝 머신러닝 기초부터 AWS SageMaker까지

데이터 과학
아비섹 미쉬라 지음 | 박정현 옮김 | 에이콘출판 | 2020년 12월 30일 출간
  • 정가 : 35,000원
    판매가 : 31,500 [10%↓ 3,500원 할인]
  • 통합포인트 :
    [기본적립] 1,750원 적립 [5% 적립] [추가적립] 5만원 이상 구매 시 2천원 추가적립 안내 [회원혜택] 실버등급 이상, 3만원 이상 구매 시 2~4% 추가적립 안내
  • 추가혜택 : 포인트 안내 도서소득공제 안내 추가혜택 더보기
  • 배송비 : 무료 배송비 안내
  • 배송일정 : 서울특별시 종로구 세종대로 기준 지역변경
    지금 주문하면 내일( 5일,금) 도착 예정 배송일정 안내
  • 바로드림 : 인터넷으로 주문하고 매장에서 직접 수령 안내 바로드림 혜택
    휴일에는 바로드림 픽업으로 더 빨리 받아 보세요. 바로드림 혜택받고 이용하기
상품상세정보
ISBN 9791161754833(1161754830)
쪽수 636쪽
크기 189 * 237 * 35 mm /1177g 판형알림
이 책의 원서/번역서 Machine Learning in the Aws Cloud / Abhishek Mishra

책소개

이 책이 속한 분야

이 책의 주제어

한 권의 책으로 머신러닝 기초 개념부터 AWS의 머신러닝 서비스를 한번에 훑어볼 수 있으며, 크게 두 부분으로 나눠 설명한다. 1장부터 8장까지 전반부에서는 머신러닝의 기본 개념부터 데이터 수집, 전처리와 시각화, Scikit-learn을 통한 머신러닝 모델 생성과 모델 평가 방법을 다루며, 9장부터 17장까지는 Amazon S3를 시작으로 Comprehend, Lex, Rekognition 등 AWS의 주요 머신러닝 서비스를 간단한 실습과 함께 소개하고 AWS의 머신러닝 서비스 중 가장 핵심이 되는 SageMaker를 두 개의 장에 걸쳐 설명한다.

작가의 말

AWS(Amazon Web Services)는 오늘날 클라우드 컴퓨팅 플랫폼 업계를 이끄는 선두주자로, 이 책을 쓰는 시점에 18개의 서비스 분야에서 100개 이상의 서비스를 제공한다. 클라우드 컴퓨팅 업계나 AWS 생태계를 처음 접하는 사람들에게는 이렇게 많은 숫자의 서비스가 압박으로 느껴질 수 있으며, 어디서부터 시작해 어느 부분에 초점을 맞춰야 할지도 부담스럽게 느껴질 것이다.
머신러닝을 처음 접하는 개발자와 경험이 많은 데이터 과학자도 종종 퍼블릭 클라우드나 AWS가 제공하는 머신러닝 서비스가 얼마나 유용한지 모르는 경우가 있다. 과거에는 클라우드 기반의 머신러닝 서비스에서 제한적인 알고리즘과 일부에서만 사용자 설정 기능을 사용할 수 있었으나 아마존에서 SageMaker를 발표하면서부터 많은 부분이 바뀌었다. SageMaker를 활용하면 아마존이 구현한 최신 알고리즘을 기반으로 머신러닝 모델을 구축할 수 있으며, Scikit-learn이나 TensorFlow와 같은 프레임워크를 사용해 사용자가 임의로 모델을 구축할 수도 있다.
머신러닝 모델만으로는 실생활에 사용 가능한 서비스를 구현할 수 없으며 데이터베이스, 로드밸런서, API 게이트웨이, 자격 증명 공급자와 같은 다양한 지원 시스템이 기반이 돼야 서비스가 가능하다. AWS는 이러한 모든 서비스를 제공한다. 이 책은 숙련된 머신러닝 전문가와 시작하는 애호가 모두를 위해 사전 학습 모델(pre-trained models)에 기반한 AWS 머신러닝 서비스들을 소개한다. 아울러 Amazon SageMaker에서 사용자 지정 모델을 훈련시키고 배포하는 과정을 단계별로 설명한다. 또한 머신러닝을 새로 시작하는 애호가들을 위해 데이터 전처리, 시각화, 피처 엔지니어링과 같은 머신러닝의 기초부터 NumPy, Pandas, Scikit-learn과 같이 널리 사용되는 파이썬 라이브러리도 다룬다.
이 책의 전반에 걸쳐 이론과 실무를 균형 있게 다루려고 노력했다. 기본 개념을 이해하기 쉽도록 많은 시각 자료를 포함했고, 실무에 바로 적용할 수 있는 다양한 사례와 조언을 실었다. 최신의 유용한 자료를 사용하고자 많은 노력을 기울였지만 일부분은 새로운 버전으로 변경됐을 수도 있다. 하지만 새로운 AWS 버전에서도 내용이 유용할 것이라 확신한다.

목차

PART 1. 머신러닝의 기초

Chapter 1. 머신러닝 소개
__머신러닝이란?
__일반적인 데이터 과학 도구들
____용어 설명
____머신러닝 실제 사례
__머신러닝의 종류
____지도 학습
____비지도 학습
____준지도 학습
____강화 학습
____배치 학습
____점진 학습
____사례 기반 학습
____모델 기반 학습
__머신러닝 접근 방식 vs 전통적인 접근 방식
____규칙 기반 의사 결정 시스템
____머신러닝 기반 시스템
____피처 선택하기
____훈련 데이터와 테스트 데이터 준비하기
____머신러닝 모델 선정
____모델 성능 평가
__요약

Chapter 2. 데이터 수집 및 전처리
__머신러닝 데이터셋
____Scikit-learn 데이터셋
____아마존 웹서비스 공개 데이터셋
____Kaggle.com 데이터셋
____UCI 머신러닝 저장소
__데이터 전처리 기법
____데이터 탐색
____결측값 다루기
____새로운 피처 생성하기
____수치형 피처 변환하기
____범주형 피처 원-핫 인코딩
__요약

Chapter 3. 파이썬 데이터 시각화
__Matplotlib 소개
__Plot의 구성 요소
____Figure 객체
____Axes
____Axis
____Axis Label
____Grid
____Title
__일반적인 Plot의 종류
____Histogram
____Bar Chart
____Grouped Bar Chart
____Stacked Bar Chart
____Stacked Percentage Bar Charts
____Pie Chart
____Box Plot
____산점도
__요약

Chapter 4. Scikit-learn으로 머신러닝 모델 생성
__Matplotlib 소개
__훈련 데이터와 테스트 데이터로 나누기
____k겹 교차검증
__머신러닝 모델 생성
____선형회귀
____서포트 벡터 머신
____로지스틱회귀
____의사 결정 나무
__요약

Chapter 5. 머신러닝 모델 평가
__회귀 모델 평가
____RMSE 지표
____R² 지표
__분류 모델 평가
____이진 분류 모델
____다중 분류 모델
__하이퍼파라미터 선택
__요약

PART 2. 머신러닝과 AWS

Chapter 6. AWS 소개
__클라우드 컴퓨팅 소개
__클라우드 서비스 모델
__클라우드 배포 모델
__AWS 생태계
____머신러닝 애플리케이션 서비스
____머신러닝 플랫폼 서비스
____지원 서비스
__AWS 프리 티어 계정 가입하기
____1단계: 연락처 정보
____2단계: 결제 정보
____3단계: 자격 증명 확인
____4단계: 지원 플랜 선택
____5단계: 등록 확인
__요약

Chapter 7. AWS 글로벌 인프라
__리전과 가용 영역
__엣지 로케이션
__AWS 접속
____AWS 관리 콘솔
__요약

Chapter 8. 자격 증명 및 접속 관리
__IAM 주요 개념
____루트 계정
____IAM 사용자
____자격 증명 페더레이션
____IAM 그룹
____IAM 정책
____IAM 역할
__일반적인 작업
____IAM 사용자 생성
____기존 그룹 권한 수정
____IAM 역할 생성
____루트 계정에 MFA 적용
____IAM 비밀번호 정책
__요약

Chapter 9. Amazon S3
__Amazon S3 주요 개념
____버킷
____객체 키
____객체 값
____버전 ID
____스토리지 클래스
____비용
____객체 하위 리소스
____객체 메타데이터
__일반적인 작업
____버킷 생성
____객체 업로드
____객체 접근
____객체의 스토리지 클래스 변경
____객체 삭제
____Amazon S3 버킷 버저닝
____AWS CLI로 Amazon S3 접속
__요약

Chapter 10. Amazon Cognito
__Amazon Cognito 주요 개념
____인증
____권한 부여
____자격 증명 공급자
____클라이언트
____OAuth 2.0
____OpenID Connect
____Amazon Cognito 사용자 풀
____자격 증명 풀
____Amazon Cognito 연동 자격 증명
__일반적인 작업
____사용자 풀 생성
____앱 클라이언트 보안키 확인
____자격 증명 풀 생성
__사용자 풀과 자격 증명 풀 선택하기
__요약

Chapter 11. Amazon DynamoDB
__Amazon DynamoDB 주요 개념
____테이블
____전역 테이블
____항목
____속성
____기본 키
____보조 인덱스
____쿼리
____스캔
____읽기 일관성
____읽기/쓰기 용량 모드
__일반적인 작업
____테이블 생성
____테이블에 항목 추가
____인덱스 생성
____스캔 실행
____쿼리 실행
__요약

Chapter 12. AWS Lambda
__Amazon Lambda 사용 사례
__AWS Lambda 주요 개념
____지원 프로그래밍 언어
____Lambda 함수
____프로그래밍 모델
____이벤트
____실행 환경
____서비스 제한
____가격과 가용성
__일반적인 작업
____AWS 관리 콘솔로 Python Lambda 함수 생성하기
____AWS 관리 콘솔로 Lambda 함수 테스트하기
____AWS 관리 콘솔로 Lambda 함수 삭제하기
__요약

Chapter 13. Amazon Comprehend
__Amazon Comprehend 주요 개념
____자연어 처리
____토픽 모델링
____지원 언어
____가격 정책 및 가용성
__Amazon Comprehend 관리 콘솔로 텍스트 분석하기
__AWS CLI로 대화형 텍스트 분석하기
____AWS CLI로 엔티티 검출
____AWS CLI로 주요 문구 검출
____AWS CLI로 감성 분석
__Amazon Comprehend를 위한 AWS Lambda 함수 생성
__요약

Chapter 14. Amazon Lex
__Amazon Comprehend 주요 개념
____봇
____클라이언트 애플리케이션
____인텐트
____슬롯
____어터런스
____프로그래밍 모델
____가격 정책 및 가용성
__Amazon Lex 챗봇 구축하기
____Amazon DynamoDB 테이블 생성
____AWS Lambda 함수 생성
____챗봇 생성
____AccountOverview 인텐트 설정
____ViewTransactionList 인텐트 설정
____챗봇 테스트
__요약

Chapter 15. Amazon SageMaker
__Amazon SageMaker 주요 개념
____프로그래밍 모델
____Amazon SageMaker 노트북 인스턴스
____훈련 작업
____예측 인스턴스
____예측 엔드포인트와 엔드포인트 구성
____Amazon SageMaker 배치 변환
____데이터 채널
____데이터 위치와 형식
____기본 제공 알고리즘
____가격 정책 및 가용성
__Amazon SageMaker 노트북 인스턴스 생성하기
____훈련 데이터와 테스트 데이터 준비하기
__Amazon SageMaker 노트북 인스턴스에서 Scikit-Learn 모델 훈련하기
__훈련 전용 인스턴스에서 Scikit-Learn 모델 훈련하기
__훈련 전용 인스턴스에서 기본 제공 알고리즘 모델 훈련하기
__요약

Chapter 16. Amazon SageMaker에서 TensorFlow 사용하기
__Google TensorFlow 소개
__Google TensorFlow로 선형회귀 모델 생성
__TensorFlow Estimator API와 Amazon SageMaker를 이용한 DNN 모델 훈련 및 배포
__요약

Chapter 17. Amazon Rekognition
__Amazon Rekognition 주요 개념
____객체 감지
____객체 위치 검출
____장면 감지
____활동 감지
____얼굴 인식
____얼굴 모음
____API 집합
____비스토리지 및 스토리지 기반 작업
____모델 버전 관리
____가격 정책 및 가용성
__Amazon Rekognition 관리 콘솔을 이용한 이미지 분석
__AWS CLI를 이용한 이미지 분석
__Amazon Rekognition과 AWS Lambda로 작업하기
____Amazon DynamoDB 테이블 생성
____AWS Lambda 함수 생성
__요약

Appendix A. Anaconda와 Jupyter Notebook 설정
Appendix B. 실습에 필요한 AWS 자원 설정
Appendix C. AWS CLI 설치 및 구성
Appendix D. NumPy와 Pandas 소개

출판사 서평

★ 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 ... 더보기

Klover 리뷰 (0)

북로그 리뷰 (0) 쓰러가기

도서 구매 후 리뷰를 작성하시면
결제 90일 이내 300원, 발송 후 5일 이내 400원, 이 상품의 첫 리뷰 500원의 포인트를 드립니다.

포인트는 작성 후 다음 날 적립되며, 도서 발송 전 작성 시에는 발송 후 익일에 적립됩니다.
북로그 리뷰는 본인인증을 거친 회원만 작성 가능합니다.
(※ 외서/eBook/음반/DVD/GIFT 및 잡지 상품 제외) 안내
  • 해당도서의 리뷰가 없습니다.

문장수집 (0) 문장수집 쓰기 나의 독서기록 보기
※구매도서의 문장수집을 기록하면 통합포인트 적립 안내

교환/반품/품절안내

※ 상품 설명에 반품/교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다.)

교환/반품/품절안내
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

이 책의 원서/번역서

안내

바로가기

  • 우측 확장형 배너 2
  • 우측 확장형 배너 2

최근 본 상품