AWS 기반 데이터 과학 (엔드투엔드, AI/ML 파이프라인 구현하기)

크리스프레글리,안티바르트

CHAPTER1AWS기반데이터과학소개
1.1클라우드컴퓨팅의장점
1.2데이터과학파이프라인및워크플로우
1.3MLOps모범사례
1.4아마존세이지메이커를사용한아마존AI와AutoML
1.5AWS에서데이터수집,탐색및준비
1.6아마존세이지메이커를사용한모델훈련및튜닝
1.7아마존세이지메이커와AWS람다함수를사용한모델배포
1.8AWS스트리밍데이터분석및머신러닝
1.9AWS인프라및맞춤형하드웨어
1.10태그,예산,알림으로비용절감하기
1.11마치며

CHAPTER2데이터과학의모범사례
2.1모든산업에걸친혁신
2.2개인별상품추천시스템
2.3아마존레코그니션으로부적절한동영상감지
2.4수요예측
2.5아마존프로드디텍터를사용한가짜계정식별
2.6아마존메이시를사용한정보유출탐지활성화
2.7대화형디바이스와음성어시스턴트
2.8텍스트분석및자연어처리
2.9인지검색과자연어이해
2.10지능형고객지원센터
2.11산업용AI서비스와예측정비
2.12AWSIoT와아마존세이지메이커를사용한홈자동화
2.13의료문서에서의료정보추출
2.14자체최적화및지능형클라우드인프라
2.15인지및예측의비즈니스인텔리전스
2.16차세대AI/ML개발자를위한교육
2.17양자컴퓨팅을통한운영체제프로그램
2.18비용절감및성능향상
2.19마치며

CHAPTER3AutoML
3.1세이지메이커오토파일럿을사용한AutoML
3.2세이지메이커오토파일럿을사용한트래킹실험
3.3세이지메이커오토파일럿을사용한자체텍스트분류기훈련및배포
3.4아마존컴프리헨드를사용한AutoML
3.5마치며

CHAPTER4클라우드로데이터수집하기
4.1데이터레이크
4.2아마존아테나를사용해아마존S3데이터레이크쿼리하기
4.3AWS글루크롤러를통해지속적으로새데이터수집하기
4.4아마존레드시프트스펙트럼으로레이크하우스구축하기
4.5아마존아테나와아마존레드시프트중에서선택하기
4.6비용절감및성능향상
4.7마치며

CHAPTER5데이터셋탐색하기
5.1데이터탐색을위한AWS도구
5.2세이지메이커스튜디오를사용한데이터레이크시각화
5.3데이터웨어하우스쿼리하기
5.4아마존퀵사이트를사용한대시보드생성
5.5아마존세이지메이커및아파치스파크를사용한데이터품질문제감지
5.6데이터셋에서편향감지하기
5.7세이지메이커클래리파이로다양한유형의드리프트감지
5.8AWS글루데이터브루를사용한데이터분석
5.9비용절감및성능향상
5.10마치며

CHAPTER6모델훈련을위한데이터셋준비
6.1피처선택및엔지니어링실행
6.2세이지메이커프로세싱을통한피처엔지니어링확장
6.3세이지메이커피처스토어를통한피처공유
6.4세이지메이커데이터랭글러를사용한데이터수집및변환
6.5아마존세이지메이커를사용한아티팩트및익스페리먼트계보트래킹
6.6AWS글루데이터브루를사용한데이터수집및변환
6.7마치며

CHAPTER7나의첫모델훈련시키기
7.1세이지메이커인프라이해하기
7.2세이지메이커점프스타트를사용해사전훈련된BERT모델배포하기
7.3세이지메이커모델개발
7.4자연어처리역사
7.5BERT트랜스포머아키텍처
7.6처음부터BERT훈련시키기
7.7사전훈련된BERT모델미세조정하기
7.8훈련스크립트생성
7.9세이지메이커노트북에서훈련스크립트시작하기
7.10모델평가하기
7.11세이지메이커디버거를사용한모델훈련디버깅및프로파일링
7.12모델예측해석및설명
7.13모델편향감지및예측설명
7.14BERT를위한추가훈련선택
7.15비용절감및성능향상
7.16마치며

CHAPTER8대규모모델훈련과최적화전략
8.1최적의모델하이퍼파라미터자동으로찾기
8.2세이지메이커하이퍼파라미터튜닝에웜스타트추가사용
8.3세이지메이커분산훈련으로확장하기
8.4비용절감및성능향상
8.5마치며

CHAPTER9프로덕션에모델배포하기
9.1실시간예측또는일괄예측선택하기
9.2세이지메이커엔드포인트를사용한실시간예측
9.3아마존클라우드워치를사용한세이지메이커엔드포인트오토스케일링
9.4새모델또는업데이트된모델로배포하는전략
9.5새모델테스트및비교
9.6모델성능모니터링및드리프트감지
9.7배포된세이지메이커엔드포인트의데이터품질모니터링
9.8배포된세이지메이커엔드포인트의모델품질모니터링하기
9.9배포된세이지메이커엔드포인트의편향드리프트모니터링
9.10배포된세이지메이커엔드포인트의피처속성드리프트모니터링
9.11세이지메이커일괄변환을사용한일괄예측
9.12AWS람다함수및아마존API게이트웨이
9.13엣지에서의모델관리및최적화
9.14토치서브를사용한파이토치모델배포
9.15AWSDJL을사용한텐서플로우-BERT추론
9.16비용절감및성능향상
9.17마치며

CHAPTER10파이프라인과MLOps
10.1머신러닝운영
10.2소프트웨어파이프라인
10.3머신러닝파이프라인
10.4세이지메이커파이프라인을사용한파이프라인오케스트레이션
10.5세이지메이커파이프라인으로자동화하기
10.6더많은파이프라인종류
10.7휴먼인더루프워크플로우
10.8비용절감및성능향상
10.9마치며

CHAPTER11스트리밍데이터분석과머신러닝
11.1온라인학습과오프라인학습의비교
11.2스트리밍애플리케이션
11.3스트리밍데이터용윈도우쿼리
11.4AWS에서스트리밍분석및머신러닝구현하기
11.5아마존키네시스,AWS람다,아마존세이지메이커를사용한실시간상품리뷰분류
11.6아마존키네시스데이터파이어호스를사용한스트리밍데이터수집구현
11.7스트리밍분석으로실시간상품리뷰요약하기
11.8아마존키네시스데이터애널리틱스설정
11.9아마존키네시스데이터애널리틱스애플리케이션
11.10아파치카프카,AWS람다,아마존세이지메이커를사용한상품리뷰분류
11.11비용절감및성능향상
11.12마치며

CHAPTER12AWS보안
12.1AWS와사용자간의공동책임모델
12.2AWSIAM
12.3컴퓨팅및네트워크환경격리
12.4아마존S3데이터액세스보호
12.5저장시암호화
12.6전송중암호화
12.7세이지메이커노트북인스턴스보호
12.8세이지메이커스튜디오보안
12.9세이지메이커작업과모델보안
12.10AWS레이크포메이션보호
12.11AWS시크릿매니저를통한데이터베이스자격증명보안
12.12거버넌스
12.13감사가능성
12.14비용절감및성능향상
12.15마치며

아마존클라우드컴퓨팅분야베스트셀러

AWS와데이터과학의완벽한융합을통해,
비즈니스성과를극대화하는프로젝트를구축해보세요!

AWS의다양한서비스를활용하여안정적이고확장성있는데이터과학인프라를구축하는기업이많아지고있습니다.이중에는넷플릭스도포함되며,EC2,S3,EMR,레드시프트,람다등을적극적으로활용하여비즈니스성과를극대화했습니다.이러한성과는다른기업에게도큰영향을미치게되었고,그렇게AWS서비스는데이터과학프로젝트에서필수적인요소중하나로자리잡게되었습니다.

하지만AWS를활용하여데이터과학을수행하는방법에대한정보를한곳에모아둔자료는찾아보기어렵습니다.이책은이러한아쉬움을해결하기위해,AWS를활용하여데이터과학을수행하고비즈니스성과를높이기위한전체과정을안내합니다.또한,AWS비용최적화에대한팁과함께일반적으로겪을수있는문제와그해결책,그리고보안에대한정보를제공합니다.이책을읽고나면여러분은성공적인데이터과학프로젝트를위한전문적인기술과전략을숙지하여,현업에서높은수준의성과다루는AWS서비스일부소개
● 스토리지:AmazonEBS,AmazonEFS,AmazonS3등
● 데이터베이스:AmazonRDS,AmazonDynamoDB,AmazonAurora,AmazonQLDB등
● 컴퓨트:AmazonEC2,AWSLambda,AmazonECS,AmazonEKS등
● 인공지능:AmazonSageMaker,AmazonLex,AmazonTranslate,AWSDeepLens등
● 보안:AWSIAM,AWSKMS,AmazonMacie,AWSArtifact,AWSConfig등