AWS 클라우드 머신러닝

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