AWS 머신러닝 마스터하기

제1부 AWS에서의 ML
1장 AWS로 ML 시작하기 03
1.1 AWS가 데이터 과학자의 역량을 키워주는 이유 03
1.1.1 ML에 AWS 도구 사용하기 05
1.2 ML로 해결할 수 있는 문제인지 식별하기 06
1.3 ML 프로젝트 라이프 싸이클 07
1.3.1 데이터 수집 07
1.3.2 평가 메트릭 08
1.3.3 알고리즘 선정 08
1.4 모델 배치 09
요약 09
연습문제 09

제2부 AWS에서 대규모 ML 알고리즘 구현하기
2장 나이브 베이즈(Na?ve Bayes )에 의한 트위터 피드 분류 13
2.1 분류 알고리즘 15
2.2 나이브 베이즈(Na?ve Bayes) 분류기 17
2.3 언어 모델을 이용해서 텍스트 분류하기 20
2.4 Naive Bayes의 장단점 55
요약 56
연습문제 56
XIV 목차
3장 회귀 알고리즘에 의한 주택 가격 예측 57
3.1 주택 가격 예측 57
3.2 선형 회귀의 이해 58
3.3 회귀 모델 평가 62
3.4 Scikit-learn을 통한 선형 회귀 구현 64
3.5 Apache Spark를 통한 선형 회귀 구현 67
3.6 SageMaker 선형 학습기를 통한 선형 회귀 구현 70
3.7 로지스틱 회귀 이해 73
3.8 선형 모델의 장단점 74
요약 74
4장 트리 기반 사용자 행동 예측 75
4.1 결정 트리 이해 75
4.2 랜덤 포리스트 알고리즘 83
4.3 그래디언트 부스팅 알고리즘 84
4.4 로그 스트림의 클릭 예측 84
요약 110
연습문제 111
5.1 클러스터링 알고리즘 원리 113
5장 클러스터링 알고리즘을 이용한 고객 세분화 113
5.2 EMR에서 Apache Spark를 이용한 클러스터링 120
요약 136
연습문제 137
6장 방문자 패턴 분석을 통한 추천 139
6.1 Flickr 데이터를 이용한 테마파크 명소 추천 139
6.2 협업 필터링 140
6.3 Apache Spark의 ALS를 통한 추천 찾기 144
XV 목차
6.4 SageMaker FM(Factorization Machine)을 통한 명소 추천 151
요약 160
연습문제 161

제3부 딥러닝
7장 DL 알고리즘 구현 165
7.1 DL 이해 165
7.2 DL 응용 167
7.3 DL 알고리즘 169
7.4 CNN 174
요약 177
연습문제 178
8장 AWS에서 TensorFlow로 DL 구현하기 179
8.1 TensorFlow 소개 179
8.2 일반 ML 라이브러리로서의 TF 180
8.3 SageMaker를 통한 TF 모델 훈련 및 서비스 184
8.4 TF를 사용한 맞춤형 NN 제작 189
요약 194
연습문제 195
9장 SageMaker를 사용한 이미지 분류 및 검출 197
9.1 이미지 분류를 위한 Amazon SageMaker 소개 197
9.2 Amazon SageMaker를 사용한 DL 모델 훈련 199
9.3 Amazon SageMaker를 사용한 이미지 분류 206
요약 209
연습문제 209

제4부 AWS ML 서비스 통합
10장 AWS Comprehend 사용 213
10.1 Amazon Comprehend 소개 214
10.2 Amazon Comprehend 액세스 215
10.3 Comprehend를 사용한 NER 215
10.4 Comprehend를 사용한 어감 분석 219
10.5 Comprehend를 사용한 텍스트 분류 221
요약 230
연습문제 231
11장 AWS Rekognition 233
11.1 Amazon Rekognition 소개 233
11.2 객체 및 장면 검출 구현 234
11.3 얼굴 분석 구현 238
요약 244
연습문제 245
12장 AWS Lex를 이용한 대화형 인터페이스 247
12.1 Amazon Lex 소개 247
12.2 Amazon Lex로 맞춤형 챗봇 만들기 248
요약 254
연습문제 254

제5부 AWS를 통한 모델 최적화 및 배포
13장 AWS에서의 클러스터 생성 257
13.1 인스턴스 유형 선택 257
13.2 분산 DL 263
요약 267
14장 Spark 및 SageMaker에서의 모델 최적화 269
14.1 모델 최적화의 중요성 269
14.2 자동 하이퍼파라미터 튜닝 270
14.3 Apache Spark에서의 하이퍼파라미터 튜닝 271
14.4 SageMaker에서의 하이퍼파라미터 튜닝 273
요약 278
연습문제 278
15장 ML을 위한 클러스터 튜닝 279
15.1 EMR 아키텍처 소개 279
15.2 응용별 EMR 튜닝 283
15.3 Glue에 의한 데이터 파이프라인 관리 286
요약 292
6장 AWS에 구축한 모델 배포하기 293
16.1 SageMaker 모델 배포 293
16.2 Apache Spark 모델 배포 298

요약 305
연습문제 305
부록 AWS 시작하기 307