장바구니 담기 close

장바구니에 상품을 담았습니다.

장바구니로 계속쇼핑하기
AWS로 시작하는 AI 서비스 with 파이썬
미리보기

AWS로 시작하는 AI 서비스 with 파이썬

  • 이노우에 켄이치|양성건
  • |
  • 영진닷컴
  • |
  • 2021-11-05 출간
  • |
  • 248페이지
  • |
  • 188X240X20mm
  • |
  • ISBN 9788931465822
판매가

22,000원

즉시할인가

19,800 원

배송비

무료배송

(제주/도서산간 배송 추가비용:3,000원)

추가상품
상품선택
독서대 7,900원 독서대 선택안함 0원
수량
+ -
총주문금액
19,800원
장바구니 구매하기

※ 스프링제본 상품은 반품/교환/환불이 불가능하므로 신중하게 선택하여 주시기 바랍니다.

북스크린영상으로 만나보는 한 권의 책 이야기

출판사서평


제1장 인공지능이란 무엇인가?

AWS의 기계학습 서비스를 사용하기 전에 미리 인공지능(AI)이란 무엇인지 인공지능과 기계학습은 어떤 관계가 있는지 알아봅니다. 일반적인 프로그래밍과 기계학습의 차이점에 대해 알아두는 것도 중요합니다. 기계학습과 딥러닝(Deep Learning)의 기본적인 내용에 대해서도 상세하게 소개합니다.

제2장 AWS의 기계학습 서비스

AWS에서는 기계학습과 관련된 다양한 서비스가 제공되고 있습니다. 기계학습을 실시할 때는 데이터를 취급하는 것이 중요합니다. 데이터가 있어야만 기계학습 모델을 만들 수 있습니다. AWS에서는 데이터를 수집하여 축적하고 분석하기 위한 서비스를 풍부하게 제공하고 있습니다. 본 장에서는 이러한 서비스들을 어떻게 조합하여 기계학습을 실제 시스템에 도입해갈지 배워보겠습니다.

제3장 AI 서비스

AWS 기계학습 서비스를 실제로 사용해 보도록 하겠습니다. 먼저 이미지 인식(Rekognition)이나 음성 인식(Transcribe)과 같은 기본적인 ‘AI’ 기능을 부담 없이 사용할 수 있는 서비스를 실제로 조작해 보도록 하겠습니다. 또한, 학습 데이터를 스스로 준비하여 예측 모델을 만드는 Forecast와 Personalize 같은 서비스도 AI 서비스로 분류되고 있기 때문에 이 부분도 함께 배워보도록 하겠습니다

제4장 Amazon SageMaker

AI 서비스를 사용할 수 있게 되었다면, 다음으로 독자적인 모델을 자유롭게 만들 수 있는 Amazon SageMaker에 도전해 봅시다. SageMaker에서는 모델을 만들 때 미리 준비되어 있는 내장된(Embedded) 알고리즘뿐만 아니라 독자적인 알고리즘을 이용할 수 있습니다. 또한 만들어진 모델을 AWS 환경에 배포함으로써 실제 시스템에서 호출하여 사용할 수도 있습니다. SageMaker를 잘 다룸으로써 보다 본격적으로 AI를 활용해 봅시다.

제5장 AWS Deep Learning AMI

독자적인 모델을 만들고 그것을 실제 시스템에서 활용하고자 한다면 SageMaker만으로 충분할 것입니다. 그러나 선진화된 알고리즘을 직접 사용하는 등 보다 유연한 기계학습 환경이 필요한 경우라면 AWS Deep Learning AMI(DLAMI)가 필요할 것입니다. 제5장은 DLAMI를 사용해 EC2 환경에서 딥러닝 모델을 만드는 방법을 설명하도록 하겠습니다.

목차


저자의 말
소스 코드 다운로드 방법

제1장 인공지능이란 무엇인가?

1.1 3차 인공지능 붐
1.1.1 3차 인공지능 붐이란?
1.1.2 인공지능이란 무엇인가?
1.1.3 1차 인공지능 붐
1.1.4 제2차 인공지능 붐
1.1.5 인공지능이란 약간 앞서나간 IT
1.2 기계학습
1.2.1 기계학습이란 무엇인가?
1.2.2 기계학습의 구조
1.2.3 기계학습과 프로그래밍
1.2.4 기계학습으로 무엇을 할 수 있을까?
1.2.5 기계학습은 틀릴 수 있다
1.3 기계학습의 대표적인 기법
1.3.1 선형회귀
1.3.2 기계학습과 딥러닝
1.3.3 심층 뉴럴 네트워크

제2장 AWS의 기계학습 서비스

2.1 기계학습을 어떻게 사용할까?
2.1.1 기계학습 사용하고 만들기
2.1.2 프로그래밍으로 모델 만들기
2.1.3 웹 서비스로 모델 만들기
2.1.4 작성된 모델을 사용하기
2.2 AWS에서 기계학습을 사용하려면?
2.2.1 Amazon AI
2.2.2 Amazon SageMaker
2.2.3 Amazon EC2와 AWS Deep Learning AMI
2.2.4 데이터 레이크와 데이터 분석 서비스
2.3 기계학습을 시스템으로 사용하려면?
2.3.1 기계학습을 사용한 시스템이란?
2.3.2 기계학습 워크플로우
2.4 AWS에서 기계학습 워크플로우 만들기
2.4.1 데이터 수집과 축적
2.4.2 데이터 분석과 전처리
2.4.3 어떤 기계학습 서비스를 사용할까?
2.4.4 시스템에 설치
2.5 AWS 계정을 만들다
2.5.1 계정을 만드는 순서

제3장 AI 서비스

3.1 AI 서비스란?
3.1.1 AI 서비스는 Cognitive 서비스
3.1.2 AI 서비스 개요
3.1.3 AI 서비스 과금에 대하여
3.2 SDK 사용 준비
3.2.1 AI 서비스와 AWS SDK
3.2.2 Jupyter Notebook 도입(Windows)
3.2.3 Jupyter Notebook 도입(macOS)
3.2.4 IAM으로 사용자 추가 및 권한 부여
3.2.5 인증 정보의 저장
3.2.6 기존 사용자에게 권한 부여
3.2.7 Jupyter Notebook에서 AWS SDK for Python을 사용하기
3.2.8 S3 버킷 작성 및 파일 업로드
3.3 Amazon Rekognition
3.3.1 Amazon Rekognition이란?
3.3.2 이미지를 이용한 사물의 인식
3.3.3 이미지를 이용한 얼굴 인식
3.4 Amazon Comprehend
3.4.1 Amazon Comprehend란?
3.4.2 자연어 식별하기
3.4.3 엔티티 추출하기
3.5 Amazon Textract
3.5.1 Amazon Textract란?
3.5.2 영어 서류 이미지에서 데이터 획득하기
3.6 Amazon Translate
3.6.1 Amazon Translate란?
3.6.2 커스텀 용어를 사용하지 않는 번역
3.6.3 커스텀 용어를 사용한 번역
3.7 Amazon Transcribe
3.7.1 Amazon Transcribe란?
3.7.2 한국어 음성 파일의 인식
3.8 Amazon Polly
3.8.1 Amazon Polly란?
3.8.2 한국어 텍스트를 음성으로 변환하기
3.9 Amazon Lex
3.9.1 Amazon Lex란?
3.9.2 챗봇을 구현하기 위한 기술
3.9.3 AWS Lambda와 연계 109
3.9.4 LexModelBuildingService와 LexRuntimeService
3.9.5 Lex에서의 대화 구성
3.9.6 BookTrip 샘플로 동작 확인하기
3.9.7 Response 추가
3.9.8 챗봇 공개
3.10 Amazon Forecast
3.10.1 Amazon Forecast란?
3.10.2 Amazon Forecast에서 사용하는 데이터 셋(SET)
3.10.3 Amazon Forecast로 데이터 Import(데이터 셋 그룹 작성)
3.10.4 예측자 작성
3.10.5 예측 생성과 결과 확인
3.10.6 예측자 매트릭스 참조
3.11 Amazon Personalize
3.11.1 Amazon Personalize란?
3.11.2 Amazon Personalize에서 사용하는 데이터 셋
3.11.3 Amazon Personalize로 데이터 Import(데이터 셋 그룹 작성)
3.11.4 솔루션 (솔루션 버전) 생성
3.11.5 캠페인 생성
3.11.6 Recommendation 획득

제4장 Amazon SageMaker

4.1 SageMaker란 무엇인가?
4.1.1 SageMaker로 할 수 있는 일
4.1.2 SageMaker 사용 시작
4.1.3 SageMaker 기능과 화면 구성
4.1.4 Ground Truth(라벨링)
4.1.5 노트북
4.1.6 트레이닝(학습)
4.1.7 추론
4.1.8 S3 버킷 준비와 IAM Role 생성
4.1.9 SageMaker의 과금 체계
4.2 SageMaker 노트북 사용하기
4.2.1 SageMaker 노트북
4.2.2 노트북 인스턴스 생성
4.2.3 노트북 사용
4.2.4 노트북 인스턴스 정지
4.3 SageMaker 내장 알고리즘으로 모델 생성
4.3.1 SageMaker 내장 알고리즘을 이용한 모델 생성
4.3.2 SageMaker의 내장 알고리즘이란?
4.3.3 훈련 데이터 준비
4.3.4 훈련 데이터 가공
4.3.5 Hyper parameter 설정과 S3에 데이터 업로드
4.3.6 훈련 JOB 생성
4.3.7 정확도 평가
4.3.8 모델 생성
4.3.9 End point 구성 만들기
4.3.10 End point 생성
4.3.11 End point 삭제
4.3.12 배치 변환 JOB
4.4 SageMaker의 다양한 내장 알고리즘
4.4.1 내장 알고리즘 카탈로그
4.4.2 선형 학습자
4.5 SageMaker Studio와 SageMaker Autopilot
4.5.1 SageMaker Studio
4.5.2 SageMaker Autopilot

제5장 AWS Deep Learning AMI

5.1 EC2 환경에서의 딥러닝
5.1.1 유연한 환경이 필요한 경우
5.1.2 EC2와 AMI
5.1.3 DLAMI와 기본 DLAMI
5.2 DLAMI 사용하기
5.2.1 AMI에 의한 EC2 Instance 구축
5.2.2 DLAMI의 Jupyter Notebook 열기
5.2.3 TensorFlow와 Keras를 통한 모델 구축
5.2.4 구축한 모델의 배포(Deploy)
5.2.5 EC2 Instance의 중지 또는 종료

찾아보기
번역을 하면서
추천포스트

교환 및 환불안내

도서교환 및 환불
  • ㆍ배송기간은 평일 기준 1~3일 정도 소요됩니다.(스프링 분철은 1일 정도 시간이 더 소요됩니다.)
  • ㆍ상품불량 및 오배송등의 이유로 반품하실 경우, 반품배송비는 무료입니다.
  • ㆍ고객님의 변심에 의한 반품,환불,교환시 택배비는 본인 부담입니다.
  • ㆍ상담원과의 상담없이 교환 및 반품으로 반송된 물품은 책임지지 않습니다.
  • ㆍ이미 발송된 상품의 취소 및 반품, 교환요청시 배송비가 발생할 수 있습니다.
  • ㆍ반품신청시 반송된 상품의 수령후 환불처리됩니다.(카드사 사정에 따라 카드취소는 시일이 3~5일이 소요될 수 있습니다.)
  • ㆍ주문하신 상품의 반품,교환은 상품수령일로 부터 7일이내에 신청하실 수 있습니다.
  • ㆍ상품이 훼손된 경우 반품 및 교환,환불이 불가능합니다.
  • ㆍ반품/교환시 고객님 귀책사유로 인해 수거가 지연될 경우에는 반품이 제한될 수 있습니다.
  • ㆍ스프링제본 상품은 교환 및 환불이 불가능 합니다.
  • ㆍ군부대(사서함) 및 해외배송은 불가능합니다.
  • ㆍ오후 3시 이후 상담원과 통화되지 않은 취소건에 대해서는 고객 반품비용이 발생할 수 있습니다.
반품안내
  • 마이페이지 > 나의상담 > 1 : 1 문의하기 게시판 또는 고객센터 1800-7327
교환/반품주소
  • 경기도 파주시 문발로 211 1층 / (주)북채널 / 전화 : 1800-7327
  • 택배안내 : CJ대한통운(1588-1255)
  • 고객님 변심으로 인한 교환 또는 반품시 왕복 배송비 5,000원을 부담하셔야 하며, 제품 불량 또는 오 배송시에는 전액을 당사에서부담 합니다.