AWS 머신러닝 마스터 하기

Saket S.R. Mengle (지은이), Maximo Gurmendez (지은이), 유현중 (옮긴이)

DK Road Books(DK 로드 북스)·2020-10-06

320쪽
180×235mm
기술과학
KDC 004.73

로그인하면 내 서재에 추가할 수 있어요.

책 소개

이제는 개인이 혼자서 코딩도 하고 컴퓨터도 갖추는 등 모든 걸 갖추고 연구개발을 수행하는 시대는 지났다. 그렇게 해서 달성할 수 있는 작업의 수준은 오픈소스를 사용하는 것에비해 시간뿐만 아니라 성능 면에서도 경쟁력을 갖출 수 없으며, 요금을 지불해야 하는 클라우드 서비스를 활용하는 것 보다 결과적으로 유지 및 업그레이드 면에서 더 비용이 커지게 될 수도 있다. 거대 글로벌 기업들이 막강한 인적, 물적 자원을 동원해서 개발하고 공개하는 딥 뉴럴 네트워크의 성능을 개인 차원의 리소스로 도달하고 프로젝트를 수행한다는것은, 이제는 돈키호테의 이야기에나 등장할 법한 무모한 시대가 되어 가고 있다. 개인 수준에서 가정에서 몇 날 며칠을 돌리기에 부담 되는 몇 백 와트를 소모하는 몇 백만원짜리그래픽 카드를 갖춘다 해서 어차피 성능이 비교가 되지 않으며, 급속히 발전하는 하드웨어기술에 맞춰 업그레이드 하며 따라가는 것도 대부분의 개인 및 중소기업의 연구개발자들에게 불가능할 것이다. 그 대안을 클라우드 서비스에서 찾을 수 있을 것이다.아직은 사용량에 따른 비용이 만만치 않지만, 아마존, 구글, 마이크로소프트 등의 경쟁이진행되면서 요금이 점점 저렴해질 것으로 기대한다. 리소스 사용에 따라 요금이 적지 않을수 있으나, 일단 고비용 업그레이드 및 유지 부담에서 벗어날 수 있다. AWS 요금 모델이저렴한 편은 아닐 수 있으나, 다양한 요금 옵션(예: on-demand pricing, reserved instance pricing, spotinstance pricing)을 제공하고 있으므로 자신의 사용량 등 필요에 따라 적합한 요금 모델을 선택한다면 비용을 낮출 수 있을 것이다. 또한, AWS가 아직은 가장 선두주자로 볼 수 있다:IV 머리말(출처: https://cloud.google.com/gartner-caids)- AWS를 이용하면 다음과 같은 장점이 있다:- 딥 러닝을 위한 별도의 하드웨어 불필요- 필요에 따라 용량 확장 또는 축소 조절 가능- 약정 없이 사용한 만큼만 요금 지불- 엔터프라이즈급 보안- 어디에서든 안전하게 접속 가능그러던 차에 눈길을 끄는 제목의 도서를 출판사로부터 소개 및 번역을 제안 받게 되었고,독자들과 정보를 나누고자 번역을 시작하게 되었다.이 책은 이론 보다는 실습에 초점이 맞춰져 있으므로, 이론에 관심이 있을 독자를 위해서일부 보완을 하기는 했으나, 지면 공간, 시간 등 여건상 충분히 보충할 수는 없었다. 더 자V 머리말세한 이론 설명이 필요한 경우 패턴인식(유현중 역), 기계학습(오일석 저) 등의 도서를 참고하기를권한다. 또한 이 책은 다소 구현 위주로 작성되어 있으므로, 이해를 돕기 위해 유튜브 등을통해 AWS에 관한 사전 지식을 미리 공부하고 시작하기를 권한다(예: https://www.youtube.com/watch?v=R0vC31OXt-g). 또한 이 책을 읽으면서 아래 그림의 AWS의 머신 러닝과 인공지능 스택을 염두에 두고 읽으면 도움이 될 것이다(빠른 변화로 인해 AWS 화면 관련 책의 그림들이 현재와 다를 수 있다).저자들이 원어민들이 아닌지 번역하기에 편한 책이 아니었다. 원본 보다 조금이라도 낫게만들기 위해 노력했다. 아무쪼록 이 책이 독자들의 딥러닝 연구개발 및 활용에 도움이 되기를 바란다.2 0 20년 9월 역자 드림

목차펼치기

제1부 제1부 AWS에서의 ML1장 AWS로 ML 시작하기 031.1 AWS가 데이터 과학자의 역량을 키워주는 이유 031.1.1 ML에 AWS 도구 사용하기 051.2 ML로 해결할 수 있는 문제인지 식별하기 061.3 ML 프로젝트 라이프 싸이클 071.3.1 데이터 수집 071.3.2 평가 메트릭 081.3.3 알고리즘 선정 081.4 모델 배치 09요약 09연습문제 09제2부 AWS에서 대규모 ML 알고리즘 구현하기2장 나이브 베이즈(NaÏve Bayes )에 의한 트위터 피드 분류 132.1 분류 알고리즘 152.2 나이브 베이즈(Naïve Bayes) 분류기 172.3 언어 모델을 이용해서 텍스트 분류하기 202.4 Naive Bayes의 장단점 55요약 56연습문제 56XIV 목차3장 회귀 알고리즘에 의한 주택 가격 예측 573.1 주택 가격 예측 573.2 선형 회귀의 이해 583.3 회귀 모델 평가 623.4 Scikit-learn을 통한 선형 회귀 구현 643.5 Apache Spark를 통한 선형 회귀 구현 673.6 SageMaker 선형 학습기를 통한 선형 회귀 구현 703.7 로지스틱 회귀 이해 733.8 선형 모델의 장단점 74요약 744장 트리 기반 사용자 행동 예측 754.1 결정 트리 이해 754.2 랜덤 포리스트 알고리즘 834.3 그래디언트 부스팅 알고리즘 844.4 로그 스트림의 클릭 예측 84요약 110연습문제 1115.1 클러스터링 알고리즘 원리 1135장 클러스터링 알고리즘을 이용한 고객 세분화 1135.2 EMR에서 Apache Spark를 이용한 클러스터링 120요약 136연습문제 1376장 방문자 패턴 분석을 통한 추천 1396.1 Flickr 데이터를 이용한 테마파크 명소 추천 1396.2 협업 필터링 1406.3 Apache Spark의 ALS를 통한 추천 찾기 144XV 목차6.4 SageMaker FM(Factorization Machine)을 통한 명소 추천 151요약 160연습문제 161제3부 딥러닝7장 DL 알고리즘 구현 1657.1 DL 이해 1657.2 DL 응용 1677.3 DL 알고리즘 1697.4 CNN 174요약 177연습문제 1788장 AWS에서 TensorFlow로 DL 구현하기 1798.1 TensorFlow 소개 1798.2 일반 ML 라이브러리로서의 TF 1808.3 SageMaker를 통한 TF 모델 훈련 및 서비스 1848.4 TF를 사용한 맞춤형 NN 제작 189요약 194연습문제 1959장 SageMaker를 사용한 이미지 분류 및 검출 1979.1 이미지 분류를 위한 Amazon SageMaker 소개 1979.2 Amazon SageMaker를 사용한 DL 모델 훈련 1999.3 Amazon SageMaker를 사용한 이미지 분류 206요약 209연습문제 209XVI 목차제4부 AWS ML 서비스 통합10장 AWS Comprehend 사용 21310.1 Amazon Comprehend 소개 21410.2 Amazon Comprehend 액세스 21510.3 Comprehend를 사용한 NER 21510.4 Comprehend를 사용한 어감 분석 21910.5 Comprehend를 사용한 텍스트 분류 221요약 230연습문제 23111장 AWS Rekognition 23311.1 Amazon Rekognition 소개 23311.2 객체 및 장면 검출 구현 23411.3 얼굴 분석 구현 238요약 244연습문제 24512장 AWS Lex를 이용한 대화형 인터페이스 24712.1 Amazon Lex 소개 24712.2 Amazon Lex로 맞춤형 챗봇 만들기 248요약 254연습문제 254제5부 AWS를 통한 모델 최적화 및 배포XVII 목차13장 AWS에서의 클러스터 생성 25713.1 인스턴스 유형 선택 25713.2 분산 DL 263요약 26714장 Spark 및 SageMaker에서의 모델 최적화 26914.1 모델 최적화의 중요성 26914.2 자동 하이퍼파라미터 튜닝 27014.3 Apache Spark에서의 하이퍼파라미터 튜닝 27114.4 SageMaker에서의 하이퍼파라미터 튜닝 273요약 278연습문제 27815장 ML을 위한 클러스터 튜닝 27915.1 EMR 아키텍처 소개 27915.2 응용별 EMR 튜닝 28315.3 Glue에 의한 데이터 파이프라인 관리 286요약 2926장 AWS에 구축한 모델 배포하기 29316.1 SageMaker 모델 배포 29316.2 Apache Spark 모델 배포 298요약 305연습문제 305부록 AWS 시작하기 307

출처: 국립중앙도서관 서지정보

리뷰 남기기

로그인하면 리뷰를 남길 수 있어요.

리뷰 0개

아직 리뷰가 없어요.