The Machine Learning Pipeline on AWS
과정소개
이 과정에서는 기계 학습(ML) 파이프라인을 사용하여 프로젝트 기반 학습 환경에서 실제 비즈니스 문제를 해결하는 방법에 대해 알아봅니다. 학생들은 강사 프레젠테이션과 시연에서 파이프라인의 각 단계에 대해 배운 다음 이 지식을 적용하여 부정 행위 탐지, 추천 엔진 또는 비행 지연이라는 세 가지 비즈니스 문제 중 하나를 해결하는 프로젝트를 완성합니다. 이 과정을 마치면 학생들은 자신이 선택한 비즈니스 문제를 해결하는 Amazon SageMaker를 사용하여 ML 모델을 성공적으로 구축, 교육, 평가, 튜닝 및 배치할 수 있습니다.
- 고급
- 강의식 교육, 실습
- 4일
| 교육시간 | 09:00 ~ 17:30 |
|---|---|
| 수강대상 | •개발자
•솔루션 설계자 •데이터 엔지니어 •ML에 대한 경험이 거의 없거나 전혀없고 Amazon SageMaker를 사용하여 ML 파이프 라인에 대해 배우고 싶은 사람 |
| 과정목표 | •주어진 비즈니스 문제에 적합한 ML 접근 방식을 선택하고 정당화합니다.
•ML 파이프 라인을 사용하여 특정 비즈니스 문제 해결 •Amazon SageMaker에서 ML 모델 교육, 평가, 배포 및 조정 •AWS에서 확장 가능하고 비용이 최적화되고 안전한 ML 파이프 라인을 설계하기위한 몇 가지 모범 사례 설명 •과정이 완료된 후 실제 비즈니스 문제에 기계 학습 적용 |
| 사전조건 | •Python 프로그래밍 언어에 대한 기본 지식
•AWS 클라우드 인프라 (Amazon S3 및 Amazon CloudWatch)에 대한 기본 이해 •Jupyter 노트북 환경에서의 작업에 대한 기본 이해 |
| 교육비용 | 160만원 (VAT없음 / 교재 + 서버 포함) |
학습일정
| 1일차 | •모듈 1 : 기계 학습 및 ML 파이프 라인 소개
•모듈 2 : Amazon SageMaker 소개 •모듈 3 : 문제 공식화 |
|---|---|
| 2일차 | •모듈 4 : 전처리
•모듈 5 : 모델 학습 •모듈 6 : 모델 교육 •모듈 7 : 기능 엔지니어링 및 모델 튜닝 |
| 3일차 | •모듈 6 : 모델 교육
•모듈 7 : 기능 엔지니어링 및 모델 튜닝 |
| 4일차 | •모듈 8 : 모듈 배포
•모듈 9 : 과정 요약 |
