Developing Machine Learning Solutions (Korean)

이 기계 학습 과정에서는 기계 학습 수명 주기와 모든 단계에서 AWS 서비스를 사용하는 방법을 알아봅니다. 또한 기계 학습 모델에 대한 다양한 소스를 검색하고 해당 모델의 성능을 평가하는 기법도 알아봅니다. 기계 학습 프로젝트의 개발 및 배포를 간소화하는 데 있어 기계 학습 운영(MLOps)의 중요성도 이해합니다.

• 과정 수준: 기초
• 소요 시간: 1시간

참고: 이 과정은 Google Chrome(최신 주요 버전 2개), Microsoft Edge(최신 주요 버전 2개), Safari(최신 주요 버전 2개)에 최적화되어 있습니다.

활동

이 과정에는 대화형 요소, 텍스트 지침, 예제 그래픽 및 지식 확인이 포함되어 있습니다.

과정 목표

이 과정에서 학습할 내용은 다음과 같습니다.

• 기계 학습 수명 주기의 구성 요소를 설명합니다.
• ML 수명 주기의 각 단계에 대한 관련 AWS 서비스 및 특성을 식별합니다.
• 인공 지능(AI) 모델을 훈련하는 데 사용되는 데이터 유형을 설명합니다.
• 기계 학습 모델의 소스를 이해합니다. 
• 모델 성능 지표를 이해합니다.
• 프로덕션 환경에서 모델을 사용하는 방법을 설명합니다.
• MLOps의 기본 개념을 이해합니다.

수강 대상

이 과정의 수강 대상은 다음과 같습니다.

• 특정 직무와 무관하게 기계 학습 및 인공 지능에 관심이 있는 개인

사전 요구 사항

Developing Machine Learning Solutions는 인공 지능, 기계 학습 및 생성형 AI에 대한 기초를 다지는 시리즈의 일부입니다. 아직 완료하지 않았으면 다음 두 과정을 완료하는 것이 좋습니다.

• 기계 학습 및 인공 지능의 기초
• 인공 지능 사용 사례 및 애플리케이션 살펴보기

과정 개요

섹션 1:

• 본 과정 사용 방법

섹션 2: 소개

• 소개

섹션 3: ML 솔루션 개발

• 기계 학습 개발 수명 주기
• Amazon SageMaker를 사용하여 ML 솔루션 개발
• ML 모델 소스
• 기계 학습 모델 성능 평가
• 모델 배포
• MLOps의 기본 개념
• 지식 확인

섹션 4: 결론

• 리소스
• 결론
• AWS에 문의