AWS ML 엔지니어 어소시에이트 교육 과정의 이 입문자용 과정에서는 기계 학습(ML) 관련 기본 사항을 복습하고 ML 및 AI의 발전 상황을 살펴봅니다. 그 후에는 ML 수명 주기에서 처음으로 진행하는 단계를 살펴보면서 비즈니스 목표를 파악하고, 해당 비즈니스 목표를 토대로 하여 ML 관련 문제를 공식화합니다. 그리고 마지막으로는 ML 모델을 구축, 훈련 및 배포하는 데 사용할 수 있는 완전관리형 AWS 서비스인 Amazon SageMaker에 대해 알아봅니다.
- 과정 수준: 고급
- 소요 시간: 45분
참고: 이 과정의 동영상에는 한국어 트랜스크립트 또는 자막이 지원되며 음성은 영어로 출력됩니다. 자막을 표시하려면 동영상 화면 우측 하단의 CC 버튼을 클릭하세요.
참고: 이 과정은 Google Chrome(최신 주요 버전 2개), Microsoft Edge(최신 주요 버전 2개), Safari(최신 주요 버전 2개)에 최적화되어 있습니다.
활동
- 온라인 자료
- 실습
- 지식 확인 질문
과정 목표
- ML 알고리즘 및 모델을 비롯한 주요 기계 학습 구성 요소 정의
- 일반적인 비즈니스 문제를 해결하는 데 활용할 수 있는 주요 ML 기능 및 알고리즘 파악
- 인공 신경망(ANN)을 통해 딥 러닝을 진행하는 방법 설명
- 파운데이션 모델(FM)과 대규모 언어 모델(LLM)이 생성형 AI를 구동하는 방식 설명
- 책임 있는 방식으로 ML 및 AI를 사용하는 방법 파악
- 사용 가능한 데이터와 문제의 복잡성을 토대로 하여 ML 솔루션 실행 가능성 결정
- Amazon SageMaker 및 Amazon SageMaker Studio 관련 주요 개념 및 이점 파악
수강 대상
- 클라우드 아키텍트
- 기계 학습 엔지니어
권장 기술
- SageMaker 및 기타 AWS 서비스를 ML 엔지니어링에 사용한 1년 이상의 경험
- 백엔드 개발자, DevOps 개발자, 데이터 엔지니어 또는 데이터 과학자 등 관련 역할에서 1년 이상의 경험
- Python 등 프로그래밍 언어에 대한 기본적인 이해
- AWS ML Engineer Associate 학습 플랜의 이전 과정 이수
과정 개요
- 섹션 1: 소개
- 강의 1: 본 과정 사용 방법
- 강의 2: 교육 과정 소개
- 강의 3: 과정 개요
- 섹션 2: AWS에서의 기계 학습
- 강의 4: ML 알고리즘 및 모델
- 강의 5: 차세대 ML
- 강의 6: 책임감 있게 AI/ML 사용
- 강의 7: 비즈니스 문제 공식화
- 강의 8: SageMaker Studio를 사용하여 ML 솔루션 개발
- 섹션 3: 결론
- 강의 9: 과정 요약
- 강의 10: AWS에 문의하기
