이 3개의 교육 과정에서는 기계 학습(ML)에 대한 모범 사례 및 권장 사항에 대해 학습합니다. 이 과정에서는 기계 학습을 비즈니스 프로세스에 통합하기 위한 로드맵을 만드는 방법을 살펴보고, 기계 학습이 비즈니스 문제에 대한 적절한 솔루션인지 확인하기 위한 요구 사항을 살펴보고, 조직의 성공적인 기계 학습 채택에 필요한 구성 요소를 설명합니다.
- 과정 수준: 기초
- 소요 시간: 90분
참고: 이 과정의 동영상에는 한국어 트랜스크립트 또는 자막이 지원되며 음성은 영어로 출력됩니다. 자막을 표시하려면 동영상 화면 하단의 CC 버튼을 클릭하세요.
활동
이 교육 과정에는 프레젠테이션, 비디오 및 지식 평가가 포함된 과정이 포함되어 있습니다.
교육 과정 목표
이 커리큘럼에서는 다음 내용을 배우게 됩니다.
- 다양한 비즈니스 사례에서 기계 학습 채택과 관련된 이점과 위험을 평가하는 데 도움이 되는 기계 학습의 기본 사항을 이해합니다.
- 성공적인 기계 학습 프로젝트를 위한 데이터, 시간 및 생산 요구 사항 파악
- 기계 학습을 사용하여 성공을 달성하고 유지하기 위해 조직을 조정하는 방법 설명
수강 대상
이 교육과정은 다음을 대상으로 합니다.
- 기계 학습 프로젝트에 참여하거나 참여할 비기술적 비즈니스 리더 및 기타 비즈니스 의사 결정권자
- AWS Machine Learning Embark 프로그램 및 MLSL(Machine Learning Solutions Lab) 검색 워크숍 참여자
수강 전 권장 사항
이 교육 과정을 수강하려면 다음 조건을 갖추는 것이 좋습니다.
- 컴퓨터 및 컴퓨터 시스템에 대한 기본 지식
- 기계 학습의 개념에 대한 몇 가지 기본 지식
교육 과정 개요
과정 1: 기계 학습 소개: 가능성의 예술
모듈 1. 기계 학습이 어떻게 도움이 될까요?- 기계 학습 정의
- 기계 학습 프로젝트를 추진하는 긍정적인 피드백 루프(플라이휠) 설명
- 기계 학습의 영향을 받는 다양한 비즈니스 도메인 설명
- 활용도가 낮은 시장에서 기계 학습의 잠재력 설명
- 인공 지능 설명
- 인공 지능과 기계 학습의 차이점 설명
- 단순 모델과 복잡한 모델 간의 차이점 설명
- 기계 학습 모델을 통하여 설명 불가능 및 불확실성 문제의 이해
과정 2: 기계 학습 프로젝트 계획
모듈 1. 기계 학습 솔루션이 내 문제에 적합한가요?- 기계 학습이 비즈니스 문제에 대한 적절한 해결책인지 확인하는 방법 설명
- 데이터가 기계 학습 준비 상태인지 확인하는 프로세스 설명
- 기계 학습이 프로젝트 타임라인에 미치는 영향 설명
- 기계 학습 배포에 영향을 주는 질문을 식별합니다.
과정 3: 기계 학습 준비 조직 구축
모듈 1. 기계 학습 사용을 위해 조직에서 어떤 준비가 필요합니까?- 기계 학습 사용을 위해 조직에서 어떤 준비가 필요합니까?
- AWS가 어떤 도움을 줄 수 있습니까?
- 조직의 성공을 보장하기 위해 어떤 다른 전략을 채택할 수 있습니까?
- 내 조직에 적합한 문화적 변화 접근 방식은 무엇입니까?
- 데이터 전략을 평가하려면 어떻게 해야 합니까?
- 데이터 전략을 개선하려면 어떻게 해야 합니까?
- 학습과 협업의 문화를 어떻게 만들 수 있습니까?
- 데이터 사이언티스트란 무엇입니까?
- 데이터 사이언티스트는 어떤 기술을 가지고 있어야 합니까?
- 파일럿 기계 학습 팀은 어떻게 구성됩니까?
- 다른 어떤 지원 역할이 필요합니까?
- 주요 책임은 무엇입니까?
- 기계 학습 여정을 시작하려면 어떻게 해야 합니까?
- 조직의 기계 학습 여정은 어떻게 구성됩니까?
- 조직의 진행과 관련해 본보기가 되는 비즈니스 사례는 무엇입니까?
