Amazon SageMaker Canvas를 사용하면 데이터 및 비즈니스 분석가는 ML 경험이 전혀 없거나 단 한 줄의 코드를 작성하지 않고도 데이터를 준비하고, 기계 학습(ML) 모델을 훈련하고 배포할 수 있습니다. ML에 대한 심도 깊은 지식 없이도 테이블 형식 및 시계열 데이터에 대한 ML 모델을 구축하는 방법을 알아봅니다. 4개의 실습 지원을 통해 교육 과정에서 학습한 내용을 연습할 수도 있습니다.
또한 Amazon 및 기타 모델 제공업체의 파운데이션 모델을 사용하여 텍스트 생성, 텍스트 요약, 검색 증강 생성(RAG)을 사용하는 채팅과 같은 생성형 AI 사용 사례를 지원하는 방법을 알아봅니다
이 교육 과정을 완료하면 정확도가 매우 높은 모델을 구축 및 훈련하고 배치 추론을 사용하여 예측을 생성할 수 있습니다. 모델을 데이터 과학자와 공유하여 추가로 분석하고 회사의 ML 운영 파이프라인에 배포할 수 있습니다.
- 과정 수준: 중급
- 소요 시간: 10.5시간
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 교육 과정에는 온라인 교육 상호 작용, 지식 확인 및 따라하기 시연이 포함되어 있습니다.
과정 목표
이 과정에서 학습할 내용은 다음과 같습니다.
- 기본적인 기계 학습(ML) 개념과 기법을 설명합니다.
- ML 수명 주기와 단계를 식별합니다.
- ML에서 해결할 수 있는 문제의 유형을 설명합니다.
- ML 모델을 구축하는 단계를 식별합니다.
- 모델의 예측 정확도를 측정하기 위한 지표를 설명합니다.
- Amazon SageMaker Canvas를 사용하여 원시 데이터를 훈련 데이터세트로 변환하는 방법을 설명합니다.
- 데이터 인사이트를 생성하고 데이터 품질을 이해하는 방법을 설명합니다.
- 시각화 도구를 사용하여 데이터에서 잠재적 오류와 극단값을 찾는 방법을 식별합니다.
- AutoML을 사용하는 SageMaker Canvas의 모델 구축 기능을 설명합니다.
- SageMaker Canvas를 사용하여 모델 훈련 작업을 시작하고 진행 상황을 추적합니다.
- 성능 보고서에서 사용할 수 있는 모델 품질 지표를 설명합니다.
- 모델을 배포하고 예측을 수행합니다.
- SageMaker Canvas 파운데이션 모델(FM) 사용자 인터페이스(UI)를 사용하여 텍스트 생성, 텍스트 요약 및 모델 비교를 수행합니다.
- RAG 및 미세 조정을 사용하여 파운데이션 모델 출력 문제를 식별하고 해결합니다.
- Amazon SageMaker Canvas를 사용하는 경우 따라야 할 모범 사례를 설명합니다.
수강 대상
이 과정의 수강 대상은 다음과 같습니다.
- 데이터 분석가
- ML 외 분야 연구원
- 운영 연구 분석가
- 하급 데이터 과학자
수강 전 권장 사항
이 과정을 수강하기 전에 다음 조건을 갖출 것을 권장합니다.
- 테이블 형식 또는 시계열 데이터를 분석, 정리 및 변환해 본 경험
- 통계적 측정 및 회귀에 대한 기본적인 이해
- AWS Technical Essentials 과정
생성형 AI를 처음 접하는 사용자에게 권장되는 과정은 다음과 같습니다.
- Introduction to Generative AI - Art of the Possible
- Planning a Generative AI Project
과정 개요
모듈 1: 기계 학습 소개
본 과정 사용 방법
ML 소개
- ML 기본 사항
- ML에서 해결할 수 있는 문제 유형
- ML 수명 주기
- 데이터 처리 및 데이터에서 인사이트 도출과 관련된 과제
모델 구축 및 평가
- 모델 구축 소개
- 모델 평가
- 모델 성능 개선
- 모델 훈련 옵션
마무리
- 지식 확인
- 결론
모듈 2: 데이터 분석 및 준비
본 과정 사용 방법
Amazon SageMaker Canvas 소개
- Amazon SageMaker Canvas
- 데이터 분석
- 간단한 모델 분석
데이터 준비
- 데이터 변환
- 데이터 및 데이터 흐름 내보내기
마무리
- 지식 확인
- 결론
Lab 1: Amazon SageMaker Canvas - Tabular Data Use Case
Lab 2: Amazon SageMaker Canvas - Time-Series Dataset Use Case
모듈 3: SageMaker Canvas를 사용하여 모델 구축
본 과정 사용 방법
SageMaker Canvas에 대한 심층 분석
- SageMaker Canvas에서 모델을 구축하는 방법 소개
- SageMaker Canvas에서 모델을 구축하기 위한 고급 옵션
- SageMaker Canvas에서 모델 평가
- SageMaker Canvas에서 모델 예측 및 배포
마무리
- 지식 확인
- 결론
Lab 3: Build a Custom Model Using Amazon SageMaker Canvas
Lab 4: No-Code ML Capstone Lab
모듈 4: SageMaker Canvas를 사용하는 생성형 AI
본 과정 사용 방법
SageMaker Canvas의 파운데이션 모델
- Amazon SageMaker Canvas를 사용하는 생성형 AI
- SageMaker Canvas 파운데이션 모델
- 파운데이션 모델 비교
SageMaker Canvas의 파운데이션 모델 문제 완화
- 모델 할루시네이션
- 검색 증강 생성(RAG)
- 파운데이션 모델 미세 조정
마무리
- 지식 확인
- 결론
모듈 5: SageMaker Canvas 모범 사례
본 과정 사용 방법
모범 사례
- SageMaker Canvas에 액세스
- SageMaker Canvas 버전 업데이트
- SageMaker Canvas에서 비용 절감
마무리
- 결론
키워드
- GenAI
- 생성형 AI
