No-code Machine Learning and Generative AI on AWS (Korean)

Amazon Web Services and Amazon via AWS Skill Builder

Overview

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. 또한 Amazon 및 기타 모델 제공업체의 파운데이션 모델을 사용, 미세 조정 및 평가하여 텍스트 생성, 텍스트 요약, 검색 증강 생성(RAG)을 사용하는 채팅과 같은 생성형 AI 사용 사례를 지원하는 방법을 알아봅니다. 내레이션이 포함된 동영상, 단계별 지침 및 transcript로 구성된 가이드 자습서를 통해 자신의 Amazon Web Services(AWS) 계정에서 Canvas 서비스를 사용해 볼 수도 있습니다.

자신의 계정을 사용하는 대신 AWS Skill Builder를 구독하면 125개 이상의 AWS Builder Lab에 대한 무제한 액세스를 포함하여 모든 대화형 실습 콘텐츠를 활용할 수 있습니다. 이러한 가이드 핸즈온랩은 원치 않는 비용이 발생할 위험 없이 AWS 샌드박스 환경을 구축하여 일반적인 클라우드 시나리오에 대한 실용적인 기술을 개발하는 데 도움이 됩니다.

구독 페이지에서 자세히 알아보고 구독할 수 있습니다. 구독 후 과정에 등록하여 AWS Builder Lab 경험을 활용하십시오. 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: 5.5시간

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

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
- ML 수명 주기
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

데모 1: Amazon SageMaker Canvas Tutorial - Tabular Data Use Case

데모 2: Amazon SageMaker Canvas Tutorial - 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

데모 3: Build a Custom Model Using Amazon SageMaker Canvas

데모 4: No-Code ML Capstone Lab Tutorial

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