• 컴퓨터/IT > 데이터베이스 > 데이터베이스 일반

반디앤루니스 리뷰

비즈니스에 머신러닝 적용을 더 빠르게! 더 유연하게!
머신러닝은 비즈니스 업무에 큰 이점을 제공한다. 이 책에서 제공하는 몇 가지 안내만으로 고액 컨설팅이나 복잡한 수식 없이 큰 성과를 거둘 수 있다. 엑셀에서 숫자 활용에 능숙하다면 최신 머신러닝 서비스를 이용해 마케팅 비용을 절감하고, VIP 고객을 식별 및 관리하며 백 오피스 프로세스도 최적화할 수 있다. 비즈니스 지향적인 머신러닝 기법을 설명하며, 고객 유지, 전력 사용량 예측, 백 오피스 프로세스 등 실무에서 매우 유용한 6가지 시나리오를 다룬다. 원서 출간 이후 아마존 세이지메이커 버전이 2.x로 업데이트되어 번역서에는 1.x 버전 예제를 오류 없이 실행하기 위한 해결 방법을 함께 담았다.

출판사 리뷰

기업의 비즈니스 경쟁력을 극대화하는 머신러닝 실전 가이드 모든 기업이 IT 기업으로 전환되었듯, 이제는 IT 기업에서 AI 기업으로 바뀔 것이라고 많은 전문가가 예측하고 있다. 기업에서 AI를 도입하는 것이 선택이 아닌 필수가 된 것이다. AI 전문 인력이 없으니 도입이 어렵다고 생각할 수도 있다. 하지만 이 책은 AI 전문 인력이 없는 일반 기업도 비즈니스에 AI를 쉽게 적용할 수 있도록 AWS 세이지메이커와 주피터 노트북을 사용해 비용 효율적인 비즈니스 아이디어를 실현하는 방법을 소개한다. 머신러닝에 적합한 작업 식별, 백 오피스 프로세스 자동화, 오픈 소스 및 클라우드 기반 툴 사용법, 관련 사례 연구 등의 주요 내용과 함께, 비즈니스 머신러닝을 수행하는 데 필요한 고객 유지, 전력 사용량 예측, 백 오피스 프로세스 등 실무에서 매우 유용한 6가지 시나리오를 다룬다. 이 책으로 현대 비즈니스 핵심 기술로 부상한 머신러닝을 적용해 자사 프로세스를 효율적이고 경쟁력 있게 만들 수 있을 것이다. 원서 출간 이후 아마존 세이지메이커 버전이 2.x로 업데이트되어 번역서에는 1.x 버전 예제를 오류 없이 실행하기 위한 해결 방법을 함께 담았다. ■ 비즈니스 생산성을 향상시키는 머신러닝을 이용한 6가지 시나리오 - 구매 요청부터 승인까지의 구매 요청 전달 과정 자동화 - 이탈 조짐을 보이는 고객을 찾는 XG부스트 애플리케이션 구축 - 불만 트윗을 식별하는 머신러닝 모델 구축 - 공급업체가 보낸 청구서에 대해 추가 질의 여부 결정 - DeepAR 알고리즘으로 월간 전력 사용량 예측 - DeepAR 알고리즘으로 월간 전력 사용량 예측 성능 향상 예제 코드 github.com/K9Ns/ml4biz

[Part 1 비즈니스를 위한 머신러닝]

CHAPTER 1 머신러닝이 비즈니스에 적용되는 방식
1.1 왜 우리 비즈니스 시스템은 엉망인가
1.2 지금 왜 자동화가 중요한가
1.3 기계는 어떻게 의사결정을 하는가
1.4 캐런의 의사결정을 머신러닝이 도와줄 수 있는가
1.5 기계는 어떻게 학습하는가
1.6 의사결정을 위한 머신러닝 사용의 회사 승인
1.7 도구
1.8 2~7장의 시나리오를 다루기 위한 세이지메이커 설정
1.9 지금이 바로 행동할 때
1.10 요약

[Part 2 비즈니스를 위한 머신러닝 6가지 시나리오]

CHAPTER 2 기술 담당자에게 구매 결재 검토 요청을 전달해야 하는가
2.1 의사결정
2.2 데이터
2.3 학습 시작
2.4 주피터 노트북을 이용한 의사결정
2.5 엔드포인트 삭제와 노트북 인스턴스 중지
2.6 요약

CHAPTER 3 이탈 조짐을 보이는 고객 찾기
3.1 이 장의 의사결정 사항
3.2 업무 처리 절차
3.3 데이터셋 준비
3.4 XG부스트 이해하기
3.5 머신러닝 모델 구축 준비
3.6 머신러닝 모델 구축
3.7 엔드포인트 삭제와 노트북 인스턴스 중지
3.8 엔드포인트 삭제 여부 확인
3.9 요약

CHAPTER 4 고객 문의 사항을 고객지원팀에 전달 여부 결정
4.1 이 장의 의사결정 사항
4.2 업무 처리 절차
4.3 데이터셋 준비
4.4 자연어 처리
4.5 BlazingText는 어떤 것이고 어떻게 작동하나
4.6 머신러닝 모델 구축 준비
4.7 머신러닝 모델 구축
4.8 엔드포인트 삭제와 노트북 인스턴스 중지
4.9 엔드포인트 삭제 여부 확인
4.10 요약

CHAPTER 5 공급업체가 보낸 청구서에 대해 추가 질의 여부 결정
5.1 이 장의 의사결정 사항
5.2 업무 처리 절차
5.3 데이터셋 준비
5.4 이상치 정의
5.5 지도학습과 비지도학습
5.6 랜덤 컷 포레스트의 개요 및 동작 방식
5.7 머신러닝 모델 구축 준비
5.8 머신러닝 모델 구축
5.9 엔드포인트 삭제와 노트북 인스턴스 중지
5.10 엔드포인트 삭제 여부 확인
5.11 요약

CHAPTER 6 월간 전력 사용량 예측
6.1 이 장의 의사결정 사항
6.2 시계열 데이터 작업을 위한 주피터 노트북 불러오기
6.3 데이터셋 준비: 시계열 데이터의 차트 그리기
6.4 신경망이란
6.5 머신러닝 모델 구축 준비
6.6 머신러닝 모델 구축
6.7 엔드포인트 삭제와 노트북 인스턴스 중지
6.8 엔드포인트 삭제 여부 확인
6.9 요약

CHAPTER 7 월간 전력 사용량 예측 성능 향상
7.1 DeepAR의 주기적 현상 파악 능력
7.2 DeepAR의 강점: 연관된 시계열 데이터 병합
7.3 전력 사용량 예측 모델에 추가 데이터 병합
7.4 머신러닝 모델 구축 준비
7.5 머신러닝 모델 구축
7.6 엔드포인트 삭제와 노트북 인스턴스 중지
7.7 엔드포인트 삭제 여부 확인
7.8 요약

[Part 3 프로덕션에 머신러닝 적용하기]

CHAPTER 8 웹 서비스로 예측 모델 제공하기
8.1 왜 웹상에서 의사결정 모델과 예측 모델을 제공하는 것은 어려울까
8.2 이 장의 단계 개요
8.3 세이지메이커 엔드포인트
8.4 세이지메이커 엔드포인트 설정
8.5 서버리스 API 엔드포인트 설정
8.6 웹 서비스 엔드포인트 생성
8.7 의사결정 서비스 제공
8.8 요약

CHAPTER 9 사례 연구
9.1 사례 연구 1: WorkPac
9.2 사례 연구 2: Faethm
9.3 결론
9.4 요약