추가 적립 안내

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.

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

김대근(AWS 코리아)
아마존 세이지메이커를 전문으로 다루는 책은 해외에서도 손에 꼽을 만큼 적어서 진입 장벽이 높다. 국내에서 양질의 세이지메이커 입문서가 출간된다는 소식을 듣고 매우 기뻤다. 이 책은 세이지메이커의 주요 콘셉트, 정형 데이터, 자연어 처리, 이상치 검출, 시계열 데이터, 모델 배포 모두를 포함하므로 AWS 클라우드상에서 머신러닝을 시도하려는 데이터 과학자나 개발자에게 강력히 추천한다.

정도현(AWS 코리아)
영화 〈인셉션〉에서는 ‘꿈 설계사’라는 기술자가 등장해 단 한 명이 꿈 안에서 거대한 도시를 설계하고 또 그것을 구현해낸다. 사람의 생각만으로 이루어지는 꿈이라는 공간이어서 설득력 있게 다가오지만 클라우드 컴퓨팅은 현실 세계에서 이것을 가능하게 해준다. 클라우드 컴퓨팅이 가져온 것은 가상화를 통한 IT 인프라 구성에 대한 자유뿐만이 아니다. 최신 기술의 대중화라는 측면에서도 누구나 클라우드 컴퓨팅 회사의 기술 지원을 통해 머신러닝 같은 최신 기술을 손쉽게 사용할 수 있게 되었다. 이 책에서 소개하는 세이지메이커는 클라우드 1위 업체인 아마존 웹서비스에서 머신러닝에 관련된 모든 작업을 쉽게 사용할 수 있도록 만든 머신러닝계의 스위스 아미 나이프라 부를 수 있는 서비스다. 이 책은 비즈니스적인 문제를 해결하기 위해서 이 세이지메이커로 머신러닝을 어떻게 구현해야 하는지를 실무자의 관점으로 친절하게 설명한다. 이 책을 통해 여러분도 세이지메이커로 〈인셉션〉의 꿈 설계사처럼 거대한 머신러닝 서비스를 자유자재로 구현하는 자유를 누리길 바란다.

존 바실(Fethr)
비즈니스에 머신러닝을 적용했을 때 생길 수 있는 문제를 해결하는 방법을 설명한다. 또한 독자의 이해력을 높이는 실전 예제를 가득 수록했다. 전문가와 비전문가 모두 읽을 수 있는 실전서로 머신러닝을 비즈니스에 적용하려는 모든 사람에게 이 책을 추천한다.

제임스 블랙(닛산 USA)
머신러닝이 회사의 프로세스 자동화에 미치는 영향을 알 수 있다.

디비아 시바수브라마니안(사이언스로직)
이 책은 개인사업자도 AI를 활용할 수 있다는 것을 보여준다.

[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