AWS가 제공하는 머신 러닝 서비스를 이용하면, 사용자가 복잡한 머신 러닝 내부 알고리즘과 기술을 배우지 않고도 AWS의 S3나, RDS, 레드시프트에 저장된 데이터로 학습 모델을 만들고 애플리케이션을 개발할 수 있다.
직관적인 웹 기반 마법사 기능과 자동화를 위한 SDK, 데이터 변환을 위한 레시피, 학습된 모델의 성능 평가 결과가 자동으로 제공되고, AWS의 다른 서비스와 연동해 배치 또는 실시간으로 예측할 수 있으며, 사용한만큼만 비용이 지불되는 완전 관리형 서비스다.

█ 아마존 머신 러닝을 이용해 처음부터 예측 분석까지 수행하는 방법
█ 중요 데이터 과학 개념에 대한 실습 경험
█ 고전 회귀 및 분류 문제 해결
█ 명령행 인터페이스와 Python SDK를 이용해 프로젝트 실행
█ 아마존 생태계를 활용해 확장된 데이터 소스
█ 실시간 또는 고급 프로젝트 구현

실제 인공 지능 애플리케이션을 구축하려고 하는 파이썬 개발자를 위한 책이다.
파이썬 초보자도 쉽게 사용할 수 있지만, 파이썬에 익숙하다면 코드를 활용해 다양한 작업을 할 수 있다. 인공 지능 기술을 갖고 싶은 경험이 있는 파이썬 개발자에게도 유용하다

1장, ‘머신 러닝과 예측 분석 소개’에서는 아마존 머신 러닝 서비스에 대한 일반적인 소개와 이것으로 처리할 수 있는 예측 분석 문제를 담고 있다. 서비스가 단순한 선형 모델을 회귀와 분류 문제에 사용하는 방법을 보이고, 아마존 머신 러닝으로 성공적인 예측을 할 수 있는 환경을 제시한다.
2장, ‘머신 러닝의 정의와 개념’에서는 아마존 머신 러닝 서비스를 사용하고 동작을 완전히 이해하기 위해 머신 러닝 개념을 설명한다. 또한 실제 데이터를 다룰 때 사용하는 데이터 처리 기술이 무엇인지, 예측 모델의 성능을 어떻게 평가하는지, 낮은 예측 성능을 개선할 수 있는 전략은 무엇인지에 관해서도 설명한다.
3장, ‘아마존 머신 러닝 워크플로우 개요’에서는 간단한 아마존 머신 러닝 프로젝트 개요를 다룬다. 아마존 머신 러닝 플랫폼을 시작하는 방법과 계정을 만드는 방법, 계정을 보호하는 방법을 배운다. 유명한 데이터셋으로 간단한 수치형 예측 문제를 살펴볼 것이다. 데이터를 준비하고, 모델을 훈련하고 선택하고, 예측하는 방법을 설명한다.
4장, ‘데이터셋 준비하기’에서는 아마존 머신 러닝의 레시피를 이용해 데이터를 변환하는 기능을 제공한다. 데이터를 S3에 업로드하고, 교차 유효성 검증을 구현하고, 스키마를 만들고, 데이터의 동계를 검토한다. 새롭게 출시된 AWS SQL 서비스인 아테나(Athena)를 이용해 아마존 머신 러닝의 특징 공학과 데이터 정리 기능을 확장한다.
5장,’ 모델 생성’에서는 아마존 머신 러닝의 데이터 변환과 레시피로 사용하는 방법을 살펴본다. 모델을 훈련하고 튜닝한 후, 여러 가지 예측 척도를 분석해 최선의 것을 선택한다. 확률적 경사 하강 알고리즘과 여러 정규화 타입의 사용을 설명한다. 마지막으로 아마존 머신 러닝 이 모델을 훈련하는 동안 어떤 일이 발생하는지 더 잘 이해하기 위해 훈련 로그를 분석한다.
6장, ‘예측과 성능’에서는 새로 훈련한 모델로 이전에 보여준 적이 없는 데이터에 대한 예측을 실시하고, 성능과 강건성을 평가한다. 배치 예측 방법과 실시간 예측을 위한 접점을 설정하는 방법을 알려준다.
7장, ‘명령행과 SDK’ AWS 웹 인터페이스를 사용해 프로젝트를 관리하고 실행하는 것은 시간이 많이 걸리기 때문에 웹 인터페이스에서 벗어나 AWS 명령행(CLI)과 Boto3 라이브러리를 이용한 Python SDK로 실행한다. 교차 유효성 검증과 반복적 특징 선택을 구현한다.
8장, ‘레드시프트에서 데이터 소스 만들기’에서는 SQL 질의를 이용해 비선형 데이터셋을 처리한다. 레드시프트를 이용하면 데이터 소스를 만들기 전에 SQL기반의 특징 공학을 할 수 있다. S3에서 데이터를 레드시프트에 적재하고, 데이터베이스에 접속하고, 질의를 실행하고 결과를 내보내는 방법을 살펴본다.
9장, ‘실시간 데이터 분석 파이프라인 구축하기’에서는 아마존 머신 러닝을 다른 AWS 서비스와 결합해 확장한다. AWS 키네시스와 람다, 레드시프트, 머신 러닝을 결합해 실시간 트윗 분석 데이터 파이프라인을 구축한다.

빅데이터와 인공지능은 일상생활에 스며들어 있으며, 수십억 달러 규모의 클라우드 기반 서비스로서의 머신 러닝 MLaaS 산업을 촉진하고 있다. 시장에 있는 여러 MLaaS 플랫폼 중 아마존 머신 러닝은 단순함을 자랑한다. 아마존 머신 러닝은 ‘고수준의 기술 자원 없이도 성능과 비용의 균형을 유지할 수 있는 서비스를 제공해 예측 분석에 대한 진입 장벽을 낮춘다’는 명확한 목표를 갖고 2015년 4월에 출시됐다. 아마존 머신 러닝은 AWS 생태계와 결합해 예측 분석을 비즈니스 데이터 파이프라인의 자연스러운 요소로 만든다.
이 책은 두 가지 목표를 가지고 아마존 머신 러닝의 단순화 접근법을 따른다. 하나는 서비스의 잠재력을 충분히 활용하기 위해 필요한 데이터 과학에 대한 핵심 지식이고, 또 다른 하나는 예측 분석을 중심으로 완전한 기능을 갖춘 데이터 파이프 라인을 구축해, 효과적으로 예측 분석을 데이터 주도 애플리케이션의 핵심 추진력으로 만드는 것이다.

알렉시스 페리에(Alexis Perrier)

보스턴에 있는 도슨트 헬스(Docent Health)라는 스타트업의 데이터 과학자다. 헬스케어 분야에서 환자의 경험을 개선하기 위해 머신 러닝과 자연어 처리 관련 업무를 하고 있다. 확률적 알고리즘의 힘에 매료돼 데이터 과학 커뮤니티에서 강사, 블로거, 발표자로 활발히 활동하고 있으며, 텔레콘 파리 테크(Telecom Paris Tech에)서 신호 처리 분야 박사 학위를 받고 보스턴에 거주하고 있다.
트위터(@alexip)나 이메일(alexis.perrier@gmail.com)로 연락할 수 있다.

머신 러닝은 기존 데이터의 패턴을 학습한 모델을 새로운 데이터에 적용해 예측(사용자가 이 상품을 살 것인지 등)하거나 특징에 따라 분류(고객이 대출을 잘 상환할 것인지 등)하는 기술이다. 이를 잘 이용하면 사업의 효율성을 높이거나 리스크를 줄일 수 있고, 더 나아가 새로운 서비스를 개발할 수 있기 때문에 머신 러닝은 다양한 영역에서 활용되고 있다
또 하나의 큰 흐름은 여러 사업 분야에서 클라우드를 활용해 인프라를 구축하고 있다는 것이다. 머신 러닝 기반 애플리케이션은 결국 데이터와 알고리즘의 조합이다. 데이터가 클라우드에 존재한다면 이를 활용하는 애플리케이션도 클라우드 기반이 될 가능성이 크다.
퍼블릭 클라우드에서 1위인 AWS가 제공하는 머신 러닝 서비스는 AWS의 다양한 서비스와 연동해 사용자가 손쉽게 머신 러닝을 이용한 애플리케이션을 개발할 수 있도록 돕는다.
이 책은 회귀 분석 기법에 관한 간단한 소개에서 시작한다. 데이터 수집, 머신 러닝에 맞게 가공, 학습 단계, 학습 모델에 대한 평가, 실제 데이터를 만들어진 모델에 적용하기까지 머신 러닝을 중심으로 하는 애플리케이션을 개발하는 전체 사이클을 설명한다. 또한 파이썬 언어로 AWS SDK를 이용해 전체 사이클을 자동화할 수 있으며, S3나 RDS, 레드시프트에 저장된 데이터를 배치 처리하는 것과 키네시스와 람다를 이용한 실시간 처리에 관한 내용을 모두 포함한다.

정준영(poterius@naver.com)

처음 입사한 한글과컴퓨터에서 심마니 서비스로 검색을 시작했다. SK컴즈(네이트닷컴), KTH(파란닷컴), 삼성전자(갤럭시앱스 등)를 거쳐 현재 쿠팡에서 검색을 담당하고 있다. 새로운 영역에 도전해보고자 시작한 첫 번역이다