책소개
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.
목차
[Part 1 비즈니스를 위한 머신러닝]CHAPTER 1 머신러닝이 비즈니스에 적용되는 방식1.1 왜 우리 비즈니스 시스템은 엉망인가1.2 지금 왜 자동화가 중요한가1.3 기계는 어떻게 의사결정을 하는가1.4 캐런의 의사결정을 머신러닝이 도와줄 수 있는가1.5 기계는 어떻게 학습하는가1.6 의사결정을 위한 머신러닝 사용의 회사 승인1.7 도구 1.8 2~7장의 시나리오를 다루기 위한 세이지메이커 설정1.9 지금이 바로 행동할 때1.10 요약[Part 2 비즈니스를 위한 머신러닝 6가지 시나리오]CHAPTER 2 기술 담당자에게 구매 결재 검토 요청을 전달해야 하는가2.1 의사결정2.2 데이터2.3 학습 시작2.4 주피터 노트북을 이용한 의사결정2.5 엔드포인트 삭제와 노트북 인스턴스 중지2.6 요약CHAPTER 3 이탈 조짐을 보이는 고객 찾기3.1 이 장의 의사결정 사항3.2 업무 처리 절차3.3 데이터셋 준비3.4 XG부스트 이해하기3.5 머신러닝 모델 구축 준비3.6 머신러닝 모델 구축3.7 엔드포인트 삭제와 노트북 인스턴스 중지3.8 엔드포인트 삭제 여부 확인3.9 요약CHAPTER 4 고객 문의 사항을 고객지원팀에 전달 여부 결정4.1 이 장의 의사결정 사항4.2 업무 처리 절차4.3 데이터셋 준비4.4 자연어 처리4.5 BlazingText는 어떤 것이고 어떻게 작동하나4.6 머신러닝 모델 구축 준비4.7 머신러닝 모델 구축4.8 엔드포인트 삭제와 노트북 인스턴스 중지4.9 엔드포인트 삭제 여부 확인4.10 요약CHAPTER 5 공급업체가 보낸 청구서에 대해 추가 질의 여부 결정5.1 이 장의 의사결정 사항5.2 업무 처리 절차5.3 데이터셋 준비5.4 이상치 정의5.5 지도학습과 비지도학습5.6 랜덤 컷 포레스트의 개요 및 동작 방식5.7 머신러닝 모델 구축 준비5.8 머신러닝 모델 구축5.9 엔드포인트 삭제와 노트북 인스턴스 중지5.10 엔드포인트 삭제 여부 확인5.11 요약CHAPTER 6 월간 전력 사용량 예측6.1 이 장의 의사결정 사항6.2 시계열 데이터 작업을 위한 주피터 노트북 불러오기6.3 데이터셋 준비: 시계열 데이터의 차트 그리기6.4 신경망이란6.5 머신러닝 모델 구축 준비6.6 머신러닝 모델 구축6.7 엔드포인트 삭제와 노트북 인스턴스 중지6.8 엔드포인트 삭제 여부 확인6.9 요약CHAPTER 7 월간 전력 사용량 예측 성능 향상7.1 DeepAR의 주기적 현상 파악 능력7.2 DeepAR의 강점: 연관된 시계열 데이터 병합7.3 전력 사용량 예측 모델에 추가 데이터 병합7.4 머신러닝 모델 구축 준비7.5 머신러닝 모델 구축7.6 엔드포인트 삭제와 노트북 인스턴스 중지7.7 엔드포인트 삭제 여부 확인7.8 요약[Part 3 프로덕션에 머신러닝 적용하기]CHAPTER 8 웹 서비스로 예측 모델 제공하기8.1 왜 웹상에서 의사결정 모델과 예측 모델을 제공하는 것은 어려울까8.2 이 장의 단계 개요8.3 세이지메이커 엔드포인트8.4 세이지메이커 엔드포인트 설정8.5 서버리스 API 엔드포인트 설정8.6 웹 서비스 엔드포인트 생성8.7 의사결정 서비스 제공8.8 요약CHAPTER 9 사례 연구9.1 사례 연구 1: WorkPac9.2 사례 연구 2: Faethm9.3 결론9.4 요약
