교육일정
- 23.04.10 월 ~ 23.04.11 화 (14H) 강의 종료
- 23.06.29 목 ~ 23.06.30 금 (14H) 강의 종료
- 23.09.21 목 ~ 23.09.22 금 (14H) 강의 종료
교육 상세 정보 및 수강 문의
https://www.kpc.or.kr/PTWED003_dtil_view.do?ecno=41729
(교육문의: 김지은 위원 / T. 02-724-1218 / jekim@kpc.or.kr)
교육 목표
- 기업 데이터 분석 환경의 특수성 이해
- Colab 등 오픈소스 데이터 분석 도구 활용 실무
- SageMaker 등 클라우드 데이터 분석 도구 활용 실무
- 기업 클라우드 환경에서의 데이터 분석 베스트 프랙티스
교육 대상
- 기업 데이터 분석 업무 관여도가 높은 실무자
- 클라우드 기반의 데이터 분석 도구를 이용하려는 실무자
- 하이브리드 클라우드 기반의 데이터 분석 환경 구성 담당자
수강고객사
- 한국장학재단
- 주택보증공사
- 한국국방연구원
- 한국지역정보개발원
- 한국정보통신기술협회
교육 개요
- [P01] 현대 기업 데이터 분석 환경, 도구, 전략 개론
- [P02] Anaconda, Google Colab을 이용한 기업 데이터 분석
- [P03] AWS Sagemaker, Canvas를 이용한 기업 데이터 분석
- [P04] 기업 전용 분석 환경 구성, 모델 빌드, 학습, 배포 전략
공개교안 다운로드 | 클라우드 데이터 분석 (PDF, 44/270p)
https://drive.google.com/file/d/1-oumpayw19qUBnVXORHK-2NLp9J1l7RN/view?usp=sharing
기본교안 다운로드 | 클라우드 데이터 분석 (PDF, 270p, 열람암호 필요)
지금은 다운로드 기간이 아닙니다.
데이터 분석실습: AWS 접속 계정 (수강고객 대상)
https://nxp-cloudbase.signin.aws.amazon.com/console
머신러닝 알고리즘 기반의 데이터 분석
파이썬 코드 / 데이터 과학 라이브러리 / 주피터 노트북 활용
ML01: Customer Churn (AWS SageMaker Autopilot)
https://colab.research.google.com/drive/1y1OzgbgUPhSGB0Jnwkss3zY3zv4GQnnv?usp=sharing
ML02: DL Prediction (1차 함수의 해 추론)
지금은 접속가능 기간이 아닙니다.
ML03: ML Prediction (해군함정 가스터빈 예방적 유지보수)
지금은 접속가능 기간이 아닙니다.
ML03: Data (naval_gas_turbine_data.csv)
지금은 접속가능 기간이 아닙니다.
ML04: DL CNN BEST (MNIST, TensorFlow)
지금은 접속가능 기간이 아닙니다.
자동화 머신러닝 도구 기반의 데이터 분석
AutoML / 데이터 기반 머신러닝 모델 생성 및 분석 자동화 도구 활용
AutoML01: churn.csv (산업: 이동통신, 부문: 마케팅, 업무: 고객행동예측, 특징: 이진 클래스 분류)
https://static.us-east-1.prod.workshops.aws/public/968c6fb1-eb62-4247-bc1e-17a978e70e81/static/datasets/churn.csv
AutoML02: loans-part-1.csv, loans-part-2.csv (산업: 금융, 부문: 여신, 업무: 상환능력 예측, 특징: 데이터 병합 필요, 멀티 클래스 분류)
Part 1: https://static.us-east-1.prod.workshops.aws/public/968c6fb1-eb62-4247-bc1e-17a978e70e81/static/datasets/loans-part-1.csv
Part 2: https://static.us-east-1.prod.workshops.aws/public/968c6fb1-eb62-4247-bc1e-17a978e70e81/static/datasets/loans-part-2.csv
EDA: House Rental (용도: Data Wrangler 실습)
s3://sagemaker-sample-files/datasets/tabular/brazil_houses/kaggle_brazil_houses_rental_data.csv
AutoML03: consumer_electronics.csv (산업: 소비자가전, 부문: 영업, 업무: 수요 예측, 특징: 시계열 데이터)
https://static.us-east-1.prod.workshops.aws/public/968c6fb1-eb62-4247-bc1e-17a978e70e81/static/datasets/consumer_electronics.csv
AutoML04: Churn using Autopilot
AutoML05: Caltech101 (for Image labeling with Object Detection)
https://static.us-east-1.prod.workshops.aws/public/968c6fb1-eb62-4247-bc1e-17a978e70e81/static/datasets/sample-images.zip
AutoML06: Magnetic-tiles-Dataset (for Magnetic-Tiles-Defect-Model)
훈련용 데이터 https://static.us-east-1.prod.workshops.aws/public/968c6fb1-eb62-4247-bc1e-17a978e70e81/static/datasets/magnetic-tiles-train.zip
검증용 데이터 https://static.us-east-1.prod.workshops.aws/public/968c6fb1-eb62-4247-bc1e-17a978e70e81/static/datasets/magnetic-tiles-test.zip
[P01] 현대 기업 데이터 분석 환경, 도구, 전략 개론
- 서론: 기업 데이터 분석 환경의 특수성 – 하이브리드 클라우드
- 사례: 삼성전자의 Demand Forecasting (Cloud & No-code)
- 사례: Chevron 지식 기반 검색 서비스, AES 설비 유지보수 효율화
[P02] Anaconda, Google Colab을 이용한 데이터 분석
- 실습: 오픈소스 분석 도구로서 Anaconda, Colab 개요
- 실습: 데이터 로딩, 전처리, 탐색적 데이터 분석 (EDA)
- 사례: Benz의 출고차량 성능검사 최적화 (EDA)
[P03] AWS Sagemaker, Canvas를 이용한 데이터 분석
- 실습: 클라우드 서비스로서 AWS, GCP, Azure 분석 서비스 개요
- 실습: AWS SageMaker Studio를 이용한 분석 (Low-code)
- 실습: AWS SageMaker Canvas를 이용한 분석 (No-code)
[P04] 기업 전용 분석 환경 구성, 모델 빌드, 학습, 배포 전략
- 개론: 기업 전용 데이터 분석 환경 – MLOps 구성 및 적용
- 사례: 미국 금융규제위원회(FINRA) 금융거래 빅데이터 분석
- 결론: 데이터 분석 환경 구성, 모델 빌드, 학습 베스트 프랙티스
참고영상
Databricks | Lakehouse Platform
AI Studio | AZR 머신러닝 플랫폼
Generative AI Studio | GCP 머신러닝 플랫폼 Vertex AI의 생성형 모델 활용
기업용 ML 플랫폼 | SageMaker의 주요 기능 및 특징을 예시를 통해 소개
비즈니스 분석가용 노코드 ML | SageMaker Canvas의 주요 기능 소개
ML을 위한 데이터 전처리 도구 | SageMaker Data Wrangler의 주요 기능 소개
자동화된 ML 모델 생성 도구 | SageMaker Autopilot의 주요 기능 소개
ML 분석 성과 – 피처 저장소 | SageMaker Feature Store의 주요 기능 소개
Google | Colab 시작하기
Google | 머신러닝으로 해결할 수 있는 문제 유형 예시 (Video Transcribe 외)
참고자료
분석비용: SageMaker, Canvas 분석 실습 후 청구 비용: $603
- 9명 x 5시간
- $600 / 45시간 = 시간 당 13달러?
- 비용 통제 위해서 인원수, 실습시간 관리 필요
끝 | 감사합니다.
