쉽게 배우는 AWS AI 서비스
쓸모 있는 AI 애플리케이션,
복잡한 개념 없이 AWS로 간단하게 만든다
AI를 비즈니스에 도입하기 위해 반드시 개념을 알아야 할까? 기본적인 클라우드 지식만 활용하면 AI를 직접 구현하지 않고 도입이 가능하다. 그 비법은 바로 아마존이 제공하는 서비스형 AI! 이 책은 AWS 에서 제공하는 서비스형 AI를 조합해 실생활에 유용한 앱을 만들며 AI의 능력을 마음껏 활용해볼 수 있도록 도와준다. 사진을 자동으로 분류하는 이미지 인식 서비스부터 챗봇이나 음성비서 기능이 있는 일정 관리 앱, 거대한 데이터를 수집해 필요한 정보만 뽑아내는 크롤러까지 다양한 애플리케이션을 구축하며 AWS의 AI 서비스를 정복해보자.
저자
피터 엘거
fourTheorem의 공동 설립자이자 CEO이다. 피터는 영국의 JET 조인트 언더테이킹에서 경력을 시작하여 7년 간 핵융합 연구용 획득, 제어, 데이터 분석 시스템 구축 분야에서 재직했다. 그는 연구용 소프트웨어뿐 아니라 상업용 소프트웨어에 이르기까지 재해 복구, 통신, 소셜 미디어 등 광범위한 영역에서 기술 리더십 역할을 수행했다. fourTheorem을 설립하기 전 피터는 소셜 광고 플랫폼 스티처 애드와 Node.js 컨설팅 회사 니어폼의 공동 설립자이자 CTO를 역임했다. 피터는 현재 최첨단 머신러닝 기술을 서버리스와 클라우드 아키텍처의 적용을 통해 고객에게 실질적인 비즈니스 가치를 제공하는 데 몰두하고 있다. 대규모 분산 소프트웨어 시스템을 설계하는 것부터 이를 구현하는 국제 팀을 이끄는 것 까지 다양한 경험을 가지고 있으며, 물리학과 컴퓨터 과학 학위를 보유하고 있다.
오언 셔너히저자
오언 셔너히
fourTheorem의 공동 설립자이자 CTO이다. 1980년대 중반에 운이 좋게도 싱클레어사의 제드엑스 스펙트럼을 통해 프로그래밍을 시작할 수 있었다. 이는 그가 분해를 시도하지 않은 최초의 전자 제품이었으며, 그는 대신 소프트웨어 시스템을 분해하고 분석하고자 했다. 현재 기술 컨설팅 회사이자 AWS 파트너 fourTheorem의 CTO이자 공동 설립자로, 스타트업과 대기업을 위한 시스템 구축 및 확장 경험을 가진 아키텍트이자 개발자이다. 오언은 자바 기반 분산 시스템 시절부터 시작하여 다양한 기술들을 접해왔다. 일례로, 2000년의 레거시 시스템을 최신 풀스택 폴리글랏 컨테이너를 지원하는 서버리스 애플리케이션으로 전환했다. 오언은 더블린 트리니티 칼리지에서 컴퓨터 공학을 전공했다.
임지순역자
임지순
낮에는 계약서와 코드를 두드리고 밤에는 신시사이저와 기타를 난도질하는 공학과 미디어의 주변인. 임베디드 프로그래머, 미들웨어 개발자, 프로젝트 매니저, 사업 개발 등 다양한 직군에 종사해왔으며 최근에는 엔터테인먼트 산업에서 다양한 웹 프로젝트를 진행 중이다. 사회적인 덕후로 생존하기 위해 오늘도 코드, 그리고 글과 씨름하고 있다. 참여 도서로는 『머신러닝 디자인 패턴』(한빛미디어, 2021), 『초소형 머신러닝 TinyML』(한빛미디어, 2020), 『라즈베리 파이로 배우는 컴퓨터 아키텍처』(위키북스, 2017) 등이 있다.
역자
맹윤호
IBM의 Data&AI 팀에서 엔지니어로 근무했고, NCT Marketing의 최고데이터책임자(CDO)로 근무했다. 연세대학교에서 데이터 분석 전공으로 석사 과정을 졸업하고 박사 과정을 수료했다. SK C&C, KISTI, NRF, DBpia 등에서 프로젝트를 진행하였으며 Apache Zeppelin, Qiskit, KoGPT-2 등 오픈소스 프로젝트에 기여했다. 삼성, 현대, LG, 딜로이트 등 기업을 대상으로 강연하고 연세대학교, 이화여대, 중앙대학교, 상명대학교, 한성대학교 등에서도 강연했다. 참여 도서로는 『머신러닝 디자인 패턴』(한빛미디어, 2021), 『Do it 강화학습입문』(이지스퍼블리싱, 2021), 『코딩진로』(호모루덴스, 2021), 『초소형 머신러닝 TinyML』(한빛미디어, 2020), 『하이퍼레저 블록체인 개발』(한빛미디어, 2019), 『블록체인의 정석』(지앤선, 2019) 등이 있다. 깃허브에서 @YUNHO0130으로 활동하고 기술 블로그와 유튜브 채널을 운영하고 있다.
PART I 서버리스 AI 시작하기
Chapter 1 두 기술 이야기 - 서버리스 컴퓨팅과 인공지능
_1.1 클라우드 생태계의 조망
_1.2 서버리스란?
_1.3 속도에 미치다
_1.4 AI란?
_1.5 컴퓨팅 파워와 AI의 대중화
_1.6 표준 AIaaS 아키텍쳐
_1.7 AWS 위에서의 구현
_1.8 요약
Chapter 2 서버리스 이미지 인식 시스템 만들기 - 크롤러 구축
_2.1 첫 번째 시스템
_2.2 아키텍처
_2.3 준비 작업
_2.4 비동기식 서비스 구현
_2.5 요약
Chapter 3 서버리스 이미지 인식 시스템 만들기 - 분석 서비스 구축
_3.1 비동기 서비스 배포
_3.2 동기 서비스 구현
_3.3 시스템 실행
_3.3 시스템 제거
_3.4 요약
PART II 서버리스 AI 활용하기
Chapter 4 서버리스 방식의 웹 애플리케이션 구축과 보안
_4.1 작업 목록
_4.2 아키텍처
_4.3 준비하기
_4.4 1단계: 기본 애플리케이션
_4.5 2단계: 코그니토를 통한 보안 추가
_4.6 요약
Chapter 5 웹 애플리케이션에 AI 인터페이스 추가하기
_5.1 3단계: STT 인터페이스 추가
_5.2 4단계: TTS 추가
_5.3 5단계: 대화형 챗봇 인터페이스 추가
_5.4 시스템 제거
_5.5 요약
Chapter 6 서비스형 AI를 효과적으로 활용하는 방법
_6.1 서버리스의 새로운 과제 해결
_6.2 프로젝트 구조 구축
_6.3 지속적 배포
_6.4 관찰가능성과 모니터링
_6.5 로그
_6.6 모니터링 서비스와 애플리케이션 지표
_6.7 추적 기능을 통한 분산 애플리케이션 이해
_6.8 요약
Chapter 7 기존 플랫폼에 AI 적용하기
_7.1 서버리스 AI 통합 패턴
_7.2 텍스트렉트로 신원 확인 개선
_7.3 키네시스를 사용한 AI 데이터 처리 파이프라인
_7.4 트랜스레이트를 활용한 실시간 번역
_7.5 파이프라인 테스팅
_7.6 컴프리헨드를 사용한 감정분석
_7.7 커스텀 문서 분류기 훈련
_7.8 커스텀 분류기 사용
_7.9 파이프라인 종단간 테스트
_7.10 파이프라인 제거
_7.11 자동화의 이점
_7.12 요약
PART III 서버리스 AI를 통한 데이터 수집 및 분석
Chapter 8 실제 AI를 위한 대규모 데이터 수집
_8.1 시나리오: 이벤트와 연사 찾기
_8.2 웹에서 데이터 수집하기
_8.3 웹 크롤링 소개
_8.4 아이템 저장소 구현
_8.5 URL을 저장하고 관리하기 위한 프론티어 만들기
_8.6 웹 페이지를 검색하고 구문을 분석하는 페처
_8.7 전략 서비스에서 크롤링 공간 결정하기
_8.8 스케줄러를 활용한 크롤러 오케스트레이션
_8.9 요약
Chapter 9 빅데이터에 AI를 적용해 인사이트 얻기
_9.1 AI로 웹페이지에서 중요한 정보 추출
_9.2 컴프리헨드의 엔티티 인식 API
_9.3 정보 추출을 위한 데이터 준비
_9.4 텍스트 배치 처리량 관리
_9.5 비동기 엔티티 추상화
_9.6 엔티티 인식 진행 확인
_9.7 배치 엔티티 인식의 배포와 테스트
_9.8 인식 결과 유지
_9.9 전체 연결하기
_9.10 요약
마치며
APPENDIX A AWS 계정 생성 및 설정
APPENDIX B AWS 관리형 AI 서비스의 데이터 요구 사항
APPENDIX C AI 애플리케이션을 위한 데이터 소스
APPENDIX D 인증 및 DNS 도메인 설정
APPENDIX E 서버리스 프레임워크 내부 뜯어보기
피터 엘거, 오언 셔너히 저자가 집필한 등록된 컨텐츠가 없습니다.