[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