쉽게 배우는 AWS AI 서비스

야, 너도 AI 쓸 수 있어!
수식 없이 쉽게 쓰는 아마존의 AI 서비스

운영 중인 서비스에 AI를 이용한 기능을 추가하려면 머신러닝, 딥러닝, 강화학습 같은 AI 관련 개념들을 꼭 알아야 할까? 이제 어려운 AI를 공부하지 않아도 서비스형 AI를 사용해 누구나 쉽게 프로젝트나 비즈니스에 AI를 도입할 수 있다. 이 책은 AI 지원 플랫폼과 서비스를 구축하기 위한 엔지니어 가이드로 개발자의 관점에서 AI의 실용적인 사용법을 살펴본다. 서버리스 프레임워크와 Node.js, 제이쿼리를 사용해 AWS가 제공하는 챗봇, TTS, 컴퓨터 비전 등 AI 서비스의 기능을 활용하는 실제 프로젝트를 개발해보며 그 사용법을 익힌다. 고객 서비스, 데이터 분석 등 다양한 분야에서 노동집약적인 업무를 자동화해주는 아마존의 AI 서비스로 생산성을 높여보자.

대상 독자
● AI를 사용해 플랫폼 및 서비스를 구현해야 하는 풀스택 및 백엔드 개발자
● 시스템을 향상하고 개선하는 데 AI를 활용하고 싶은 솔루션 아키텍트와 프로덕트 오너
● 시스템 구축 및 배포에 '서버리스 방식'을 도입하려는 데브옵스

배우는 내용
● 운영 중인 플랫폼에 클라우드 AI를 도입하는 법
● 데이터 파이프라인을 디자인하고 빌드하는 법
● AI 서비스에서 발생하는 오류와 문제를 해결하는 법
● 서버리스 템플릿을 사용해 빠르게 AI 서비스를 구축하는 법
● 아마존 레코그니션을 활용해 이미지 및 비디오 분석을 자동화하는 법

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 Peter Elger
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.