엔터프라이즈 AI를 위한 Dataiku 및 Machine Learning 교육 과정

소개

Dataiku Data Science Studio(DSS) 설치 및 구성

• Dataiku DSS의 시스템 요구 사항
• Apache Hadoop 및 Apache Spark 통합 설정
• 웹 프록시를 사용하여 Dataiku DSS 구성
• 다른 플랫폼에서 Dataiku DSS로 이동

Dataiku DSS 기능 및 아키텍처 개요

• Dataiku DSS의 핵심 개체 및 그래프
• Dataiku DSS의 레시피란?
• Dataiku DSS에서 지원하는 데이터셋 유형

Dataiku DSS 프로젝트 생성

Dataiku DSS의 데이터 리소스에 연결하여 데이터셋 정의

• DSS 커넥터 및 파일 형식 작업
• 표준 DSS 형식 vs. Hadoop 특정 형식
• Dataiku DSS 프로젝트용 파일 업로드

Dataiku DSS의 서버 파일 시스템 개요

관리 폴더 생성 및 사용

• Dataiku DSS 병합 폴더 레시피
• 지역 관리 폴더 vs. 비지역 관리 폴더

관리 폴더 내용을 사용하여 파일 시스템 데이터셋 구성

• DSS 코드 레시피로 정리 수행

메트릭 데이터셋 및 내부 통계 데이터셋 작업

HTTP 데이터셋을 위한 DSS 다운로드 레시피 구현

DSS를 사용하여 SQL 데이터셋 및 HDFS 데이터셋 재배치

Dataiku DSS에서 데이터셋 순서 지정

• 작성자 순서 vs. 읽기 시간 순서

Dataiku DSS 프로젝트의 데이터 시각화 탐색 및 준비

Dataiku 스키마, 저장 유형 및 의미 개요

Dataiku DSS에서 데이터 정제, 정규화 및 풍부화 스크립트 수행

Dataiku DSS 차트 인터페이스 및 시각적 집계 유형 작업

DSS의 상호작용 통계 기능 활용

• 단변량 분석 vs. 이변량 분석
• 주성분 분석(PCA) DSS 도구 활용

Dataiku DSS의 머신러닝 개요

• 지도 학습 vs. 비지도 학습
• DSS ML 알고리즘 및 기능 처리 참조
• Dataiku DSS의 딥러닝

DSS 데이터셋 및 레시피에서 유도된 플로우 개요

DSS에서 시각 레시피를 사용하여 기존 데이터셋 변환

사용자 정의 코드 기반 DSS 레시피 활용

DSS 코드 노트북을 사용하여 코드 탐색 및 실험 최적화

웹앱을 사용하여 고급 DSS 시각화 및 사용자 정의 프론트엔드 기능 작성

Dataiku DSS 코드 보고 기능 작업

Data Project 요소 공유 및 DSS 대시보드 익숙해지기

Dataiku DSS 프로젝트를 재사용 가능한 애플리케이션으로 설계 및 패키징

Dataiku DSS의 고급 방법 개요

• DSS를 사용하여 최적화된 데이터셋 분할 구현
• Kubernetes 컨테이너에서 DSS 처리 부분 실행

Dataiku DSS의 협업 및 버전 관리 개요

DSS 프로젝트 테스트를 위한 자동화 시나리오, 메트릭 및 체크 구현

DSS 자동화 노드 및 번들을 사용하여 프로젝트 배포 및 업데이트

Dataiku DSS의 실시간 API 작업

• DSS의 추가 API 및 REST API

Dataiku DSS 시간 시리즈 분석 및 예측

Dataiku DSS에서 프로젝트 보호

• 프로젝트 권한 및 대시보드 권한 관리
• 고급 보안 옵션 구현

Dataiku DSS를 클라우드와 통합

문제 해결

요약 및 결론