[Chapter 1: AWS 데이터 저장 관리]
· 학습 목표:
Amazon S3의 주요 특징 및 기능을 이해하고, 데이터를 효율적으로 저장하고 관리합니다. 데이터 버전 관리, 암호화, 수명 주기 관리, 공유 및 액세스 제어 등을 통해 안전하고 확장 가능한 데이터 관리 솔루션을 구축하는 능력을 습득합니다.
· 주요 내용:
1. Amazon S3 소개 및 주요 특징
2. 데이터를 Amazon S3에 저장하는 방법과 데이터 버킷 관리
3. 데이터 버전 관리, 암호화 및 데이터 수명 주기 관리
4. 데이터 공유 및 액세스 제어를 위한 Amazon S3의 기능 활용

[Chapter 2: AWS 데이터 분석 도구]
· 학습 목표:
Amazon Redshift와 Amazon Athena를 활용하여 데이터 웨어하우스 개념을 이해하고, 클러스터 생성 및 관리부터 SQL 쿼리 작성, 서버리스 쿼리 및 대규모 데이터 분석까지 전반적인 데이터 웨어하우스 솔루션 구축 및 활용 능력을 향상합니다.
· 주요 내용:
1. Amazon Redshift 소개 및 데이터 웨어하우스 개념 이해
2. Amazon Redshift 클러스터 생성 및 관리
3. Amazon Redshift를 사용한 SQL 쿼리 작성 및 데이터 분석
4. Amazon Athena를 사용한 서버리스 쿼리 및 대규모 데이터 분석

[Chapter 3: AWS ETL 서비스]
· 학습 목표:
AWS Glue를 활용하여 데이터 카탈로그 생성부터 ETL 작업, 배치 및 실시간 데이터 처리, 데이터 스키마 자동화까지의 전체 데이터 파이프라인을 구축하고 관리하는 능력을 습득합니다.
· 주요 내용:
1. AWS Glue 소개 및 데이터 카탈로그 생성
2. AWS Glue를 사용하여 데이터 소스 추출, 변환 및 적재 (ETL) 작업 구현
3. AWS Glue Job을 사용하여 배치 및 실시간 데이터 처리 구현
4. AWS Glue Crawlers를 사용하여 데이터 스키마 자동화

[Chapter 4: AWS ML 서비스]
· 학습 목표:
Amazon SageMaker를 활용하여 머신 러닝 모델의 전체 라이프사이클을 이해하고, 노트북을 사용한 모델 개발부터 학습, 튜닝, 배포 및 관리까지의 전반적인 과정을 습득합니다.
· 주요 내용:
1. Amazon SageMaker 소개 및 주요 기능
2. Amazon SageMaker Notebook을 사용한 머신 러닝 모델 개발 및 실험
3. Amazon SageMaker를 사용하여 머신 러닝 모델 학습 및 튜닝
4. Amazon SageMaker를 사용하여 학습된 모델 배포 및 관리