더 이상 Amazon Machine Learning 서비스를 업데이트하거나 새 사용자를 받지 않습니다. 이 설명서는 기존 사용자에 제공되지만 더 이상 업데이트되지 않습니다. 자세한 내용은 [머신 러닝이란?](https://docs.aws.amazon.com/machine-learning/latest/dg/what-is-amazon-machine-learning.html) 단원을 참조하세요.

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 자습서: Amazon ML을 사용하여 마케팅 제안에 대한 응답 예측
<a name="tutorial"></a>

Amazon Machine Learning(Amazon ML)을 사용하면 예측 모델을 빌드 및 학습시키고 확장 가능한 클라우드 솔루션에서 애플리케이션을 호스팅할 수 있습니다. 이 자습서에서는 Amazon ML 콘솔을 사용하여 데이터 소스를 생성하고, 기계 학습(ML) 모델을 빌드하고, 모델을 사용하여 애플리케이션에서 사용할 수 있는 예측을 생성하는 방법을 보여줍니다.

샘플 연습에서는 타겟 마케팅 캠페인의 잠재 고객을 식별하는 방법을 보여주지만 동일한 원칙을 적용하여 다양한 ML 모델을 만들고 사용할 수 있습니다. 샘플 실습을 완료하려면 [캘리포니아 대학교 어바인 캠퍼스(UCI)의 기계 학습 리포지토리](http://archive.ics.uci.edu/ml/datasets.php)에서 공개적으로 사용할 수 있는 은행 및 마케팅 데이터 세트를 사용해야 합니다. 이러한 데이터 세트에는 고객에 대한 일반 정보와 고객이 이전 마케팅 담당자에 대해 어떻게 반응했는지에 대한 정보가 포함되어 있습니다. 이 데이터를 사용하여 새 상품인 예금 증서(CD)라고도 하는 은행 정기 예금에 가입할 가능성이 가장 높은 고객을 식별할 수 있습니다.

**주의**  
이 자습서는 AWS 프리 티어에 포함되어 있지 않습니다. ML 요금에 대한 자세한 내용은 [https://aws.amazon.com/machine-learning/pricing/](https://aws.amazon.com/machine-learning/pricing/) 단원을 참조하세요.

## 사전 조건
<a name="prereqs"></a>

 개별 교습을 수행하려면 AWS 계정이 있어야 합니다. AWS 계정이 없는 경우 [머신 러닝 설정](https://docs.aws.amazon.com/machine-learning/latest/dg/setting-up-amazon-machine-learning.html) 단원을 참조하세요.

## 단계
<a name="steps"></a>
+ [1단계: 데이터 준비](step-1-download-edit-and-upload-data.md)
+ [2단계: 학습 데이터 세트 생성](step-2-create-a-datasource.md)
+ [3단계: ML 모델 생성](step-3-create-an-ml-model.md)
+ [4단계: ML 모델의 예측 성능 검토 및 점수 임계값 설정](step-4-review-model-and-set-cutoff.md)
+ [5단계: ML 모델을 사용하여 예측 생성](step-5-create-predictions.md)
+ [6단계: 정리](step-6-clean-up.md)