목 차


1장 머신러닝·AI 개발 기초 및 환경 구축
1.1 AI·ML 개요
1.2 ML 시스템 전체 흐름
1.3 개발 환경 구축
1.4 데이터 처리 기초
1.5 ML 모델 흐름


2장 그래프 기반 추천 시스템 (Graph ML)
2.1 그래프 데이터 구조 이해
2.2 Python 실습 — Node2Vec / GNN
2.3 실전 데이터셋 — 사용자-상품 관계 데이터
2.4 PostgreSQL 연동 — 관계 데이터 저장
2.5 FastAPI 서비스 — 추천 API
2.6 그래프 기반 추천 시스템 실무 활용
2.7 고급 GNN 아키텍처 심화
2.8 영화 추천 시스템 통합 프로젝트


3장 고객 세분화 및 마케팅 자동화 시스템
3.1 고객 세그먼트 개념 (RFM 분석)
3.2 Python 실습 — K-Means + Hierarchical Clustering
3.3 실전 데이터셋 — 고객 구매 데이터
3.4 PostgreSQL 연동 — 고객 그룹 관리
3.5 FastAPI 서비스 — 고객 타겟 추천 API
3.6 고객 세분화 마케팅 자동화 시스템 실무 활용


4장 실시간 데이터 스트리밍 ML 시스템
4.1 스트리밍 데이터 개념
4.2 Python 실습 — Kafka Consumer + 모델 연동
4.3 실전 데이터셋 — 로그 / 클릭 스트림
4.4 PostgreSQL 연동 — 실시간 데이터 저장
4.5 Kafka 설정 및 성능 튜닝 및 웹 서비스 개발
4.6 FastAPI 서비스 — 실시간 예측 API
4.7 실시간 데이터 스트리밍 ML 실무 적용


5장 MLOps 기반 모델 관리 및 배포 시스템
5.1 MLOps 개념 (CI/CD + ML)
5.2 Python 실습 — MLflow / 모델 버전 관리
5.3 실전 데이터셋 — 기존 모델 활용
5.4 PostgreSQL 연동 — 실험 기록 저장
5.5 FastAPI 서비스 — 모델 버전 API


6장 벡터 검색 기반 추천 시스템
6.1 임베딩(Embedding) 개념
6.2 Python 실습 — Sentence Transformer
6.3 실전 데이터셋 — 텍스트 / 상품 설명
6.4 PostgreSQL(pgvector) 연동
6.5 FastAPI 서비스 — 유사도 검색 API
6.6 벡터 검색 기반 AI 추천 시스템 실무 활용


부록. 주요 명령어와 용어 정리