IT 생태계의 기반이 클라우드 컴퓨팅으로 전환되고 있는 현대 IT 서비스에서, 『클라우드 컴퓨팅』 교재는 학습자가 클라우드 전문인력으로 역할을 할 수 있도록 클라우드 컴퓨팅의 개념과 정의, 온프레미스와의 차이, 클라우드 서비스 모델과 배포 모델, 가상화 · 네트워크 · 스토리지와 같은 기반 기술, 클라우드 아키텍처, 엣지 컴퓨팅과 포그 컴퓨팅을 포함한 미래 기술을 학습합니다. 이와 더불어 주요 클라우드 제공사로 인정받고 있는 마이크로소프트 Azure를 기반으로 온라인 쇼핑몰, 일기 예보 전송, 데이터분석 등의 정보 서비스를 실제 구현해 보는 실습을 다루고 있어, 단순히 이론에 그치지 않고 실제 적용 가능한 기술을 함양할 수 있도록 내용을 구성하였습니다. 이 교재가 한국방송통신대학교 컴퓨터과학과 학생들에게 새로운 차원의 지식을 선사하고, 새로운 시대에 도전과 기회의 계기로 활용될 수 있는 안내서가 되기를 바랍니다.
제Ⅰ부 클라우드 컴퓨팅: 이론부
제1장 클라우드 컴퓨팅의 이해
1.1 클라우드 컴퓨팅의 개요
1.2 클라우드의 등장 배경
1.3 온프레미스와 클라우드
1.4 클라우드 컴퓨팅의 이용 방식
1.5 클라우드 컴퓨팅의 장점
1.6 클라우드 컴퓨팅 도입 효과
1.7 클라우드 컴퓨팅 관련 기술
1.8 클라우드 컴퓨팅의 단점
제2장 클라우드 컴퓨팅 서비스
2.1 클라우드 컴퓨팅의 특징
2.2 클라우드 서비스 모델
2.3 클라우드 배포 모델
제3장 클라우드 컴퓨팅 기술
3.1 클라우드 컴퓨팅 기술의 구성
3.2 가상화 기술의 이해
3.3 서버 가상화
3.4 네트워크 가상화
3.5 스토리지 기술
3.6 클라우드 서비스 무정지 기술
제4장 클라우드 아키텍처
4.1 클라우드 아키텍처의 이해
4.2 리소스 풀링
4.3 로드 밸런싱
4.4 클라우드 버스팅
4.5 무중단 서비스 재배치
제5장 클라우드 컴퓨팅의 미래
5.1 엣지 컴퓨팅의 이해
5.2 엣지 컴퓨팅의 구조
5.3 엣지 컴퓨팅의 보안
5.4 포그 컴퓨팅
제Ⅱ부 클라우드 컴퓨팅: 실습부
제6장 클라우드 기반 웹사이트 구현
6.1 클라우드 컴퓨팅 서비스의 이해
6.2 클라우드 기반 웹 서비스 구현
6.3 가상 머신 접속하기
6.4 온라인 쇼핑몰 준비
6.5 SQL 데이터베이스 접속 및 스키마 생성하기
6.6 웹 서버 생성
6.7 Blob Storage로 상품 이미지 관리하기
6.8 로드 밸런싱
6.9 오토 스케일링
6.10 로드 밸런싱 테스트
제7장 클라우드 기반 데이터 분석
7.1 Azure ML 작업 영역 생성
7.2 Azure ML Studio를 이용한 머신러닝 수행
7.3 Azure ML 컴퓨팅 환경 설정
7.4 데이터 전처리
7.5 데이터 분류
7.6 ML 알고리즘 선택 단계
7.7 훈련 모델 검증
7.8 데이터 훈련
7.9 훈련 모델 성능 평가
7.10 훈련 모델 평가
7.11 복수의 훈련 모델 평가
7.12 훈련 모델 기반 예측
제8장 일기 예보 전송 서비스 구현하기
8.1 함수 앱 만들기
8.2 날씨 정보 API 사용하기
8.3 함수 앱에 OpenWeather API 연동하기
정재화
고려대학교 사범대학 컴퓨터교육과(이학사)
고려대학교 대학원 컴퓨터 및 정보과학(이학석사, 이학박사)
미국 Indiana University Research Scholar
현재: 한국방송통신대학교 자연과학대학 컴퓨터과학과 교수
이대원
현재: 서경대학교 이공대학 컴퓨터공학과 부교수