Amazon Comprehend 자연어를 처리하는 NLP 서비스 완전 관리형 서버리스 서비스로 머신 러닝을 사용하여 텍스트에서 인사이트와 관계를 도출 텍스트 언어를 이해할 수 있고 텍스트에서 주요 문구, 장소 및 사람, 브랜드, 이벤트를 추출 분석 중인 텍스트가 긍정적인지 부정적인지 파악하는 감정 분석을 할 수 있음 토큰화 및 품사를 사용하여 텍스트를 분석할 수 있고 음성을 식별함 텍스트 파일 모음을 주제에 따라 정리하고 주제를 식별할 수 있어 대량의 데이터가 있으면 데이터의 의미를 이해하려고 시도함 따라서 텍스트 혹은 구조화되지 않은 데이터를 구조화할 수 있음 사용 사례 1) 고객 상호 작용 분석 고객이 이메일을 보내올 경우 고객의 긍정적 또는 부정적 경험이 무엇인지에 대해 지원 서비스를 기반으로 전반..
Amazon Lex Amazon의 Alexa 장치를 구현하는 기술과 같음 Alexa는 질문을 하면 대답을 하는 작은 장치이며 이를 통해서 자동 음성 인식을 할 수 있음 Alexa는 음성을 인식하는 ASE (Automatic Speech Rexcognition) 이기 때문에 말을 텍스트로 바꿔줌 또한 자연어 이해를 통해 말의 의도를 파악하고 문장을 이해할 수 있어 챗봇 구축이나 콜 센터 봇 구축에 도움이 됨 Amazon Connect 가상 고객 센터로 이는 전화를 받고 고객 응대 흐름을 생성하는 클라우드 기반 서비스 또한 다른 고객 관계 시스템 혹은 관리 시스템인 CRM 및 AWS 서비스와 통합할 수 있음 기존 고객 센터 방식에 비해 초기 비용이 없고 비용이 약 80% 저렴함 예) 스마트 고객 센터를 구축..
Amazon Translate 자연스럽고 정확한 언어 번역 기능을 제공 이를 통해 콘텐츠를 현지화할 수 있으므로 해외 사용자를 위한 웹사이트와 애플리케이션 등에 적용 가능 또한 대량의 텍스트를 효율적으로 번역할 수 있음
Amazon Polly Transcibe의 반대로 딥 러닝을 사용해 텍스트를 음성으로 변환 표준 목소리와 신경망 목소리 엔진이 존재 사용 사례 1) 말하는 애플리케이션을 만들 수 있음
Amazon Transcribe 음성을 텍스트로 전환하는 기능 이를 위해 딥 러닝 처리가 필요하며 이를 자동 음성 인식 또는 ASR (Automatic Speech Recognition) 이라고 부름 예) 마이크에 대고 말하면 목소리의 오디오 그래프가 텍스트로 전환됨 사용 사례 1) 고객 서비스 통화를 기록 2) 자동으로 자막을 생성 3) 미디어 자산의 메타데이터를 만들어 검색 가능한 아카이브 생성
Amazon Rekognition 사진이나 영상에서 머신 러닝으로 사물과 사람을 인식할 수 있음 얼굴 분석 및 검색으로 사용자를 검증하고 사람 수를 셀 수 있음 familiar faces 데이터베이스를 만들어서 유명인과 비교할 수도 있음 사용 사례 1) 라벨링 (사진에서 골든 리트리버나 개로 라벨링) 2) 콘텐츠 조정 (이미지가 전 연령에 적합한지 확인) 3) 텍스트 탐지 4) 얼굴 탐지 및 분석 (성별, 연령대, 감정 등) 5) 얼굴 검색 및 검증 6) 유명인 인식 7) 경로 인식 (스포츠 게임 분석, 움직임 분석) 8) 요소 식별 (사람, 바위, 산악 자전거, 산마루, 야외 등으로 사진의 요소 식별)
Introduction to Docker [Cloud Skills Boost] Docker 소개 Kubernetes Engine: Qwik Start [Cloud Skills Boost] Kubernetes Engine Orchestrating the Cloud with Kubernetes [Cloud Skills Boost] Kubernetes를 통한 클라우드 조정 Managing Deployments Using Kubernetes Engine [Cloud Skills Boost] Kubernetes Engine으로 배포 관리 Continuous Delivery with Jenkins in Kubernetes Engine [Cloud Skills Boost] Kubernetes Engine에서 Jenk..
