Clova Extensions Kit을 활용하여 개발된 라마마 익스텐션에 대해서 띵스플로우 개발자가 개발 경험을 공유하는 세션 발표 자료 입니다.
목표1. Clove Extension API 서버 개발
목표2. 라마마 익스텐션의 인터렉션 모델 개발 과정
목표3. 챗봇 컨텐츠 개발 5가지 포인트
Microsoft Bot fraemwork code for D.Camp - d.party presentation
이 자료는 d.party 발표를 위해 제작. http://www.dcamp.kr/event/apply/1500
10분 동안 만드는 진짜 Bot
Microsoft Bot Framework를 이용해
봇을 개발 / 게시 / 등록하고, 실제 메신져 어플리케이션에서 추가해 봇과 채팅하는 어플리케이션을 개발하는 것이 목표 + Azure Machine Learning을 이용해 예측 분석을 봇을 통해 수행
Clova Extensions Kit을 활용하여 개발된 라마마 익스텐션에 대해서 띵스플로우 개발자가 개발 경험을 공유하는 세션 발표 자료 입니다.
목표1. Clove Extension API 서버 개발
목표2. 라마마 익스텐션의 인터렉션 모델 개발 과정
목표3. 챗봇 컨텐츠 개발 5가지 포인트
Microsoft Bot fraemwork code for D.Camp - d.party presentation
이 자료는 d.party 발표를 위해 제작. http://www.dcamp.kr/event/apply/1500
10분 동안 만드는 진짜 Bot
Microsoft Bot Framework를 이용해
봇을 개발 / 게시 / 등록하고, 실제 메신져 어플리케이션에서 추가해 봇과 채팅하는 어플리케이션을 개발하는 것이 목표 + Azure Machine Learning을 이용해 예측 분석을 봇을 통해 수행
Machine Learning Foundations (a case study approach) 강의 정리SANG WON PARK
실제 비즈니스에서 많이 활용되는 사례를 중심으로 어떻게 기존 데이터를 이용하여 알고리즘을 선택하고, 학습하여, 예측모델을 구축 하는지 jupyter notebook을 이용하여 실제 코드를 이용하여 실습할 수 있다.
강의 초반에 강조하는 것 처럼, 머신러닝 알고리즘은 나중에 자세히 설명하는 과정이 따로 있고, 이번 강의는 실제 어떻게 활용하는지에 완전히 초점이 맞추어져 있어서, 알고리즘은 아주 간략한 수준으로 설명해 준다. (좀 더 구체적인 내용은 심화과정이 따로 있음)
http://blog.naver.com/freepsw/221113685916 참고
https://github.com/freepsw/coursera/tree/master/ML_Foundations/A_Case_Study 코드 샘플
[2021 Google I/O] LaMDA : Language Models for DialogApplicationstaeseon ryu
오늘 소개드릴 논문은 단어의 시퀀스의 확률을 할당하는
Large scale LM 모델 방법과 직접 레이블링한 데이터로
파인튜닝한 트랜스포머 계열의 대화테스크를 위한
언어 모델이라고 이해해주시면 될 것 같습니다
그래서 Google CEO가 직접 2021년에 발표를 했고
영상에서는 LaMDA가 이렇게 행성으로
이제 페르소나를 가지고 서로 대화하는 모습을 Google I/O 에서 보여주셨습니다
오늘 소개드릴 논문은 단어의 시퀀스의 확률을 할당하는
Large scale LM 모델 방법과 직접 레이블링한 데이터로
파인튜닝한 트랜스포머 계열의 대화테스크를 위한
언어 모델이라고 이해해주시면 될 것 같습니다
그래서 Google CEO가 직접 2021년에 발표를 했고
영상에서는 LaMDA가 이렇게 행성으로
이제 페르소나를 가지고 서로 대화하는 모습을 Google I/O 에서 보여주셨습니다
코끼리(BOAZ) 사서의 도서 추천 솔루션
: 이 책 내용이 내 취향인데, 비슷한 내용의 책은 어떻게 찾지?’
줄거리를 바탕으로 책을 고르시는 분, 관심 작가의 책을 읽고 싶은 분들께
코끼리 사서가 취향저격 책을 제안해 드립니다.
12기 강호석 고은비 고은지 양태일 이지인 전준수 정해원
[국내 최초 빅데이터 연합동아리 BOAZ]
유튜브 - https://www.youtube.com/channel/UCSniI26A56n2QZ71opJtTUg
페이스북 - https://www.facebook.com/BOAZbigdata
인스타그램 - http://www.instagram.com/boaz_bigdata
블로그 - https://blog.naver.com/boazbigdata
Machine Learning Foundations (a case study approach) 강의 정리SANG WON PARK
실제 비즈니스에서 많이 활용되는 사례를 중심으로 어떻게 기존 데이터를 이용하여 알고리즘을 선택하고, 학습하여, 예측모델을 구축 하는지 jupyter notebook을 이용하여 실제 코드를 이용하여 실습할 수 있다.
강의 초반에 강조하는 것 처럼, 머신러닝 알고리즘은 나중에 자세히 설명하는 과정이 따로 있고, 이번 강의는 실제 어떻게 활용하는지에 완전히 초점이 맞추어져 있어서, 알고리즘은 아주 간략한 수준으로 설명해 준다. (좀 더 구체적인 내용은 심화과정이 따로 있음)
http://blog.naver.com/freepsw/221113685916 참고
https://github.com/freepsw/coursera/tree/master/ML_Foundations/A_Case_Study 코드 샘플
[2021 Google I/O] LaMDA : Language Models for DialogApplicationstaeseon ryu
오늘 소개드릴 논문은 단어의 시퀀스의 확률을 할당하는
Large scale LM 모델 방법과 직접 레이블링한 데이터로
파인튜닝한 트랜스포머 계열의 대화테스크를 위한
언어 모델이라고 이해해주시면 될 것 같습니다
그래서 Google CEO가 직접 2021년에 발표를 했고
영상에서는 LaMDA가 이렇게 행성으로
이제 페르소나를 가지고 서로 대화하는 모습을 Google I/O 에서 보여주셨습니다
오늘 소개드릴 논문은 단어의 시퀀스의 확률을 할당하는
Large scale LM 모델 방법과 직접 레이블링한 데이터로
파인튜닝한 트랜스포머 계열의 대화테스크를 위한
언어 모델이라고 이해해주시면 될 것 같습니다
그래서 Google CEO가 직접 2021년에 발표를 했고
영상에서는 LaMDA가 이렇게 행성으로
이제 페르소나를 가지고 서로 대화하는 모습을 Google I/O 에서 보여주셨습니다
코끼리(BOAZ) 사서의 도서 추천 솔루션
: 이 책 내용이 내 취향인데, 비슷한 내용의 책은 어떻게 찾지?’
줄거리를 바탕으로 책을 고르시는 분, 관심 작가의 책을 읽고 싶은 분들께
코끼리 사서가 취향저격 책을 제안해 드립니다.
12기 강호석 고은비 고은지 양태일 이지인 전준수 정해원
[국내 최초 빅데이터 연합동아리 BOAZ]
유튜브 - https://www.youtube.com/channel/UCSniI26A56n2QZ71opJtTUg
페이스북 - https://www.facebook.com/BOAZbigdata
인스타그램 - http://www.instagram.com/boaz_bigdata
블로그 - https://blog.naver.com/boazbigdata
2. Watson Developer Cloud
• Provides developers easy access to cognitive building blocks
Speech
• Speech to Text
• Text to Speech
Vision
• Visual Recognition
Data Insights
• Discovery
• Discovery News
Language
• Conversation
• Document Conversion
• Language Translator
• Natural Language Cla
ssifier
• Natural Language Und
erstanding
• Personality Insights
• Tone Analyzer
Data
Insights
Language
Vision
Access the site to see the l
atest additions and updates
Watson Developer Cloud
Speech
15. 15
Node-RED
1
2
3
4 5
6 7
1. 노드 카테고리 : 여러 노드는 각
특성에 맞게 카테고리로 분류
되어 있습니다.
2. 노드 : Flow를 구성하는데 사용
할 수 있는 Element입니다.
3. 팔레트 : 노드를 Drag&Drop
하여 구성하고 Flow를 작성하
는 공간입니다.
4. Info 탭 : 팔레트에 위치한 노드
를 클릭하면 해당 노드를 사용
하는 방법이 나타납니다.
5. Debug 탭 : output 카테고리
의 debug 노드를 사용하여 Flo
w를 테스트할 때에 로그를 확
인할 수 있습니다.
6. Deploy 버튼 : Flow를 변경했
다면 Deploy 버튼을 눌러 변경
사항을 배포할 수 있습니다.
7. 메뉴바 : Flow를 import/expo
rt 하거나 설정을 변경할 때 사
용합니다.
19. Lab 1. Visual Recognition
IBM Korea Developer Advocates
20. • 정의
– 딥러닝 알고리즘을 사용하여 오브젝트, 얼굴 및 기타 컨텐츠의 이미지를 분석한다.
• 기능
– 일반 분류
– 사용자 정의 분류
– 얼굴 감지
• 사용 사례
– 제조 : 생산 제품의 상태를 검사
– 커머스 : 유사 상품 검색 및 제안
Watson Visual Recognition
25. 25
• Class당 최소 50개의 이미지를 사용
• 최대 5000개의 이미지를 사용
• 150개-200개의 이미지 사용을 권장
• Class당 이미지의 갯수를 비슷하게 유지
• 분석하려는 이미지와 비슷한 이미지를 사용
• Ex) 동물원에서의 호랑이 vs 야생에서의 호랑이
Visual Recognition – Image Training Guideline
26. Lab 2. Natural Language
Understanding
IBM Korea Developer Advocates
27. • 인풋
– Text, HTML, Public URL
• 기능
– 카테고리 : 최대 5 레벨까지 카테고리 분류
– 컨셉 : 인풋 텍스트에 직접 언급되거나 언급되지 않은 상위 레벨의 컨셉
– 감정 : 특정 타겟 또는 전체 문장의 감정 분석
– 엔티티 : 인풋 텍스트에 언급된 장소, 사람, 이벤트 등과 같은 엔티티
– 키워드 : 관련이 있는 키워드 목록
– 메타데이터 : HTML이나 URL인 경우, 저자, 발행일 등의 메타 정보
– 관계 : 두 엔티티 사이의 관계 타입
• 예) 아인슈타인은 1921년 노벨 물리학상을 받았다.-> 상을 주다 관계 : 아인슈타인/노벨 물리학상, 시점 : 1921년, 상을 받았다.)
– 의미적 역할 : 문장을 주어-동사-목적어 형태로 분류하여 의미를 분석
– 긍부정 : 문장 또는 전체 텍스트에 드러난 감정
Natural Language Understanding(자연어 이해 서비스)
29. 첫 AI 변호사 ‘로스’, 뉴욕로펌 취직하다
100년 역사를 자랑하는 미국 뉴욕의 대형 로펌 베이커앤드호스테틀러가 최근 미국의 스타트
업 로스인텔리전스가 개발한 AI 변호사 로스(ROSS)를 사용하는 계약을 체결
했다고 미국의 정보기술(IT) 매체 기즈모도 등 외신이 15일 전했다.
로스인텔리전스의 앤드루 애루더 최고경영자(CEO) 는 “미국인의 80%가 변호사가 필요함에도 형편이 어
려워 고용하지 못한다. 변호사들은 전체 시간의 30%를 자료 조사에 소비하는데 로스를 이용하면 변호사
들이 짧은 시간에 더 많은 일을 할 수 있게 돼 더 많은 사람이 혜택을 볼 것”이라고 말했다.
로스는 파산 관련 판례를 수집하고 분석하는 업무를 수행할 예정이다. 로스
는 지난해 투자자 모집 시연에서 “직원이 무능하고 실적도 부진한데 해고할 수 있는가”라는 물음에 “직원
의 행동이 근로계약서의 핵심 조건에 위배된다면 해고할 수 있다”고 답했다.
로스는 IBM의 AI 컴퓨터 왓슨을 기반으로 제작됐다. 왓슨은 2011년 미국의 인기 퀴
즈쇼 ‘제퍼디’에서 우승하며 우수성을 입증했다. 로스의 작동 원리는 구글 등의 검색엔진과 유사하다. 사용
자가 질문하면 온라인의 많은 자료 중 필요한 것을 보여 준다.
정원엽·이기준 기자 foridealist@joongang.co.kr , 2016.05.17
29
Watson적용사례법률서비스
32. Lab 3. Conversation과 Personality
Insight 활용한 챗봇 빌드
IBM Korea Developer Advocates
33. 인기폭발 조지아텍 조교, '질 왓슨' 알고보니?
미국 조지아텍에 다니는 '질 왓슨(Jill Watson)'은 올해 1월부터 인공지능
(AI) 관련 온라인 교과 과정의 조교를 맡았다. 그녀는 이 대학 컴퓨터 사이언스
전공 교수인 ‘애쇽 고엘(Ashok Goel)’ 밑에서 조교를 하고 있다.
질 왓슨은 학생들이 묻는 과제 마감, 강의 주제, 성적 관련 질문 등에 잘 응대해주면서 조교 역할을
잘 했다는 평가를 받았다고 한다. 학생들은 그녀가 박사과정을 준비하고 있는
20대 백인 여성이라고 생각했다.
월 스트리트 저널은 지난 1월부터 조지아텍 조교로 일하고 있는 질 왓슨이 사실은 사람이 아
니라 인공지능 컴퓨터였다고 공개했다.
질 왓슨은 고엘 교수가 IBM의 왓슨 컴퓨터를 활용해 오랫동안 연구한 결과물이다.
고엘 교수는 질 왓슨이 채팅봇과는 다르다고 말한다. 채팅봇은 다양한 질문에 정확하지 않은 답변을
쏟아내지만 질 왓슨은 대답의 정확도가 97% 이상에 달할 때 답변을 한다고 전했다
.
장길수 로봇신문 국장, 2016.05.11
33
Watson적용사례교육서비스
35. IBM Waton Personality Insight
• 정의
– 심리학과 데이터 분석 알고리즘을 기반으로 한 성격적 특성 추론 서비스
• 인풋
– 소셜미디어, 이메일, 문자메세지 등에서 얻은 텍스트, JSON
– 최소 600개의 단어 필요, 1200개 이상의 단어 권장
• 기능
– Big Five, Needs, Values 모델을 이용한 성격 분석
– 제품/서비스/활동 등을 선호할 가능성 및 선호도 분석
• 목적
– 고객을 보다 깊은 레벨에서 이해하여 고객 만족도를 향상, 관계 강화
– 마케팅 캠페인 / 커뮤니케이션 활동을 개선
36. 성격 모델
Big Five
• 친화성: 이타성, 협동성, 겸손함, 비타협성, 동정, 신뢰
• 성실성 : 성취 추구, 신중함, 순종성, 질서정연함, 자기 훈련, 효율성
• 외향성 : 활동 레벨, 자신감, 쾌활함, 외향적, 자극 탐색, 사교성
• 신경성(감정의 기복) : 급함, 걱정이 많음, 우울감, 극단성, 스트레스 민감도, 자의식
• 개방성 : 모험성, 예술적 흥미, 정서성, 상상력, 지력, 권력에 저항
Needs
• 도전, 친밀감, 호기심, 흥미, 조화, 이상, 자유, 사랑, 실용성, 자기 표현, 안정, 구조
Values
• 보수성, 변화에 대한 개방성, 쾌락주의, 자기 고양, 자기 초월
37. 소비 및 성향 분석
구매 취향 : 자동차, 옷 등 제품 구매에 대한 구매 취향
건강 및 활동 취향 : 외식 가능성, 헬스클럽 등록 가능성, 야외 활동 선호도
환경 염려 취향 : 환경 염려 가능성
기업가 취향 : 사업 시작 가능성
영화 취향 : 로맨스, 어드밴처, 공포, 뮤지컬, 사극, 공상 과학, 전쟁, 드라마, 액션, 다큐멘터리 등의 취향
음악 취향 : 랩, 컨트리, R&B, 힙합, 라틴, 록, 클래식 등의 음악 취향, 악기 연주/공연 참가에 대한 성향
독서 취향 : 자주 독서할 가능성, 연애 잡지/논픽션 서적/금융 투자 서적/자서전에 대한 취향
자원 취향 : 사회적 문제에 자원할 가능성
39. 39
Node-RED
1
2
3
4 5
6 7
1. 노드 카테고리 : 여러 노드는 각
특성에 맞게 카테고리로 분류
되어 있습니다.
2. 노드 : Flow를 구성하는데 사용
할 수 있는 Element입니다.
3. 팔레트 : 노드를 Drag&Drop
하여 구성하고 Flow를 작성하
는 공간입니다.
4. Info 탭 : 팔레트에 위치한 노드
를 클릭하면 해당 노드를 사용
하는 방법이 나타납니다.
5. Debug 탭 : output 카테고리
의 debug 노드를 사용하여 Flo
w를 테스트할 때에 로그를 확
인할 수 있습니다.
6. Deploy 버튼 : Flow를 변경했
다면 Deploy 버튼을 눌러 변경
사항을 배포할 수 있습니다.
7. 메뉴바 : Flow를 import/expo
rt 하거나 설정을 변경할 때 사
용합니다.
40. 40
카카오톡 Webhook 사용하기
• GET /keyboard : 대화창을 열 때 호출
• POST /message : 메세지를 보내면 호출
애플리케이션
/message http request body예시
{
user_key: "user_key"
type: "photo"
content: “http://dn-m.talk.kakao.c
om/talkm/oWEVeNkNYz/xMQ9v5isWgwEW3b
xFk3X0k/i_7z74vr6t3h801.jpeg”
}