Amazon Lex

기본 개념

  • Amazon Lex는 음성이나 텍스트로 대화형 챗봇을 빠르게 만들 수 있는 서비스입니다.
  • 예시: 고객이 호텔 예약을 하거나 피자를 주문할 수 있는 챗봇.
  • 여러 언어를 지원하며, AWS Lambda, Amazon Connect, Comprehend, Kendra와 통합됩니다.
  • 사용자의 의도(Intent)를 자동으로 파악해 알맞은 Lambda 함수를 호출하여 요청을 처리합니다.
  • 필요한 경우 챗봇이 사용자에게 추가 정보를 요청하는데, 이를 **Slot(입력 매개변수)**라고 부릅니다.

동작 방식

  1. 사용자가 “호텔 예약하고 싶어요”라고 입력.
  2. Lex는 미리 정의된 **Intent(호텔 예약)**를 인식.
  3. 필요한 Slot(도시, 체크인 날짜, 숙박일수 등)을 질문하여 채움.
  4. 모든 Slot이 채워지면 Lambda 함수를 호출해 예약 처리.
  5. 결과를 사용자에게 응답 (“예약이 완료되었습니다”).

시험 포인트

  • Intent: 사용자가 원하는 목적(예: 호텔 예약).
  • Utterance: Intent를 유발하는 사용자 입력(“호텔 예약해줘”).
  • Slot: 작업 수행에 필요한 입력값(날짜, 장소 등).
  • Lambda 연계: Intent를 Fulfillment(실행)할 때 Lambda를 호출.
  • 생성형 AI 기반 챗봇도 지원 (Amazon Bedrock과 통합).

👉 자격증 시험에서는 “대화형 챗봇”, “Slot 기반 파라미터”, “Lambda 연계” 키워드 나오면 → Amazon Lex.

Amazon Personalize

기본 개념

  • Amazon Personalize는 실시간 개인화 추천 시스템을 구축할 수 있는 완전 관리형 ML 서비스입니다.
  • 예시: 상품 추천, 개인화된 마케팅, 사용자가 본 영화와 유사한 영화 추천.
  • Amazon.com이 사용하는 동일한 기술 기반.
  • 웹사이트, 앱, 이메일, SMS 등에 통합 가능.
  • 직접 ML 모델을 구축·훈련할 필요 없이 며칠 만에 구현 가능.

활용 사례

  • 소매업: 고객 구매 패턴 기반 상품 추천.
  • 미디어/엔터테인먼트: 시청 이력 기반 영화/음악 추천.

Recipes (알고리즘 템플릿)

  • USER_PERSONALIZATION: 사용자 맞춤형 추천 (예: User-Personalization-v2).
  • PERSONALIZED_RANKING: 특정 사용자에 맞춰 아이템 순위 재정렬.
  • POPULAR_ITEMS: 인기 상품/트렌드 추천 (Trending-Now, Popularity-Count).
  • RELATED_ITEMS: 유사 아이템 추천 (Similar-Items).
  • PERSONALIZED_ACTIONS: 다음 행동 추천 (Next-Best-Action).
  • USER_SEGMENTATION: 사용자 그룹 세분화 (Item-Affinity).

👉 시험 포인트

  • “추천 시스템” = Personalize.
  • Recipes는 추천(Recommendation) 전용임 → 예측/Forecasting 아님.

Amazon Textract

기본 개념

  • Amazon Textract는 스캔된 문서, PDF, 이미지에서 텍스트·필기·데이터를 자동 추출하는 서비스.
  • 단순 OCR을 넘어 **문서 구조(테이블, 양식, 키-값 쌍)**까지 인식.

활용 사례

  • 금융: 인보이스, 금융 보고서 처리.
  • 헬스케어: 진료 기록, 보험 청구서.
  • 공공기관: 세금 신고서, 여권, 신분증.

주요 기능

  • 텍스트 추출: 이미지에서 모든 텍스트 인식.
  • 양식(Form) 인식: 키-값 쌍 자동 추출 (예: “생년월일 → 2008/07/18”).
  • 테이블 인식: 표 구조 분석 후 행/열 단위로 데이터 추출.
  • 질의(Query): 문서에 질문 던져 원하는 값만 추출 (예: “연간 총급여는 얼마?”).
  • ID/영수증 분석: 신분증·청구서에서 표준 필드 인식.

👉 시험 포인트

  • “문서에서 텍스트, 표, 양식 데이터 추출” = Textract.
  • OCR 그 이상 → 문서 레이아웃과 구조 이해 가능.

Amazon Kendra

기본 개념

  • Amazon Kendra는 머신러닝 기반 지능형 문서 검색 서비스입니다.
  • 문서 내에서 정확한 답변 추출 가능 (PDF, Word, HTML, FAQ 등).
  • 자연어 검색 지원 (“IT 지원팀은 어디 있나요?” → “1층에 있습니다”).
  • 사용자 피드백 기반 Incremental Learning → 자주 선택되는 답변이 상위 노출.
  • 관리자가 중요도, 최신성, 사용자 정의 필터를 통해 검색 결과 조정 가능.

시험 포인트

  • “문서 검색/FAQ 검색 서비스” → Amazon Kendra.
  • Kendra는 검색(Search), Textract는 텍스트 추출(Extract).

요약 (시험 대비)

  • Lex: 대화형 챗봇, Intent/Slot, Lambda 연계.
  • Personalize: 개인화 추천 시스템, Recipes 사용.
  • Textract: 문서에서 텍스트·양식·테이블 추출.
  • Kendra: 지능형 문서 검색 서비스, 자연어 질의 지원.