À¯Xºê º¸´Ù ´õ ¸¹ÀÌ Ã£´Â ÄÜÅÙÃ÷´Â?
¿¡µàÅ×Å©ÀÇ ¼±µÎÁÖÀÚÇнÀ È¿°ú¸¦ ³ôÀÌ´Â Çõ½Å.

´©±¸µµ µû¶ó¿Ã ¼ö ¾ø´Â Àü¹®¼º°ú ±â¼ú·Â, ¹ÐÅ©T AI Genia.¸¸ÀÌ °¡´ÉÇÑ ½Ã½ºÅÛ.

¹ÐÅ©T Genia.
¹ÐÅ©T¸¸ÀÌ °¡´ÉÇÑ ÃµÀç(Genius)ÀûÀÎ AI±â¼ú Áý¾àü

¹ÐÅ©T Genia.´Â õÀç±³À°ÀÇ 42³â ±³À° Àü¹® ³ëÇÏ¿ì¿Í ±â¼ú·ÂÀÌ ¸¸µé¾î³½ ÀΰøÁö´É AI±â¼ú Áý¾àü ÀÔ´Ï´Ù.

AI Genia.´Â ºòµ¥ÀÌÅ͸¦ ±â¹ÝÀ¸·Î Çлý ÇÑ ¸í ÇÑ ¸íÀÇ ½Ç·ÂÀ» Áø´ÜÇÏ°í Á¡°ËÇÏ¿© 1:1 ¸ÂÃãÇнÀÀ» Ãßõ,
Á¦°øÇÏ°í ¼ºÃëµµ¸¦ ÆľÇÇØ ÁÖ´Â ±³À°¿ë AI ¿£ÁøÀÔ´Ï´Ù.
¿¡µàÅ×Å© ºÐ¾ß¿¡¼­µµ ¼±µÎÁÖÀÚÀΠõÀç±³°ú¼­ ¹ÐÅ©TÀÇ Genia.´Â 42³âÀÇ ³ëÇϿ츦 Åä´ë·Î ½×¾Æ¿Â Àü¹®¼º°ú Áö¼ÓÀûÀÎ ÅõÀÚ °³¹ß·Î
±¸ÃàÇÑ ±â¼ú·ÂÀ¸·Î Àü¹®ÀûÀÌ°í ´õ¿í Á¤È®ÇÑ ¿£ÁøÀ¸·Î °¢±¤¹Þ°í ÀÖ½À´Ï´Ù.
¹ÐÅ©T Genia.´Â ȹÀÏÈ­µÈ ±³°ú°úÁ¤°ú ȹÀÏÈ­µÈ ±³À°°úÁ¤À» ÅëÇØ ´Ü¼øÈ÷ ´ã°í ÀÖ´Â ³»¿ëÀ» ¾Ï±âÇÏ°í ½ÀµæÇÏ´Â ÇüÅÂÀÇ ±³À°¿¡¼­ Å»ÇÇÇÏ¿©
ÇнÀÀÚ°¡ ÇÊ¿ä¿¡ µû¶ó ÀÚ±âÁÖµµÀûÀ¸·Î üÇèÇÏ°í °æÇèÇÏ°í ¹®Á¦ ÇØ°áÀ» ÇÒ ¼ö ÀÖµµ·Ï ¼­ºñ½º¸¦ Á¦°øÇÑ´Ù´Â Á¡¿¡¼­ ±âÁ¸ÀÇ ±³À°¹æ½Ä°ú´Â
Â÷º°È­µÈ ÇнÀ ¼­ºñ½º¸¦ Áö¿øÇÕ´Ï´Ù.
Áø´Ü, ¸ÂÃãÇнÀ Á¦°ø, Á¡°ËÀ̶ó´Â ÇÁ·Î¼¼½º¸¦ ³Ñ¾î ÇнÀ ÄÜÅÙÃ÷¸¦ Á¦ÀÛÇÔ¿¡ À־µµ AI ±â¼úÀ» Àû±Ø È°¿ëÇØ
´Ù¾çÇÑ ¼­ºñ½º¸¦ ¼±º¸ÀÌ°í ÀÖ°í, À̸¦ ÅëÇØ ÇлýµéÀº ÇнÀÀÇ Èï¹Ì¸¦ À̲ø¾îÁÖ°í ½Ö¹æÇâ ¼ÒÅëÀÌ °¡´ÉÇÏ´Ù´Â Á¡¿¡¼­
½ÉÃþÀû ÇнÀÀÌ °¡´ÉÇÏ´Ù´Â ÀåÁ¡ÀÌ ÀÖ½À´Ï´Ù.
¹ÐÅ©T Genia.´Â Å©°Ô ¼¼°¡Áö ¹æ¸éÀ¸·Î °³¹ß È°¿ëÇÏ°í ÀÖ½À´Ï´Ù.

¹ÐÅ©T¿¡¼­´Â ÀΰøÁö´É ¾Ë°í¸®ÁòÀ» È°¿ëÇØ ¡®AI 1:1 Áø´ÜÆò°¡¡¯ ÈÄ ¿µ¿ªº° ÇнÀ Ãë¾àÁ¡À» ºÐ¼®ÇÏ°í
À̸¦ ¹ÙÅÁÀ¸·Î ÇлýÀÇ ÇöÀç ¼öÁØÀ» ÆľÇ, ÇнÀÀÚ ¼öÁØÀ» °í·ÁÇÑ °³º° ¸ÂÃãÇü ÇнÀ Ä¿¸®Å§·³À» Á¦°øÇÕ´Ï´Ù.
¸ðµÎ°¡ ¶È°°Àº ȹÀÏÈ­µÈ ÇнÀ Ä¿¸®Å§·³ÀÌ ¾Æ´Ñ ¸ðµç °úÁ¤¿¡¼­ AI ±â¼úÀ» È°¿ëÇØ ¼ºÃëµµ¸¦ Á¤È®ÇÏ°Ô ºÐ¼®ÇÏ°í,
¼öÁغ° ¹®Ç×À» Á¦°øÇϱ⠶§¹®¿¡ ±Ø´ëÈ­µÈ ÇнÀÈ¿°ú¸¦ ±â´ëÇÒ ¼ö ÀÖ½À´Ï´Ù.

»Ó¸¸ ¾Æ´Ï¶ó ÀÌ·¯ÇÑ °á°ú ºÐ¼®À» Åä´ë·Î °ü¸® ¼±»ý´ÔÀÇ Ã¼°èÀûÀÌ°í ²Ä²ÄÇÑ
1 ´ë 1 ¸ÂÃãÇнÀ ÄÚĪÀ» Á¦°øÇØ ´õ¿í ºóÆ´¾øÀÌ ÇнÀÀÌ °¡´ÉÇÕ´Ï´Ù.

ÀΰøÁö´É°ú ºòµ¥ÀÌÅÍ °³ÀÎÈ­¸¦ ¹ÙÅÁÀ¸·Î ´Ü¼øÇÑ ÇнÀ »ó´ãÀÌ ¾Æ´Ï¶ó ºÎÁ·ÇÑ ºÎºÐÀ» ä¿ì°í
ÀßÇÏ´Â ºÎºÐÀº µ¸º¸ÀÏ ¼ö ÀÖµµ·Ï ÇØÁÖ´Â °ÍÀÌ ¹ÐÅ©T ÇнÀ°ü¸® ¿¡µàÅ×Å© ±â¼úÀÇ ÇÙ½ÉÀ̶ó°í ÇÒ ¼ö ÀÖ½À´Ï´Ù.

¢º ¹ÐÅ©T AIÁø´ÜÆò°¡ ºÐ¼®/ ¸ÂÃãÇнÀ Á¦°ø È­¸é

¹ÐÅ©T Genia.´Â °¢ °ú¸ñº°·Î AI ±â¼úÀÌ Àû¿ëµÈ ÄÜÅÙÃ÷¸¦ Á¦°øÇÏ°í Àִµ¥, ÀÌ´Â ±¹¾î, ¼öÇÐ, ¿µ¾î µî ÁÖ¿ä °ú¸ñ »Ó ¾Æ´Ï¶ó ¹Ì¼ú, °úÇбîÁö ´Ù¾çÇÏ°Ô ÁغñµÇ¾î ÀÖ½À´Ï´Ù.

2DÀÎ Á¾ÀÌÃ¥À¸·Î ¹è¿ì¸ç ¾î·Æ°Ô ´À²¸Á³´ø ÇнÀÀ» °íµµÈ­µÈ ¿¡µàÅ×Å© ±â¼úÀÌ ±â¹ÝµÈ 3D, AR µîÀ» ÀÌ¿ëÇØ Á÷Á¢ µè°í ´À³¢¸ç ¿òÁ÷À̸ç ÇнÀÇÒ ¼ö Àֱ⠶§¹®¿¡ Àç¹ÌÀÖ°Ô ÇнÀÀÌ °¡´ÉÇÏ¿©, ÇнÀÀÇ Èï¹Ì¸¦ ´À³¢¸ç ½º½º·Î °øºÎÇÏ´Â ½À°üÀ» Çü¼ºÇÒ ¼ö ÀÖ½À´Ï´Ù.

¿¹ºñ ÃÊµî ´ë»óÀÇ ÇʱâÀÎ½Ä ±â¼úÀ» ÀÌ¿ëÇÑ ¡®¹Þ¾Æ¾²±â¡¯¿Í À½¼ºÀÎ½Ä ±â¼úÀÌ Àû¿ëµÈ ¡®Çѱ۽ºÇÇÄ¡¡¯ºÎÅÍ AI SpeakingÀ» ÅëÇÑ ¸»Çϱ⠿¬½ÀÀº ¹°·Ð ÅÂºí¸´ ¼¾¼­¿Í AR, 3D ±â´ÉÀ» È°¿ëÇÑ µðÁöÅРüÇè°úÇÐÀÇ ½ÇÇè °­ÀÇ´Â Àαâ ÄÜÅÙÃ÷ ÁßÀÇ ÇϳªÀÔ´Ï´Ù.

±× ¹Û¿¡µµ ÄÚµù°ú µ¶¼­, Èï¹Ì À§ÁÖÀÇ °ÔÀÓ ÄÜÅÙÃ÷±îÁö ¹ÐÅ©T´Â ±³°ú ÄÜÅÙÃ÷ ¿Ü¿¡µµ AI ±â¼úÀ» Àû±Ø µµÀÔÇÏ¿© ÇлýµéÀÌ Àç¹ÌÀÖ°í È¿À²ÀûÀ¸·Î ÇнÀÇÕ´Ï´Ù.

¢º ¹ÐÅ©T Genia. ±â¼úÀ» È°¿ëÇÑ ÇнÀ ÄÜÅÙÃ÷ È­¸é

¹ÐÅ©T Genia.´Â ´Ü¼øÇÑ ÀϹæÀû Â÷¿øÀÇ ÇнÀÀÌ ¾Æ´Ñ ´Ù¾çÇÑ ¿¡µàÅ×Å© ±â¼úÀ» ÅëÇØ ½Ö¹æÇâ ÇнÀ ÄÜÅÙÃ÷¸¦ ±¸ÃàÇÏ¿© ÇнÀÀÚ°¡ ´Ù¾çÇÑ »óÈ£ÀÛ¿ëÀ» Çϸç ÇнÀÇÒ ¼ö ÀÖµµ·Ï °³¹ßµÇ¾î ÀÖ½À´Ï´Ù.

¡®AIÇнÀÅåÅ塯¿¡¼­´Â °³º° ij¸¯Å͵é°ú ¸Þ½ÅÀú ÇÏµí ´ëÈ­¹æ¿¡¼­ À̾߱⸦ ³ª´©¸ç ÀÚ¿¬½º·´°Ô °øºÎÇÑ ³»¿ëÀ» ¿¹½À/º¹½ÀÀ» ÇÒ ¼ö ÀÖÀ¸¸ç, ¡®AIÇнÀ꺿¡¯À» ÅëÇؼ­´Â À½¼ºÀνÄÀÇ STT ±â¼ú°ú °Ë»ö¿£Áø ±â¼úÀ» ÅëÇØ ÇнÀ Áß ±Ã±ÝÇÑ Á¡À» Á÷Á¢ Áú¹®Çϸ鼭 ½Ç½Ã°£À¸·Î ¼ÒÅëÇÒ ¼ö ÀÖ½À´Ï´Ù.

ÀÌ¿Ü¿¡µµ AI 1:1÷»è°ú¿Ü´Â AIÇʱâÀÎ½Ä ±â¼úÀ» ÀÌ¿ëÇØ ¼­¼úÇü ¹®Á¦¸¦ Ç®°í Á¦ÃâÇϸé AI¿Í ÷»è ¼±»ý´ÔÀÌ Ã¤Á¡ÇØ ÁÖ´Â ¼­¼úÇü ÇнÀ ÇÁ·Î±×·¥À¸·Î ÷»è ÈÄ¿¡´Â äÁ¡ °á°ú¸¦ Åä´ë·Î Á¤¸® ³ëÆ®¿¡ Á¤¸®Çϸç È®Àå ÇнÀÀ» ÇÒ ¼ö ÀÖ¾î ¼­¼úÇü ½ÃÇè¿¡ ´ëÇÑ ´ëºñµµ °¡´ÉÇÕ´Ï´Ù.

¢º ¹ÐÅ©T 1:1 ÷»è°ú¿Ü ¹× ÇнÀ ÅåÅå È­¸é
AI¸ÂÃãÇнÀ ÇÁ·Î¼¼½º

AI ÇнÀ ÇÁ·Î¼¼½º´Â ¹ÐÅ©T¿¡¼­¸¸ È°¿ëµÇ°í ÀÖ´Â °íÀ¯ÇÏ°í µ¶º¸ÀûÀÎ ÇнÀ ¹æ¹ýÀÔ´Ï´Ù. ÇнÀ, Æò°¡, º¸°­ÀÇ °úÁ¤À» ¹Ýº¹ÇÏ¿© ÇнÀÀ» ¸¶¹«¸®Çϸé Á¾ÇÕ ÃøÁ¤À» ÅëÇØ È¸¿øÀÇ ¼ºÃë ±âÁØÀ» ´Ù½Ã ÃøÁ¤ÇÏ¿© ÇÊ¿äÇÑ ÇнÀÀ» ÁøÇàÇÏ´Â ÀÏ·ÃÀÇ °úÁ¤À» ¹Ýº¹ÇÕ´Ï´Ù.

NÂ÷½ÃÀÇ °øºÎ°¡ ³¡³­ ÇлýÀÇ Æò°¡¸¦ ÁøÇàÇÏ¿© N+ 1Â÷½ÃÀÇ ÇлýÀÇ ¼öÁØÀ» ¿¹ÃøÇÕ´Ï´Ù. ¿¹ÃøµÈ ¼öÁØ¿¡ µû¶ó¼­ Çлý¿¡°Ô ÀûÇÕÇÑ ¼öÁØÀÇ °­ÀÇ¿Í ÀûÇÕÇÑ ³­À̵µ¸¦ °¡Áø ¹®Á¦, Ç®¾î¾ß ÇÏ´Â ¹®Á¦ ¼ö¸¦ ÃßõÇÕ´Ï´Ù. ¶ÇÇÑ N Â÷½ÃÀÇ °øºÎ°¡ ³¡³­ Çлý¿¡°Ô´Â ½ÇÁ¦ Ç®Àº ¹®Á¦ ¿©ºÎ¿Í »ó°ü¾øÀÌ ÇØ´ç ´Ü¿øÀÇ Á¤ ¿À´äÀ» ¿¹ÃøÇÏ¿© Ãë¾àÇÑ ºÎºÐÀ» ¼±Á¤ÇÏ¿© ´Ù½Ã º¸°­ÇÒ ¼ö ÀÖµµ·Ï ÇÕ´Ï´Ù.

°¢ ¹®Ç×Àº ÇöÀç °øºÎÇÏ´Â ÇнÀ ±¸Á¶¿¡ ÀûÇÕÇÑ ºÐ·ù ±âÁØ°ú ÃøÁ¤ÇÏ°íÀÚ ÇÏ´Â ¼ºÃë ±âÁØ Á¤º¸°¡ µé¾îÀÖ½À´Ï´Ù. ¶ÇÇÑ °¢ ºÐ·ù ±âÁØÀº ÇÊ¿äÇÑ ¼± ÈÄÇà À§°è ±¸Á¶°¡ ¼±Á¤µÇ¾î ÀÖ½À´Ï´Ù. À̴ ƯÁ¤ÇÑ ºÐ·ù ±âÁØÀÌ ¾àÇÑ °æ¿ì ¼±Çà ºÐ·ù ±âÁØÀÇ Ãë¾àÀÌ ÇнÀ ºÎÁøÀÇ ¿øÀÎÀÎÁö ÆÇ´ÜÇÒ ¼ö ÀÖ½À´Ï´Ù.

°¢ ÇнÀ °úÁ¤ Áß¿¡ ½×ÀÎ µ¥ÀÌÅÍ´Â ÇлýÀÇ °øºÎ ½À°ü ¹× ŵµ¸¦ ºÐ¼®ÇÏ°í, ÀûÇÕÇÑ ÇнÀ ÄÜÅÙÃ÷¸¦ ÃßõÇÏ°í ÇлýÀÇ ÇнÀ µ¿±â ºÎ¿©¸¦ °ü¸®Çϴµ¥ È°¿ëµÇ°í ÀÖ½À´Ï´Ù.

°ü·Ã µî·Ï ƯÇã

<ÇнÀ ÄÁÅÙÃ÷ Ãßõ ½Ã½ºÅÛ (Learning contents recommendation system)> µî·Ï¹øÈ£ - 1025109940000

<ÇнÀ ÄÁÅÙÃ÷ Ãßõ ¹æ¹ý ¹× À̸¦ ±â·ÏÇÑ ±â·Ï¸Åü (Learning contents recommendation method and recording medium recording the same)> µî·Ï¹øÈ£ - 1025109950000

<»ç¿ëÀÚ¿¡°Ô ´Ù¾çÇÏ°í À¯¿ëÇÑ ÄÁÅÙÃ÷¸¦ ÄÚĪÇÏ´Â ÀΰøÁö´É ½º¸¶Æ® ÄÚĪ ½Ã½ºÅÛ ¹× ¹æ¹ý (AN ARTIFICIAL INTELLIGENCE SMART COACHING SYSTEM AND METHOD FOR COACHING VARIOUS AND USEFUL CONTENT TO USERS)> µî·Ï¹øÈ£ - 1024630770000

<ÄÁÅÙÃ÷ ±¸Á¶ ÀÌ¿ë ÇнÀ ½Ã½ºÅÛ (Learning system using contents structure)> µî·Ï¹øÈ£ - 1024985400000

Knowledge Tracing
Knowledge Tracing ±â¼ú¼Ò°³

Knowledge Tracing(Áö½Ä ÃßÀû)À̶õ Çлý(user)ÀÇ Ç®ÀÌ ÀÌ·ÂÀ» È°¿ëÇÏ¿© ÇлýÀÌ ¹Ì·¡¿¡ °¢ ¹®Á¦¿¡ ´ëÇØ Àß Ç®¾î³¾ È®·üÀ» µµÃâÇÏ´Â °ÍÀ¸·Î À̸¦ ¡®È°¿ëÇÏ¿© ÇлýÀÇ Áö½Ä »óŸ¦ ÃßÀûÇÕ´Ï´Ù. À̸¦ ³ªÅ¸³»´Â ôµµ·Î ¡®¼÷·Ãµµ¡¯¶ó´Â ¿ë¾î¸¦ È°¿ëÇÕ´Ï´Ù. ÇлýÀÇ Ç®ÀÌ ÀÌ·ÂÀº °¢ ¹®Ç׺° Á¤ ¿À´ä°ú ÇØ´ç ¹®Ç×ÀÌ ´ã°í ÀÖ´Â ÇнÀ °³³ä(Knowledge Concept)À» Æ÷ÇÔÇÕ´Ï´Ù. ¶ÇÇÑ, ¹®Á¦ Ç®ÀÌ ¼ø¼­¿¡ µû¶ó ´Þ¶óÁö´Â ÇлýÀÇ Áö½Ä »óŸ¦ ÃßÀûÇϱâ À§ÇØ ½Ã°£ Á¤º¸µµ È°¿ëÇÕ´Ï´Ù. Knowledge Tracing ºÐ¾ß¿¡¼­´Â Bayesian È®·ü ±â¹ÝÀÇ BKT(Bayesian Knowledge Tracing), µö·¯´× ±â¹ÝÀÇ DKT(Deep Knowledge Tracing) µî ´Ù¾çÇÑ ¸ðµ¨µéÀÌ ¿¬±¸µÇ°í ÀÖ½À´Ï´Ù.

¹®Á¦¸¦ Ç®ÀÌÇß´ÂÁö, ÇØ´ç ¹®Á¦¸¦ ¸ÂÇû´ÂÁö¿¡ ´ëÇÑ Á¤º¸°¡ Æ÷ÇԵǾî ÀÖ´Â Ç®ÀÌ ÀÌ·ÂÀ» È°¿ëÇÕ´Ï´Ù. DKT´Â RNN(Recurrent Neural Networks) ¸ðµ¨ÀÇ ÇüŸ¦ °¡Áö°í ÀÖ½À´Ï´Ù. RNNÀº ½Ã°£ ¼øÂ÷Àû µ¥ÀÌÅ͸¦ ÇнÀÇÏ´Â µ¥ ƯȭµÈ ¼øȯÀû ±¸Á¶¸¦ °®´Â °ÍÀÌ Æ¯Â¡ÀÔ´Ï´Ù. DKT´Â RNNÀÇ ÀÏÁ¾ÀÎ LSTM(Long Short-Term Memory models)À» »ç¿ëÇÏ°í ÀÖ½À´Ï´Ù.

¢º DKT ¸ðµ¨ ±¸Á¶
¹ÐÅ©TÈ°¿ë

¹ÐÅ©T¿¡¼­´Â DKT ±â¼úÀ» È°¿ëÇØ ÇлýÀÇ Áö½Ä¼öÁØÀ» ÆľÇÇÏ°í, ¹Ì·¡ÀÇ Á¤ ¿À´äÀ» ¿¹ÃøÇÒ ¼ö ÀÖ½À´Ï´Ù. À̸¦ ÅëÇØ ¹ÐÅ©TÃÊµî ¡®AI¼öÇС¯ ¼­ºñ½º¿¡ DKT¸¦ Àû¿ëÇÏ¿© ÇлýÀÇ °¢ Áö½Äº° ¼÷·Ãµµ¸¦ ÃøÁ¤ÇÏ°í ÀÖ½À´Ï´Ù.

ICP(Item Correct Predict)
ICP±â¼ú¼Ò°³

¿¡µàÅ×Å© ºÐ¾ß¿¡¼­ AI ±â¹Ý °³ÀÎÈ­ Ãßõ ±â¼úÀº ÇнÀÀÚ°¡ ÇнÀÇÑ ÀÌ·ÂÀ» ¹ÙÅÁÀ¸·Î ÇнÀ Á¤µµ¸¦ ÃßÁ¤ÇÏ°í, ÇнÀÀÚ¿¡°Ô ÀûÇÕÇÑ ³»¿ë°ú ¹æ¹ýÀ» ÃßõÇÏ´Â ±â¼úÀÔ´Ï´Ù. ȤÀº ƯÁ¤ÇÑ ¹®Á¦¸¦ ¸ÂÈú È®·üÀ» ¿¹ÃøÇϴµ¥ È°¿ëµË´Ï´Ù. ÀϹÝÀûÀÎ Ãßõ ½Ã½ºÅÛÀÇ ¹æ¹ýµéÀ» »ç¿ëÇÏ¿© ´Ù·ê ¼ö ÀÖÀ¸¸ç ¿¹¸¦ µé¾î, n ¸íÀÇ ÇлýÀÌ m °³ÀÇ ¹®Á¦ Áß Æ¯Á¤ ¹®Á¦¸¦ Ç® ¶§ ¾î¶² ¹®Á¦¸¦ ¼±ÅÃÇØ Ç®ÀÌÇÏ´Â °ÍÀÌ È¿°úÀûÀÎÁö¸¦ µ¥ÀÌÅ͸¦ ±â¹ÝÀ¸·Î ÇÑ ºÐ¼® ¹æ¹ýÀ» ÅëÇØ ÃßõÇØ ÁÖ´Â ¹®Á¦°¡ µË´Ï´Ù. Ãßõ ½Ã½ºÅÛ ¹®Á¦ ÇØ°áÀ» À§ÇØ Áö±Ý±îÁö ´Ù¾çÇÑ ¹æ¹ýµéÀÌ Á¦¾ÈµÇ¾ú°í, CBF(Content Based Filtering), CF(Collraborative Filtering), MF(Matrix Factorization) Çù·Â ÇÊÅ͸µ ¹æ½Ä°ú Deep LearningÀ» ÀÌ¿ëÇÑ ´Ù¾çÇÑ ¾Ë°í¸®ÁòÀ» »ç¿ëÇÑ ¹æ¹ýµéÀÌ »ç¿ëµÇ°í ÀÖ½À´Ï´Ù.

ÀϹÝÀ¸·Î Ãßõ ½Ã½ºÅÛ(Recommend System)¿¡¼­ »ç¿ëµÇ´Â µ¥ÀÌÅÍ´Â ÇàÀÌ »ç¿ëÀÚ°¡ µÇ°í, ¿­ÀÌ ÄÜÅÙÃ÷¿¡ ´ëÇÑ ÆòÁ¡(Rating)ÀÌ µË´Ï´Ù. À̸¦ ±³À° µµ¸ÞÀο¡ Àû¿ëÇßÀ» ¶§ ÇàÀº ÇнÀÀÚ°¡ µÇ°í, ¿­ÀÌ ÇнÀÀÚ°¡ Ç®ÀÌÇÑ ¹®Á¦ÀÇ Á¤ ¿À´äÀ¸·Î Ç¥ÇöÇÒ ¼ö ÀÖ½À´Ï´Ù.

ÀÌ·± µ¥ÀÌÅÍ·Î ÇнÀÀÚ°¡ ƯÁ¤ ¹®Á¦¿¡ ´ëÇØ Á¤ ¿À´ä È®·üÀ» ¿¹ÃøÇÒ ¼ö ÀÖ´Â ´ëÇ¥ÀûÀÎ Ãßõ ½Ã½ºÅÛ ¾Ë°í¸®ÁòÀ¸·Î Çà·Ä ºÐÇØ ±â¹Ý MF(Matrix Factorization) ¾Ë°í¸®ÁòÀÌ ÀÖ½À´Ï´Ù. ÇÏÁö¸¸ ÇнÀÀÚ, ¹®Á¦ Á¤º¸ ¿Ü¿¡ ÃßõÀÇ Á¤È®µµ¸¦ ³ôÀ̱â À§ÇÑ ºÎ°¡ Á¤º¸¸¦ È°¿ëÇÒ ¼ö ¾ø´Â ´ÜÁ¡ÀÌ ÀÖ½À´Ï´Ù. ÀÌ·± ´ÜÁ¡À» ±Øº¹Çϱâ À§ÇØ ¸Å°³º¯¼ö ÀμöºÐÇØ(Factorized Parameterization)¸¦ »ç¿ëÇÏ¿© ÇнÀÀÚ¿Í ¹®Á¦ °£ °üÃøµÇÁö ¾ÊÀº »óÈ£ÀÛ¿ëµµ ÃßÁ¤ÀÌ °¡´ÉÇÏ°í, Feature EngineeringÀÌ ºñ±³Àû À¯¿¬ÇÑ Factorization Machines(ÀÌÇÏ FM)µµ ¸¹ÀÌ »ç¿ëÇÏ°í ÀÖ½À´Ï´Ù.

°¢ Çà¿£ ÇϳªÀÇ »ç¿ëÀÚ, ¾ÆÀÌÅÛ¿¡ ´ëÇÑ Á¤º¸°¡ ÀÖ°í ÆĶõ»ö ¿µ¿ªÀº User¸¦ ³ªÅ¸³»°í, ÁÖȲ»ö ¿µ¿ªÀº item(¿µÈ­)À» ³ªÅ¸³»´Â featureÀÔ´Ï´Ù. ³ë¶õ»ö ¿µ¿ªÀº User°¡ Æò°¡ÇÑ ´Ù¸¥ ¿µÈ­µéÀÌ°í ÃÊ·Ï»ö ¿µ¿ªÀº ƯÁ¤ ±â°£ºÎÅÍ item¿¡ ´ëÇÑ Æò°¡±îÁö °É¸° ½Ã°£À» ³ªÅ¸³À´Ï´Ù. »¡°£»ö ¿µ¿ªÀº Á÷Àü¿¡ Æò°¡ÇÑ ¿µÈ­ÀÌ°í ¸¶Áö¸· TargetÀº ¿¹ÃøÇÏ°íÀÚ ÇÏ´Â labelÀÔ´Ï´Ù.

¢º ¿µÈ­ ÆòÁ¡ ½Ã½ºÅÛ µ¥ÀÌÅÍ ±â¹Ý feature vector ¿¹½Ã

À̸¦ ¹®Á¦ Ãßõ ½Ã½ºÅÛ¿¡ Àû¿ëÇϸé ÆĶõ»ö ¿µ¿ªÀº ÇнÀÀÚ, ÁÖȲ»ö ¿µ¿ªÀº ¾ÆÀÌÅÛ(¹®Á¦)¸¦ ³ªÅ¸³»´Â featureÀÔ´Ï´Ù. ³ë¶õ»ö ¿µ¿ªÀº ÇнÀÀÚ°¡ ÇнÀÇÑ ¹®Á¦ ±â¹Ý ¼ºÀûÀ» ³ªÅ¸³»°í, »¡°£»ö ¿µ¿ªÀº ¹®Á¦¿Í °ü·ÃµÈ Á¤º¸ÀÔ´Ï´Ù. Á¦ÀÏ ¿À¸¥ÂÊ TargetÀº ¿¹ÃøÇÏ°íÀÚ Çϴ ƯÁ¤ ¹®Á¦¿¡ ´ëÇÑ ¸ÂÃâ È®·üÀ» ¿¹ÃøÇÏ°Ô µË´Ï´Ù.

¹ÐÅ©TÈ°¿ë

¹ÐÅ©T´Â °³ÀÎÈ­ Ãßõ ½Ã ¹®Á¦ÀÇ ³­À̵µ, Á¤´ä·ü µîÀÇ ¹®Á¦¿Í °ü·ÃµÈ Á¤º¸¸¦ È°¿ëÇÏ¿© ÇнÀÀÚ¿¡°Ô ÀûÇÕÇÑ ¹®Á¦¸¦ ÃßõÇÏ´Â ½Ã½ºÅÛÀÌ ±¸ÃàµÇ¾î ÀÖ½À´Ï´Ù.

À̸¦ È°¿ëÇÏ¿© AI ¾àÁ¡ º¸¿Ï ÇнÀÀ» ÅëÇØ ÇÑ ´Ü¿ø ÇнÀ ÈÄ °³³äº° Á¤´ä·üÀ» AI°¡ ºÐ¼®ÇÏ¿© ÃÖÃë¾à °³³äÀ» ÇнÀÇϵµ·Ï Ãßõ ÇнÀ ÄÜÅÙÃ÷¸¦ Á¦°øÇÕ´Ï´Ù.

¶ÇÇÑ AI Ãßõ ¼öÁغ° ÇнÀÀ» ÅëÇØ ÇÑ ´Ü¿ø ÇнÀ ÈÄ °³³äº° Á¤´ä·ü°ú ´ÙÀ½ ´Ü¿ø¿¡ ´ëÇÑ ¿¹Ãø Á¤´ä·üÀ» AI°¡ ºÐ¼®ÇÏ¿© °³ÀÎ ¼öÁØ¿¡ ¸Â´Â ÇнÀ ÄÚ½º¸¦ Á¦°øÇÏ¿© È¿À²ÀûÀÎ ÇнÀÀÌ °¡´ÉÇÕ´Ï´Ù.

¢º ¹ÐÅ©T Genia. AI¼öÁغ°ÇнÀ È­¸é
IRT (Item Response Theory)
IRT±â¼ú¼Ò°³

IRT´Â ÇÇÇèÀÚµéÀÌ Æò°¡ ¹®Ç׿¡ ´ëÇÑ ÀÀ´äÀ» ±Ù°ÅÇÏ¿©, ÇÇÇèÀÚÀÇ Æ¯¼º(ÀÎÁö ´É·Â, ¹°¸®Àû ´É·Â, ±â¼ú, Áö½Ä, ŵµ, ÀÎ°Ý Æ¯Â¡ µî)À̳ª Æò°¡ ¹®Ç×ÀÇ ³­À̵µ, º¯º°µµ¸¦ ÃøÁ¤Çϱâ À§ÇÑ °Ë»ç ÀÌ·ÐÀÔ´Ï´Ù. ÀÌ ÀÌ·ÐÀÇ ÁÖµÈ Æ¯Â¡Àº, ¿¹¸¦ µé¸é °³ÀÎÀÇ ´É·ÂÀ̳ª ¹®Ç×ÀÇ ³­À̵µ °°Àº ¸ð¼ö¸¦ Æò°¡ ¹®Ç׿¡ÀÇ Á¤¿À(ïáè¦)¿Í °°Àº ÀÌ»êÀûÀÎ °á°ú¸¦ È®·ü·ÐÀûÀ¸·Î ÆÇ´ÜÇÏ¿© ±¸ÇÑ´Ù´Â Á¡ÀÔ´Ï´Ù. Áï °Ë»ç ÀÚ·á¿¡ ¼öÇÐÀû ¸ðÇüµéÀ» Àû¿ëÇÏ´Â °ÍÀÔ´Ï´Ù.

Æò°¡ ¹®Ç×ÀÇ ÀûÀý¼ºÀ» ºÐ¼®ÇÏ°í, Æò°¡ ¹®Ç×ÀÌ ±â´ÉÀ» Á¦´ë·Î ¼öÇàÇÏ°í ÀÖ´ÂÁö È®ÀÎÇÏ´Â °ÍÀ» ¹®Ç׺м®À̶ó ÇÏ¸ç ¹®Ç׺м®À» À§ÇÑ ÀÌ·ÐÀº Å©°Ô °íÀü°Ë»çÀ̷аú ¹®Ç×¹ÝÀÀÀÌ·ÐÀ¸·Î ³ª´¹´Ï´Ù. Á¤´ä·ü¿¡ ÀÇÇØ Æò°¡ ¹®Ç×ÀÌ ºÐ¼®µÇ´Â °íÀü°Ë»çÀÌ·ÐÀÇ °æ¿ì, ½ÃÇè¿¡ ÀÀ½ÃÇÑ ÇлýÀÇ ½ÃÇè °á°ú ÀڷḦ ÀÌ¿ëÇÏ¿© ¹®Ç× ³­À̵µ¸¦ °è»êÇÏ´Â ¹æ½ÄÀ¸·Î½á µ¿ÀÏÇÑ ¹®Ç×ÀÌ¶óµµ ÀÀ½Ã»ý Áý´ÜÀÇ ´É·Â ¼öÁØ¿¡ µû¶ó ¹®Ç×ÀÇ ³­À̵µ°¡ »ó´ëÀûÀ¸·Î ÃøÁ¤µÇ´Â ÇÑ°è°¡ ÀÖÀ» ¼ö ÀÖ½À´Ï´Ù. ±×·¯³ª È®·üÀû ¸ðÇü½ÄÀ» ÅëÇØ ¹®Ç× ¸ð¼ö ¹× Çлý ´É·Â ¼öÁØÀÇ ÃßÁ¤ÀÌ ÀÌ·ç¾îÁö´Â ¹®Ç×¹ÝÀÀÀÌ·ÐÀº ÀÀ½Ã»ý Áý´ÜÀÇ Æ¯¼º¿¡ ¿µÇâÀ» ¹ÞÁö ¾Ê±â ¶§¹®¿¡ °íÀ¯ÇÑ ¹®Ç× ³­À̵µ¿Í º¯º°µµ ¹× ÇлýÀÇ ´É·ÂÀ» »êÃâÇÒ ¼ö Àִ Ư¡ÀÌ ÀÖ½À´Ï´Ù.

Áï, ¹®Ç×¹ÝÀÀÀ̷п¡ µû¸£¸é ¾î´À ¹®Ç×À̳ª °íÀ¯ÀÇ Æ¯¼ºÀÌ ÀÖ¾î ¼öÇè»ý Áý´ÜÀÌ ´Ù¸£´õ¶óµµ ¹®Ç×ÀÇ Æ¯¼ºÀº ¹Ù²îÁö ¾Ê°í, ¸¶Âù°¡Áö·Î ¼öÇè»ýµµ °íÀ¯ÀÇ ´É·ÂÀÌ ÀÖ¾î ¹®Ç× Æ¯¼º¿¡ µû¶ó¼­ ±× ´É·Â Áö¼ö°¡ ¹Ù²îÁö ¾Ê´Â ÀåÁ¡À» Áö´Ï°í ÀÖ½À´Ï´Ù.

¹®Ç×Ư¼º°î¼±(Item Characteristic Curve: ICC)À̶õ ¹®Ç×¹ÝÀÀÀ̷п¡¼­ °¢ ´É·Â ¼öÁØÀÇ ÇлýµéÀÌ ¹®Ç×À» ¸ÂÈú ½ÇÁ¦ È®·ü °ª¿¡ °¡Àå °¡±õ°Ô ±×·ÁÁö´Â °î¼±À» ÀǹÌÇÕ´Ï´Ù. ¹®Ç×Ư¼º°î¼±À» ÅëÇØ ÇлýµéÀÌ °¢ ¹®Ç׿¡ ¹ÝÀÀÇÏ´Â Á¤µµ¿Í ¹®Ç× ¸ð¼ö(¹®Ç× ³­À̵µ, ¹®Ç× º¯º°µµ, ¹®Ç× ÃßÃøµµ)¸¦ È®ÀÎÇÒ ¼ö ÀÖ½À´Ï´Ù.

¢º IRT ¸ðµ¨ ¼³¸í
¹ÐÅ©TÈ°¿ë

¹ÐÅ©T Genia.´Â º¸À¯ÇÏ°í ÀÖ´Â ¹®Ç׿¡ IRT À̷п¡ ±Ù°ÅÇÏ¿© ¹®Ç×ÀÇ ³­À̵µ¿Í
º¯º°µµ¸¦ »êÁ¤ÇÏ°í ÀÖ½À´Ï´Ù.
°³ÀÎÀÇ Æò°¡¸¦ À§ÇÑ ½ÃÇèÁö¸¦ ÀÛ¼ºÇÒ ¶§ ³ôÀº º¯º°µµ¸¦ Áö´Ñ ¹®Á¦¿Í ÀûÇÕÇÑ ¼öÁØÀÇ
³­À̵µÀÇ ¹®Á¦¸¦ Á¶ÇÕÇÏ¿© È°¿ëÇÕ´Ï´Ù.
¶ÇÇÑ ÀÏ´ëÀÏ ¸ÂÃãÇü ÇнÀÀ» ÁøÇàÇÒ ¶§ ÇлýÀÇ ¼öÁØ¿¡ ÀûÇÕÇÑ ³­À̵µÀÇ ¹®Á¦¸¦
ÃâÁ¦ÇÏ°í ÀÖÀ¸¸ç ÀÌ¿Ü ´Ù¾çÇÑ ¹æ¸é¿¡¼­ È°¿ëÇÏ°í ÀÖ½À´Ï´Ù.

CAT (Computerized Adaptive Testing)
CAT±â¼ú¼Ò°³

CAT´Â °³º° ÇлýÀÌ ¹®Ç×À» Ǫ´Â ÃßÀÌ¿¡ µû¶ó ¸ÂÃãÇüÀ¸·Î ´ÙÀ½ ¹®Ç×À» Á¦½ÃÇÏ°í ÃøÁ¤ÇÏ´Â ½ÃÇè ¹æ½ÄÀÔ´Ï´Ù. ¸ðµç ÇлýÀÌ µ¿ÀÏÇÑ ½ÃÇèÁö·Î ÃøÁ¤ÇÏ´Â ÀüÅëÀûÀÎ ¹æ½Ä(CT, Classical Testing)¿¡ ´ëºñ ÀûÀº ¼öÀÇ ¹®Ç×À¸·Îµµ ÃøÁ¤ÀÌ °¡´ÉÇÏ°í, ÀÀ½ÃÀÚ ¸ðµÎ °³ÀÎÀÇ ´É·Â Æò°¡¿¡ Àû´çÇÑ ¹®Á¦¸¦ Á¦°ø¹Þ±â¿¡ Æò°¡ÀÇ Á¤È®µµ°¡ Áõ°¡ÇÏ°í, ÀÀ½ÃÀÚ ¸ðµÎ À¯»çÇÑ Á¤µµÀÇ ½É¸®Àû ºÎ´ã°¨À» ¹Þ±â¿¡ ½ÃÇèÀÇ °øÁ¤¼ºÀÌ Áõ°¡ÇÏ´Â ÀåÁ¡À» Áö´Ï°í ÀÖ½À´Ï´Ù.

½ÃÇèÀ» º¸´Â ¸ðµç ¼öÇè»ýÀÌ µ¿ÀÏÇÑ ¼öÁØÀÇ ¹®Á¦¸¦ Ǫ´Â °ÍÀ» Áý´Ü ¼ö¾÷, °³Àκ°·Î ¼öÁØ¿¡ ¸Â´Â ´Ù¸¥ ¹®Ç×À» Ǫ´Â °ÍÀ» °³º° ½ÃÇèÀ¸·Î ºÐ·ùÇÒ ¼ö ÀÖ½À´Ï´Ù. °³º° ½ÃÇèÀ» ½Ç½ÃÇÏ¸é ¼öÇèÀÚ¿¡°Ô ÀûÀýÇÑ ¹®Ç×À» ¼±ÅÃÇÏ¿© ½ÃÇèÀ» Ä¡¸£°í, ¼öÇèÀÚ°¡ °úÁ¦¸¦ ÀÌÇØÇß´ÂÁö ¿©ºÎ¸¦ ÀÚ¼¼È÷ ¾Ë ¼ö ÀÖ´Â ¹Ý¸é, ½ÃÇè ȯ°æÀÇ µ¿ÀϼºÀ» À¯ÁöÇÏ°í ºñ¿ëÀ» Àý°¨ÇÒ ¼ö ÀÖ´Â Áý´Ü ½ÃÇèÀÇ ÀåÁ¡À» ÀÒ°Ô µË´Ï´Ù. ÀÌ·¯ÇÑ ÀÌÀ¯·Î Áý´Ü ½ÃÇèÀÌ ÇöÀç ´õ ³Î¸® »ç¿ëµÇ°í ÀÖÁö ¸¸ Áý´Ü ½ÃÇèÀº ³Ê¹«³ª ³ÐÀº ¹üÀ§ÀÇ ´É·Â ¼öÁØÀ» °¡Á¤ÇÏ°í ÀÖ´Ù´Â ¹®Á¦Á¡ÀÌ ÀÖ½À´Ï´Ù.

½ÃÇèÀÇ Á¤È®µµ´Â ´É·Â ¼öÁØ¿¡ ÀûÇÕÇÑ ¹®Á¦¸¦ Á¦½ÃÇÒ ¶§ ³ô¾ÆÁöÁö¸¸ ´ëºÎºÐÀÇ Áý´Ü ½ÃÇè¿¡¼­´Â Æò±Õ ¼öÁØÀÇ ´É·ÂÀڵ鿡°Ô ÃÊÁ¡À» ¸ÂÃ߱⠶§¹®¿¡ Áß°£ ³­À̵µ ¼öÁØÀÇ ¹®Á¦°¡ ´ëºÎºÐÀÌ°í ¼Ò¼öÀÇ ¾ÆÁÖ ½±°Å³ª ¾î·Á¿î ¹®Á¦·Î ±¸¼ºµË´Ï´Ù. CAT´Â ½ÃÇèÀÇ ³­À̵µ°¡ ¼öÇèÀÚÀÇ ´É·Â ¼öÁØ¿¡ ÀûÇÕÇÒ ¶§ °¡Àå ¸¹Àº ½ÃÇè Á¤º¸¸¦ ¾òÀ» ¼ö ÀÖ´Ù´Â °¡Á¤¿¡ ±Ù°ÅÇÏ°í ÀÖ½À´Ï´Ù.

¹ÐÅ©TÈ°¿ë
¢º ¹ÐÅ©T ¡®AI ³»Àü¼®¼öÇС¯ ÀÀ½Ã ¹× °á°úºÐ¼® È­¸é

CAT´Â ¹ÐÅ©T³»ÀÇ ³»Àü¼®(³» ¾ÆÀÌÀÇ Àü±¹ ¼®Â÷) ¼­ºñ½º¿¡¼­ ¹®Ç× ¹ÝÀÀ ÀÌ·Ð(IRT, Item Response theory)°ú ÇÔ²² »ç¿ëµÇ°í ÀÖ½À´Ï´Ù. °³º° ÀÀ½ÃÀÚÀÇ ¼öÇÐ ÇнÀ´É·ÂÀ» ºü¸£°í Á¤È®ÇÏ°Ô ÆÇ´ÜÇÏ°í À̸¦ Àü±¹ ¹éºÐÀ§·Î ȯ»êÇÏ¿© Á¦½ÃÇÕ´Ï´Ù. ÃÖ¼Ò 3°³ºÎÅÍ ÃÖ´ë 20°³±îÁö ¹®Á¦¸¦ Ç®¸é ÀÚ½ÅÀÇ ¼ºÀûÀ» È®ÀÎÇÒ ¼ö ÀÖÀ¸¸ç, ´Ü¼ø ¼®Â÷ È®ÀÎÀ» ³Ñ¾î¼­ ¹®Ç× ¹ÝÀÀ À̷п¡ ÀÔ°¢ÇÑ °á°ú ºÐ¼® º¸°í¼­°¡ ÀÀ½ÃÀÚÀÇ ¼öÁØ°ú Ư¼ºÀ» Á¤È®ÇÏ°Ô ¹Ý¿µÇØ Æò°¡ °á°ú¸¦ Á¦°øÇÕ´Ï´Ù. »Ó¸¸ ¾Æ´Ï¶ó ÁßÇб³ ÇнÀ °¡À̵å¿Í ÇÔ²² Ãßõ °úÁ¤±îÁö Á¦°øÇϱ⠶§¹®¿¡ º¸´Ù Á¤±³ÇÑ 1:1 ¼öÁغ° ¸ÂÃã ÇнÀÀÌ °¡´ÉÇÑ ÀåÁ¡À» Áö´Ï°í ÀÖ½À´Ï´Ù.

ºòµ¥ÀÌÅÍ ¹× ML/DL

õÀç±×·ìÀÇ ¼ö¾ï °ÇÀÇ ´ë±Ô¸ð ºòµ¥ÀÌÅÍ Ã³¸®¿Í workflow °ü¸®´Â, AWS EMR ±â¹ÝÀÇ Spark ºÐ»êó¸® ȯ°æ°ú °ü¸®Çü Airflow¸¦ ÅëÇØ ÀÌ·ç¾îÁö°í ÀÖ½À´Ï´Ù. µ¥ÀÌÅÍ Ã³¸®¸¦ À§ÇØ pyspark ±â¹ÝÀ¸·Î ½ºÅ©¸³Æ®È­µÈ spark-job µéÀº, EMR¿¡ ÇÒ´çµÈ EC2 ÀνºÅϽº¸¦ ÅëÇØ ½ÇÇàµÇµµ·Ï ¼³°èµÇ¾úÀ¸¸ç, ÀÌ·¯ÇÑ °¢°¢ÀÇ jobÀº °ü¸®Çü AirflowÀÇ ¸ÞÀÎ DAG ¾È¿¡¼­ sub_dag ÇüÅ·Π¿¬µ¿µÇ¾î õÀç±×·ì AWS cloud ³»ÀÇ ¸ðµç µ¥ÀÌÅÍ ÆÄÀÌÇÁ¶óÀÎÀ» ±¸¼ºÇÏ°í ÀÖ½À´Ï´Ù. ¶ÇÇÑ Airflow¸¦ ÅëÇØ µ¥ÀÌÅÍ Ã³¸® ÇÁ·Î¼¼½º ¹× ÀÛ¾÷ÀÇ ¼ø¼­¸¦ ¿¹¾à ¹× ¸ð´ÏÅ͸µÇÏ°í ÀÖ½À´Ï´Ù.

Kubernetes ±â¹Ý Kubeflow´Â ´Ù¼ö ÄÄÇ»ÅÍ¿¡ ÀÖ´Â ¸®¼Ò½º¸¦ ¸ðµÎ ¿î¿µÇϸ鼭 ¸Ó½Å·¯´× ¿öÅ©Ç÷ο츦 ÀÚµ¿È­ÇØÁÖ´Â ÅøŶÀÔ´Ï´Ù. ÀΰøÁö´É ¸ðµ¨ ÇнÀ°ú ¼­ºñ½º¿¡ Àû¿ëÇϱâ À§ÇÑ µ¥ÀÌÅÍ Ã³¸®¿Í ¸ðµ¨ ÇнÀ, ±×¸®°í ¹èÆ÷±îÁöÀÇ ÆÄÀÌÇÁ¶óÀÎÀ» °ü¸®ÇÒ ¼ö ÀÖ½À´Ï´Ù. Kubeflow Ç÷§ÆûÀÇ ¸ñÀûÀº ´Ù¸¥ ¼­ºñ½º³ª Åø ¾øÀÌ ¸Ó½Å·¯´×¿¡ ÇÊ¿äÇÑ ¿©·¯ ÄÄÇ»ÅÍ ÀÚ¿øµéÀ» ÇÑ ¹ø¿¡ °ü¸®Çϱâ À§ÇÔÀ¸·Î, Kubeflow ÄÄÆ÷³ÍÆ®µéÀº µ¥ÀÌÅÍ ºÐ¼®°¡¿Í ÇÊ¿äÇÑ Åø°ú µ¥ÀÌÅÍ »çÀ̾ðƼ½ºÆ®°¡ ÇÊ¿äÇÑ Åø ¸ðµÎ Æ÷ÇÔµÇ¾î ±¸¼ºµÇ¾î ÀÖ´Ù´Â Á¡ÀÔ´Ï´Ù. µû¶ó¼­ ¸Ó½Å·¯´× »çÀÌŬÀÎ µ¥ÀÌÅÍ ºÐ¼® ´Ü°è, ¸ðµ¨ ÇнÀ ´Ü°è, ¸ðµ¨ Æ©´× ´Ü°è, ±×¸®°í ¼­ºñ½º¿¡ Àû¿ëÇϱâ À§ÇÑ ¼­ºù ´Ü°è±îÁö ÇϳªÀÇ Ç÷§Æû À§¿¡¼­ ½ÇÇàÇÒ ¼ö ÀÖ½À´Ï´Ù.

¹ÐÅ©TÈ°¿ë

ÇØ´ç ºòµ¥ÀÌÅÍ Ã³¸® ±â¼úÀ» È°¿ëÇÏ¿© ¿¬°£ 22¾ï °Ç ¼öÁØÀÇ ÇнÀÀÚ Çൿ µ¥ÀÌÅÍ¿Í 8¾ï °Ç ÀÌ»óÀÇ Ç®ÀÌ ÀÌ·Â µ¥ÀÌÅ͸¦ ¼öÁý ¹× ó¸®ÇÏ°í ÀÖ½À´Ï´Ù. ¼öÁýµÈ µ¥ÀÌÅ͸¦ È°¿ëÇÏ¿© °³ÀÎÀÇ ¼öÁØ ¹× ¾àÁ¡À» Áø´ÜÇÏ°í, ÀûÇÕÇÑ ÄÜÅÙÃ÷¸¦ ÃßõÇÏ°í, ¼ºÃëµµ¸¦ ÃøÁ¤ÇÏ´Â ÇнÀ ¸ðµ¨¿¡ È°¿ëÇÏ°í ÀÖ½À´Ï´Ù. ÇØ´ç µ¥ÀÌÅ͸¦ ÅëÇؼ­ ÇлýÀÇ ÇൿÀ» ºÐ¼®ÇÏ°í, Çൿ¿¡ µû¸¥ °øºÎ ½À°ü µîÀ» ÆľÇÇÏ´Â °Í¿¡ È°¿ëÇÏ°í ÀÖ½À´Ï´Ù. ¶ÇÇÑ ÇØ´ç µ¥ÀÌÅ͸¦ È°¿ëÇÏ¿© ÇлýµéÀÌ °¡Àå ÁÁ¾ÆÇÏ´Â ÄÜÅÙÃ÷¸¦ ÆľÇÇÏ°í ÄÜÅÙÃ÷ ¼±È£ Æ®·»µå¸¦ ÆľÇÇÏ´Â µî ´Ù¾çÇÑ ¹æ¸é¿¡¼­ È°¿ëÇÏ°í ÀÖ½À´Ï´Ù.

À¯»çµµ ±â¹Ý ÇнÀ 꺿
(Word Embedding to Vector)
À¯»çµµ ±â¹Ý ÇнÀ 꺿 ±â¼ú¼Ò°³

Word2VecÀº ´Ü¾î¸¦ º¤ÅÍ·Î ¹Ù²ãÁÖ´Â ¾Ë°í¸®ÁòÀÔ´Ï´Ù. Neural Network Language Model(NNLM)À» °è½ÂÇϸ鼭µµ ÇнÀ ¼Óµµ¿Í ¼º´ÉÀ» ºñ¾àÀûÀ¸·Î ²ø¾î¿Ã·Á ÁÖ¸ñÀ» ¹Þ°í ÀÖ½À´Ï´Ù. one hot encoding(¿¹ [0000001000]) ȤÀº Bag of Word ºñ·ÔÇÑ Èñ¼Ò Ç¥ÇöÀº °ø°£Àû ³¶ºñ ¿Ü¿¡µµ °¢ ´Ü¾î °£ÀÇ À¯»ç¼ºÀ» Ç¥ÇöÇÒ ¼ö ¾ø´Ù´Â ¹®Á¦Á¡ÀÌ ÀÖ°í, À̸¦ ´ë¾ÈÀ¸·Î "´Ü¾îÀÇ ÀǹÌ"¸¦ N Â÷¿ø °ø°£¿¡¼­ º¤ÅÍÈ­½ÃÅ°´Â ¹æ¹ýÀÌ ¹Ù·Î word2VecÀÔ´Ï´Ù. Word2Vec´Â 'ºñ½ÁÇÑ À§Ä¡¿¡¼­ µîÀåÇÏ´Â ´Ü¾îµéÀº ºñ½ÁÇÑ Àǹ̸¦ °¡Áø´Ù" ´Â °¡Á¤ ÇÏ¿¡ ¼öÇàµË´Ï´Ù. Ç¥ÇöµÈ º¤Å͵éÀº ¿ø-ÇÖ º¤ÅÍó·³ º¤ÅÍÀÇ Â÷¿øÀÌ ´Ü¾î °³¼öÀÏ ÇÊ¿ä°¡ ¾øÀ¸¹Ç·Î, º¤ÅÍÀÇ Â÷¿øÀÌ »ó´ëÀûÀ¸·Î ÀúÂ÷¿øÀ¸·Î ÁÙ¾îµé°Ô µË´Ï´Ù. ¶ÇÇÑ ÀÌ·¯ÇÑ ºÐ»ê Ç¥Çö ¹æ¹ýÀ» ÅëÇØ °¢ ´Ü¾î °£ÀÇ À¯»çµµ ÃøÁ¤ÀÌ °¡´ÉÇØÁý´Ï´Ù.

¢º Word2Vec ÇнÀ °úÁ¤ ½Ã°¢È­ À̹ÌÁö
¹ÐÅ©TÈ°¿ë
¢º ¹ÐÅ©T ¡®Ãªº¿¡¯ È­¸é

¹ÐÅ©T¿¡¼­´Â Áú¹®ÀÌ ÀÔ·ÂµÇ¸é ¹Ì¸® ÇнÀµÈ Áú¹®µé°úÀÇ À¯»çµµ¸¦ °è»êÇÏ°í, ¹Ì¸® ÇнÀµÈ ¸ðµç Áú¹®µé Áß °¡Àå À¯»çÇÑ »óÀ§ÀÇ TopN(nÀº ÆĶó¹ÌÅÍ·Î ÀÔ·Â ¹Þµµ·Ï ó¸®ÇÔ) °³¸¦ À¯»çµµ °ª°ú ÇÔ²² ¹ÝȯÇÏ´Â ¼­ºñ½º¸¦ Á¦°øÇÏ°í ÀÖ½À´Ï´Ù.

°ü·Ã µî·Ï ƯÇã

<ÇнÀ À¯µµ¿ë 꺿 ½Ã½ºÅÛ (Learning induction type chatbot system)> µî·Ï¹øÈ£ - 1025109980000

<ÇнÀ 꺿À» È°¿ëÇÑ ÇнÀ À¯µµ ¹æ¹ý ¹× À̸¦ ±â·ÏÇÑ ±â·Ï¸Åü (A method of inducing learning using a learning chatbot and a recording medium recording the same)> µî·Ï¹øÈ£ - 1024985440000

¼Õ±Û¾¾ ÀνÄ
¼Õ±Û¾¾ ÀÎ½Ä ±â¼ú¼Ò°³

CNN(Convolution Neural Network; CNN)Àº µ¿¹°µéÀÌ ¹°Ã¼¸¦ ÀνÄÇϰųª ±¸ºÐÇÏ´Â °ÍÀ» ¸ðƼºê·Î ÇÑ ½Å°æ¸ÁÀ¸·Î¼­ µ¿¹°µéÀÌ ´Ù¸¥ ´ë»óÀ» ±¸ºÐÇÒ ¶§, ´ë»óÀÇ Æ¯Á¤ ºÎºÐÀ» ¹Î°¨ÇÏ°Ô ¹Þ¾Æµé¿© ´ë»óÀ» ±¸ºÐÇÏ´Â °ÍÀ» ¾ÆÀ̵ð¾î·Î ÇÏ¿© µîÀåÇß½À´Ï´Ù. ÀÌ·¯ÇÑ ³úÀÇ È°µ¿¿¡ ÈùÆ®¸¦ ¾ò¾î CNNÀ̶ó´Â ½Å°æ¸ÁÀÌ ¹ßÇ¥µÇ¾ú°í ÇöÀç À̹ÌÁö ºÐ¾ß¿Í ¿µ»ó ºÐ¾ß¿¡¼­ ³Î¸® È°¿ëµÇ°í ÀÖ½À´Ï´Ù. CNNÀÇ ÁÖ¿ä ±â´ÉÀº À̹ÌÁö¿¡¼­ÀÇ Æ¯Â¡ ÃßÃâ(Feature extraction)À» ÇÏ´Â °ÍÀÔ´Ï´Ù. Ư¡ ÃßÃâÀ̶õ À̹ÌÁö µ¥ÀÌÅÍ¿¡¼­ °íÀ¯ÇÑ Æ¯Â¡À» ã´Â °ÍÀ» ¸»Çϸç, CNN¿¡¼­´Â ±âº»ÀûÀ¸·Î kernel ÆĶó¹ÌÅÍÀÇ ÇнÀÀ» ÅëÇØ À̹ÌÁöÀÇ Æ¯Â¡À» ÃßÃâÇÕ´Ï´Ù. ±×¸®°í ÀÌ Ä¿³ÎµéÀ» ½Ã°¢È­ÇÏ¸é ¾Æ·¡ ±×¸²°ú °°½À´Ï´Ù.

¢º Á : ÀÔ·Â À̹ÌÁö, Áß µö´º·² ³×Æ®¿öÅ©ÀÇ ÇнÀµÈ ÁÖ¿ä ¿µ¿ª(À̹ÌÁö Ư¡), ¿ì : ÀÔ·Â µ¥ÀÌÅÍ¿Í hitmapÀÇ °ãÄ£ À̹ÌÁö
¹ÐÅ©TÈ°¿ë
¢º ¹ÐÅ©T ¼Õ±Û¾¾ ÀÎ½Ä È­¸é

¹ÐÅ©T¿¡ žÀçµÈ ¼Õ±Û¾¾ ÀÎ½Ä ¿£ÁøÀº µö ´º·² ³×Æ®¿öÅ©(DNN)¸¦ »ç¿ëÇÑ ¸ðµ¨ÀÔ´Ï´Ù. ±×Áß, computer vision ¿µ¿ª¿¡¼­ °¡Àå ¸¹ÀÌ »ç¿ëµÇ´Â ±â¹ýÀÎ CNN(Convolution Neural Network)À» »ç¿ë, À¯¾Æ Çʱ⠵¥ÀÌÅ͸¦ Á¤Á¦, ÇнÀÇÏ¿© Æò±Õ 90% ÀÌ»óÀÇ ÀνķüÀ» ´Þ¼ºÇÏ¿´½À´Ï´Ù (ÇÑ±Û 90%, ¿µ¾î 95%) »ç¿ëÀÚ°¡ Ææ ȤÀº ¼Õ°¡¶ôÀ» ÀÌ¿ëÇÏ¿© º»ÀÎÀÌ ¿øÇÏ´Â ±Û¾¾¸¦ ¾²°Ô µÇ¸é ¼Õ±Û¾¾ ÀÎ½Ä ¸ðµ¨À» ÅëÇØ ±Û¾¾·Î ÀνÄÇÏ°Ô µË´Ï´Ù.

°ü·Ã µî·Ï ƯÇã

<¼Õ±Û¾¾ ÀνÄÀ» ÅëÇÑ À¯¾Æ ÇнÀ ½Ã½ºÅÛ> µî·Ï¹øÈ£ - 1023441440000

<¼Õ±Û¾¾ ÀνÄÀ» ÅëÇÑ À¯¾Æ ÇнÀ ¹æ¹ý ¹× À̸¦ ±â·ÏÇÑ ±â·Ï¸Åü> µî·Ï¹øÈ£ - 1023441450000

OCR (Optical character recognition)
OCR ±â¼ú¼Ò°³

±¤ÇÐ ¹®ÀÚ ÀνÄ(Optical character recognition; OCR)Àº ÄÄÇ»ÅÍ°¡ ¹®ÀÚ³ª ¼ö½ÄÀÌ Æ÷ÇÔµÈ À̹ÌÁö³ª ȹ µ¥ÀÌÅ͸¦ ÀνÄÇÏ´Â ±â¼ú·Î¼­ ´Ù¾çÇÑ ÀÀ¿ë ÄÜÅÙÃ÷ ¹× ±â¼úÀ» ¸¸µé¾î ³¾ ¼ö ÀÖ´Â ¿øõ ±â¼úÀÔ´Ï´Ù.

OCR ¸ðµ¨Àº 2017³â ±¸±ÛÀÌ ¹ßÇ¥ÇÑ ³í¹®ÀÎ Attention is all you need¿¡¼­ ³ª¿Â Transformer ¸ðµ¨À» ±â¹ÝÀ¸·Î ±¸¼ºµÇ¾î ÀÖ½À´Ï´Ù. Transformer ¸ðµ¨Àº ±âÁ¸ÀÇ seq2seqÀÇ ±¸Á¶ÀÎ Encoder-Decoder¸¦ µû¸£¸é¼­µµ AttentionÀ¸·Î¸¸ ±¸Çö¸¸ ¸ðµ¨·Î RNNÀ» »ç¿ëÇÏÁö ¾Ê°í Encoder-Decoder ±¸Á¶¸¦ ¼³°èÇßÀ½¿¡µµ ¼º´ÉÀÌ RNNº¸´Ù ¿ì¼öÇÕ´Ï´Ù. Encoder´Â Self-attention layers ±¸Á¶·Î ±¸¼ºµÇ´Âµ¥ °¢ Encoder Layer´Â ÀÌÀü Layer·ÎºÎÅÍ ¸ðµç À§Ä¡¸¦ ó¸®ÇÑ Á¤º¸¸¦ È°¿ëÇÕ´Ï´Ù. Decoder´Â Sequence-to-Sequence ¸ðµ¨¿¡¼­ÀÇ ÀϹÝÀûÀÎ Encoder-Decoder Attention ¸ÞÄ¿´ÏÁòÀ» ¸ð¹æÇÏ¿© Key-Query-Value ±¸Á¶¸¦ »ç¿ëÇÏ°í EncoderÀÇ ¸ðµç Position Á¤º¸¸¦ »ç¿ëÇÕ´Ï´Ù. Encoder¿Í Decoder¿¡¼­´Â °¢°¢ Multi-Head Self-Attention°ú Masked Mulit-Head Self-Attention ±¸Á¶¸¦ »ç¿ëÇÏ¿© Attention LayerÀÇ ´Ù¸¥ À§Ä¡¿¡ ÀÖ´Â ´Ü¾î¸¦ ÁýÁß(Attention) ÇÏ´Â ¼º´ÉÀ» Çâ»ó½ÃÄ×½À´Ï´Ù.

¢º The Transformer - model architecture.
¹ÐÅ©TÈ°¿ë

¹ÐÅ©T´Â ¹®ÀÚ°¡ ÀÖ´Â À̹ÌÁö¸¦ ÀÎDz Çϸé, Çѱ۰ú ¼ö½Ä(Latex)À¸·Î ±¸¼ºµÈ ¹®ÀÚ¿­À» ¾Æ¿ôDzÀ¸·Î Ãâ·ÂÇÕ´Ï´Ù. ÇØ´ç ±â¼úÀ» È°¿ëÇÏ¿© ÇнÀÁö¸¦ ÃÔ¿µÇϸé ÇнÀÁö ¾È¿¡ ÀÖ´Â À̹ÌÁöÀÎ ¹®Á¦¸¦ ±Û¾¾·Î ÀνÄÇÕ´Ï´Ù. TEXT¸¦ ÀνÄÇÔ°ú µ¿½Ã¿¡ ¼öÇп¡¼­ °¡Àå ÇÊ¿äÇÑ ¼ö½Äµµ ÀνÄÇÕ´Ï´Ù. ÇØ´ç ¹®ÀÚ¿Í ¼ö½ÄÀ» È°¿ëÇÏ¿© ½ºÄµ ÇÑ ¹®Á¦¿Í °¡Àå À¯»çÇÑ ¹®Á¦¸¦ ã¾Æ³»´Â °Í µî ¸¹Àº ºÐ¾ß¿¡¼­ ÇØ´ç ±â¼úÀ» È°¿ëÇÏ¿© ¾ÆÀ̵éÀÇ ÇнÀÀ» µ½°í ÀÖ½À´Ï´Ù.

Auto Encoder
Auto Encoder ±â¼ú¼Ò°³

¿ÀÅä ÀÎÄÚ´õ´Â ºñÁöµµ (unsupervised) ¹æ½ÄÀ¸·Î ÈÆ·ÃµÈ Àΰø ½Å°æ¸ÁÀ¸·Î, ¸ÕÀú µ¥ÀÌÅÍ¿¡ ÀÎÄÚµùµÈ Ç¥ÇöÀ» ÇнÀÇÑ ´ÙÀ½, ÇнÀµÈ ÀÎÄÚµù Ç¥Çö¿¡¼­ ÀÔ·Â µ¥ÀÌÅ͸¦ (°¡´ÉÇÑ ÇÑ °¡±õ°Ô) »ý¼ºÇÏ´Â °ÍÀ» ¸ñÇ¥·Î ÇÕ´Ï´Ù. µû¶ó¼­, ¿ÀÅä ÀÎÄÚ´õÀÇ Ãâ·ÂÀº ÀԷ¿¡ ´ëÇÑ ¿¹ÃøÀ̶ó°í ÇÒ ¼ö ÀÖ½À´Ï´Ù.

¿ÀÅä ÀÎÄÚ´õÀÇ ÁÖ¿ä ÀÀ¿ë ºÐ¾ß´Â ÀÌ»ó °¨Áö ¶Ç´Â À̹ÌÁö ³ëÀÌÁî Á¦°ÅÀÔ´Ï´Ù. ¿ÀÅä ÀÎÄÚ´õ´Â ÁÖ¾îÁø µ¥ÀÌÅÍ ¸Å´ÏÆúµå¿¡ ÀÖ´Â µ¥ÀÌÅ͸¦ ÀçÇöÇÏ´Â °ÍÀ» ¸ñÇ¥·Î ÇÕ´Ï´Ù. µû¶ó¼­ ¿ì¸®´Â ¸ðµ¨ÀÌ ÈÆ·Ã Áß¿¡ °üÂûÇÑ °Íµé¸¸À» ÀçÇöÇÒ ¼ö ÀÖµµ·Ï Á¦ÇÑÇÕ´Ï´Ù.

¿ÀÅä ÀÎÄÚ´õÀÇ ¶Ç ´Ù¸¥ ÀÀ¿ëÀº À̹ÌÁö feature ÃßÃ⠽ÿ¡ ¸¹ÀÌ »ç¿ëµË´Ï´Ù. ÀÎÄÚ´õ¿¡¼­ ÀÔ·Â À̹ÌÁö¸¦ feature(Ư¡Á¡)·Î Ãà¼ÒÇÏ°í, µðÄÚ´õ¿¡¼­´Â Ãà¼ÒµÈ feature(Ư¡Á¡)·Î ÀÔ·Â À̹ÌÁö¿Í À¯»çÇÑ À̹ÌÁö¸¦ »ý¼ºÇϵµ·Ï ÁøÇàÇÏ´Â °ÍÀÌ Generative ModelÀÔ´Ï´Ù. ÀÌ¿Í °°Àº ¹æ¹ý·ÐÀ¸·Î ¿ª»ç ¼Ó Àι°ÀÇ ÃÊ»óÈ­ À̹ÌÁöÀÇ feature¸¦ ÃßÃâÇÏ¿© Â÷¿ø Ãà¼Ò ¹× º¹¿øÇÏ´Â °úÁ¤À» ÅëÇÏ¿© À̹ÌÁöÀÇ Æ¯Â¡À» ÇнÀÇÕ´Ï´Ù.

¹ÐÅ©TÈ°¿ë
¢º ¹ÐÅ©T ¡®³»°¡ ¿ÕÀÌ µÉ »óÀΰ¡¡¯ - ¿ª»ç ¼Ó À¯»ç Àι° °á°ú µµÃâ °úÁ¤

¹ÐÅ©TÁß?°íµî¼­ºñ½º ¡®³»°¡ ¿ÕÀÌ µÉ »óÀΰ¡¡¯ ÄÜÅÙÃ÷¿¡ Face detection ±â¼ú°ú º¤ÅÍ ±â¹Ý À̹ÌÁö À¯»çµµ ÃøÁ¤ ±â¼úÀÌ Á¢¸ñµÇ¾ú½À´Ï´Ù. ÇØ´ç ±â¼úÀ» È°¿ëÇÏ¿© ÇнÀÀÚ¿Í À¯»çÇÑ ¿ª»ç ¼Ó Àι°À» ãÀ» ¼ö ÀÖ½À´Ï´Ù.

Speech To Text (STT)

STT´Â VUI(À½¼º »ç¿ëÀÚ ÀÎÅÍÆäÀ̽º: Voice User Interface)¸¦ À§ÇÑ ±âº»ÀûÀÎ ±â¼ú·Î½á »ç¶÷ÀÇ À½¼ºÀ» ÄÄÇ»ÅÍ°¡ ÀνÄÇØ ÅؽºÆ®È­ÇÒ ¼ö ÀÖ½À´Ï´Ù. À½¼ºÀÎ½Ä ±â¼úÀº ¼û¼Ò¸®, ±âħ¼Ò¸® ¶Ç´Â ´Ù¾çÇÑ È¯°æ ÀâÀ½À» Æ÷ÇÔÇÑ ¼Ò¸®µé°ú À½¼ºÀ» ¸íÈ®È÷ ±¸ºÐÇØ¾ß ÇÏ°í À½¼ºÀÌ ¾î¶² ´Ü¾î, ¾î¶² ¹®ÀåÀ» ¸»ÇÏ°í ÀÖ´ÂÁö Á¤È®ÇÏ°Ô ÅؽºÆ®·Î º¯È¯ÇÕ´Ï´Ù.

¾ð¾î ¸ðµ¨Àº ´º½º, ¼Ò¼³, »çÀü µî ´ë¿ë·®ÀÇ ÅؽºÆ® µ¥ÀÌÅ͸¦ ±â¹ÝÀ¸·Î ´Ü¾î¿Í ´Ü¾î »çÀÌÀÇ ÆÐÅÏÀ» È®·üÀûÀ¸·Î °è»êÇÑ Åë°è ¸ðµ¨ÀÔ´Ï´Ù. ¾ð¾î ¸ðµ¨Àº ´Ù¾çÇÑ ÅؽºÆ®¸¦ ºÐ¼®ÇÏ¿© ¡®³ª´Â Çб³¿¡¡¯¶ó´Â ÆÐÅÏÀÌ µîÀåÇÏ¸é ±× µÚ¿¡´Â ¡®°¨´Ù¡¯¶ó´Â ´Ü¾î º¸´Ù ¡®°£´Ù¡¯¶ó´Â ´Ü¾î°¡ µîÀåÇÒ È®·üÀÌ ³ô´Ù´Â °ÍÀ» ÇнÀÇÏ°Ô µË´Ï´Ù. ÀÌ·¸°Ô ÇнÀµÈ ¾ð¾î ¸ðµ¨À» ÅëÇØ ´Ü¾î¿Í ´Ü¾îÀÇ °ü°è¸¦ ±â¹ÝÀ¸·Î À½Ç⠸𵨰ú ¹ßÀ½ ¿­ »çÀüÀ» °ÅÃÄ Ãâ·ÂµÈ ´Ü¾î ¿­À» ¹®¹ý¿¡ ¸Â°Ô º¸Á¤ÇÏ¿© »ç¿ëÀÚ¿¡°Ô ÃÖÁ¾ ÀÎ½Ä °á°ú¸¦ Á¦°øÇÏ°Ô µË´Ï´Ù.

¹ÐÅ©TÈ°¿ë

À¯¾Æ ÇѱÛ

À¯¾Æ ¼öÇÐ

À¯¾Æ ¿µ¾î

¢º ¹ÐÅ©T À¯¾Æ¿ë ±³À° ÄÜÅÙÃ÷ Àû¿ë (ÇѱÛ, ¼öÇÐ, ¿µ¾î)

µö·¯´×À» ÅëÇØ À½¼ºÀÎ½Ä Á¤È®µµ°¡ Çâ»óµÇ¸é¼­ ¿ì¸®´Â ½Ç»ýÈ°¿¡¼­ ´Ù¾çÇÑ Á¾·ùÀÇ À½¼ºÀÎ½Ä ¼­ºñ½º¸¦ Á¢ÇÏ°í ÀÖ½À´Ï´Ù. ¹ÐÅ©T ¿¡¼­µµ ¿µ¾î ¹ßÀ½ÀÇ ÀνÄÀ» ÅëÇÑ ¹ßÀ½ÀÇ ¼öÁ¤, ÇѱÛÀÇ ÀνÄÀ» ÅëÇÑ ´ä¾È ÀÎ½Ä µî ´Ù¾çÇÑ ¹æ¸é¿¡¼­ À½¼º ÀνÄÀ» È°¿ëÇÏ°í ÀÖ½À´Ï´Ù. ¶ÇÇÑ Äݼ¾ÅÍ·Î À¯ÀԵǴ »ó´ãÄÝÀ» TXT ÀüȯÇÏ¿© °í°´´ÔÀÇ ¼Ò¸®¸¦ Á¡°ËÇÏ´Â ºÎºÐ¿¡µµ È°¿ëÇÏ°í ÀÖ½À´Ï´Ù. Áö¼ÓÀûÀÎ ±â¼ú °³¹ßÀ» ÅëÇØ À½¼ºÀνÄÀÇ È°¿ëó¸¦ ³ôÀÌ°í, À½¼ºÀνÄÀÇ Á¤È®µµ¸¦ ³ôÀÌ´Â ÀÛ¾÷À» Áö¼ÓÀûÀ¸·Î ÁøÇàÇÏ°í ÀÖ½À´Ï´Ù.