AI100T01A ILT 과정용 랩 파일
이 랩에서는 워크샵 사례 연구를 소개하고 Microsoft Cognitive Services 제품군 내에서 도구를 빌드할 수 있도록 로컬 워크스테이션과 Azure 인스턴스에 도구를 설정합니다.
이 실습 랩에서는 Cognitive Services(특히 Computer Vision API)를 사용하여 종단 간 지능형 콘솔 애플리케이션을 만드는 방법을 안내합니다. ImageProcessing PCL(이식 가능한 클래스 라이브러리)을 사용하며 포함된 내용과 응용 프로그램에서 이를 사용하는 방법을 설명합니다.
이 랩에서는 사용자의 채팅 창 텍스트 프롬프트에 응답할 수 있는 지능형 봇을 종단 간 설정합니다. Azure 내에서 봇을 빌드하는 방법에 대해 이미 배운 내용을 기반으로 사용자 지정 논리 계층을 추가하여 봇에 더 많은 맞춤형 기능을 제공합니다.
이 봇은 Microsoft Bot Framework에서 빌드됩니다. 봇 인터페이스가 텍스트 메시지를 수신하고 이에 응답할 수 있는 아키텍처를 다루며 봇이 특정 텍스트를 포함하는 문의에 응답할 수 있는 논리를 빌드합니다.
또한 Bot Emulator에서 봇을 테스트하고 봇이 사용자로부터 받는 메시지에 대한 전문적인 작업을 수행할 수 있는 미들웨어를 다룹니다.
Azure Search 및 Microsoft LUIS(Language Understanding Intelligent Service)와 관련된 몇 가지 개념을 살펴보지만 이 랩에서는 구현하지 않습니다.
이전 랩에서는 에코 봇 프로젝트로 시작하고 요구에 맞게 코드를 수정했습니다. 이제 고객 서비스 팀이 문의에 대한 후속 조치를 수행하고, 봇이 예상대로 작동하는지 확인하며, 고객 데이터를 분석할 수 있도록 봇과의 채팅을 로깅하려고 합니다.
이 실습 랩에서는 봇 솔루션에 대한 다양한 로깅 시나리오를 안내합니다.
고급 분석 공간에서는 많은 용도로 로그 대화를 저장할 수 있습니다. 채팅 대화 모음을 통해 개발자는 다음을 수행할 수 있습니다.
- 특정 도메인과 관련된 질문 및 답변 엔진 빌드
- 봇이 예상대로 응답하고 있는지 파악
- 특정 주제 또는 제품에 대한 분석을 수행하여 트렌드 파악
다음 랩에서는 채팅 로깅과 메시지 가로채기를 구현하는 방법을 살펴보겠습니다. 데이터 솔루션은 이 워크샵의 범위에 들지 않지만 데이터를 저장할 수 있는 다양한 방법 몇 가지를 알아보겠습니다.
이 랩에서는 Microsoft QnA Maker 애플리케이션을 사용하여 기술 자료를 작성 및 게시하고 봇에서 기술 자료를 사용합니다.
사진을 가져오고 Cognitive Services를 사용하여 이미지에서 개체와 사람을 찾고, 설명과 태그를 얻을 수 있는 종단 간 시나리오를 빌드할 것입니다. 이후에는 쉬운 대상 쿼리가 가능하도록 LUIS를 사용해 Bot Framework 봇을 빌드합니다.
이제 봇이 사용자의 입력을 받고 사용자의 입력 내용을 토대로 응답할 수 있습니다. 다음으로, 랩 6에서 빌드한 LUIS 모델을 사용하여 자연어를 이해하는 기능을 봇에 추가하겠습니다.
이 랩에서는 봇이 사용자 입력에서 언어를 감지할 수 있도록 기능을 추가합니다.
봇을 학습시켰거나 QnA Maker와 봇을 통합했지만 하나의 특정 언어만 사용하여 봇을 통합한 경우, 사용자에게 해당 사실을 알리는 것이 좋습니다.
이 실습 랩에서는 테스트 봇의 몇 가지 기본 사항에 대해 안내합니다. 이 워크샵에서는 Direct Line을 사용하여 기능 테스트를 수행하는 방법을 보여 줍니다.