설명:

Microsoft Azure AI Fundamentals(AI-900) 공식 학습 가이드와 Microsoft Learn 모듈 "Azure에서 컴퓨터 비전 워크로드의 특징 파악"에 따르면, 컴퓨터 비전 모델은 작업 목표에 따라 다양한 유형의 이미지 분석을 수행할 수 있습니다. 주요 유형으로는 이미지 분류, 객체 감지, 의미론적 분할 등이 있습니다. 각 방법은 서로 다른 수준의 세분성으로 이미지를 분석합니다.
* 이미지 분류 # 북극곰과 불곰 이미지 분리 이미지 분류는 전체 이미지를 특정 범주 또는 레이블에 할당합니다. 모델은 이미지 전체를 분석하여 미리 정의된 클래스에 속하는지 판단합니다. 예를 들어, 이 경우 모델은 각 이미지의 특징을 보고 북극곰인지 불곰인지 판단합니다. Microsoft Learn 자료에서는 분류를 "이미지를 특정 범주에 할당하는 것"으로 정의합니다.
* 객체 감지 # 사진 속 곰의 위치 파악 객체 감지는 이미지 내 객체의 위치를 ​​식별하기 위해 경계 상자를 그립니다. 이러한 유형의 모델은 객체의 존재를 분류할 뿐만 아니라 객체의 위치도 제공합니다. Microsoft Learn에서는 객체 감지에 대해 설명합니다.
"이미지 내에서 개별 객체를 감지하고 위치를 파악합니다." 예를 들어, 이 모델은 숲 속에서 곰을 감지하고 그 위치를 강조 표시할 수 있습니다.
* 의미론적 분할 # 이미지에서 어떤 픽셀이 곰의 일부인지 판별하기 의미론적 분할은 이미지 분석의 가장 세부적인 형태입니다. 이미지의 각 픽셀을 해당 객체에 속하는 객체에 따라 분류합니다. 이 시나리오에서 모델은 곰의 몸체에 해당하는 모든 픽셀을 식별합니다. AI-
900 콘텐츠에서는 이를 "이미지의 모든 픽셀을 범주로 분류하는 것"으로 정의합니다. 요약하자면,
* 이미지 분류 # 전체 이미지를 분류합니다.
* 객체 감지 # 이미지 내에서 객체를 찾아 레이블을 지정합니다.
* 의미적 분할 # 정확한 객체 경계를 위해 각 픽셀에 레이블을 지정합니다.
https://nanonets.com/blog/딥러닝을 이용한 의미론적 분할 방법/

참조:
https://docs.microsoft.com/en-us/dotnet/machine-learning/resources/tasks

설명:

Microsoft Azure AI Fundamentals(AI-900) 공식 학습 가이드와 Microsoft Learn Cognitive Services 설명서에 따르면, 음성 제어 개인 비서 앱을 개발하려면 언어 및 음성 처리의 다양한 측면에 특화된 여러 Azure AI 서비스를 통합해야 합니다. Azure AI Speech, Azure AI Language Service, Azure AI Translator Text라는 세 가지 주요 서비스는 대화형 AI 시스템에서 고유하면서도 상호 보완적인 역할을 수행합니다.
* 사용자 음성을 텍스트로 변환 # Azure AI Speech Azure AI Speech 서비스는 음성-텍스트 변환(STT) 기능을 제공합니다. 이를 통해 애플리케이션은 음성 언어를 인식하고 실시간으로 문자 텍스트로 변환할 수 있습니다. 이는 음성 지원 애플리케이션의 첫 단계로, 오디오 입력을 기계가 읽을 수 있는 형식으로 변환하여 추가 분석이 가능하도록 하는 역할을 합니다.
* 사용자 의도 파악 # Azure AI Language 서비스 음성이 기록되면 Azure AI Language 서비스(대화 언어 이해 및 텍스트 분석 등의 기능 포함)가 텍스트의 의미를 해석합니다. 사용자의 의도(사용자가 달성하고자 하는 목표)를 감지하고 입력에서 엔터티(핵심 데이터 요소)를 추출합니다. 이 서비스는 어시스턴트가 "항공편 예약" 또는 "알림 설정"과 같은 명령을 이해하는 데 도움을 줍니다.
* 사용자에게 음성 응답 제공 # Azure AI Speech시스템은 적절한 응답을 결정한 후 Azure AI Speech의 텍스트 음성 변환(TTS) 기능을 사용하여 도우미의 텍스트 기반 응답을 자연스러운 음성 언어로 변환하여 사용자가 응답을 들을 수 있도록 합니다.
이러한 서비스는 함께 대화형 AI 시스템의 기반을 형성합니다. 음성-텍스트 변환 # 언어 이해 # 텍스트-음성은 Azure Cognitive Services가 지능형 음성 기반 상호 작용을 구현하는 방식에 대한 AI-900 커리큘럼의 설명과 정확히 일치합니다.

설명:

참조:
https://docs.microsoft.com/en-gb/azure/cognitive-services/qnamaker/concepts/data-sources-and-content
https://docs.microsoft.com/en-us/azure/cognitive-services/luis/choose-natural-language-processing-service QnA 메이커 대화형 AI 서비스이며 SQL 데이터베이스와 관련이 없습니다. 두 가지 핵심 기술을 결합하여 Microsoft Azure에서 사용자 지원 봇 솔루션을 쉽게 만들 수 있습니다.
- QnA Maker. 이 인지 서비스를 사용하면 자연어 처리 기능이 내장된 지식 기반을 만들고 게시할 수 있습니다.
- Azure Bot Service. 이 서비스는 Azure에서 봇을 개발, 게시 및 관리하기 위한 프레임워크를 제공합니다.
LUIS는 발화를 통해 사용자 의도를 이해하는 데 사용됩니다.
Language Understanding을 사용하여 언어 이해 애플리케이션을 만드는 것은 두 가지 주요 작업으로 구성됩니다. 먼저 언어 모델을 학습시킬 엔티티, 인텐트, 발화를 정의해야 합니다. 이를 모델 작성이라고 합니다. 그런 다음 클라이언트 애플리케이션이 사용자 입력을 기반으로 인텐트 및 엔티티 예측에 사용할 수 있도록 모델을 게시해야 합니다.
https://docs.microsoft.com/en-us/azure/cognitive-services/luis/자연어 처리 서비스 선택

참조:
https://docs.microsoft.com/en-us/azure/architecture/data-guide/technology-choices/natural-language-processing
https://azure.microsoft.com/en-us/services/cognitive-services/text-analytics