기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# 사용자 정의 인식기 학습 (콘솔)
Amazon Comprehend 콘솔을 사용하여 사용자 정의 개체 인식기를 생성할 수 있습니다. 이 단원에서는 사용자 정의 개체 인식기 생성과 학습 방법을 보여줍니다.
**Topics**
## 콘솔을 사용하여 사용자 정의 개체 인식기 만들기 - CSV 형식
사용자 정의 개체 인식기를 만들려면 먼저 모델을 학습시킬 데이터 세트를 제공해야 합니다. 이 데이터 세트를 이용하여 주석이 달린 문서 세트 또는 개체 목록 및 유형 레이블로 구성된 세트와 해당 개체가 포함된 문서 세트를 포함시킵니다. 자세한 정보는 [사용자 지정 개체 인식](custom-entity-recognition.md)을 참조하십시오.
**CSV 파일을 사용하여 사용자 정의 개체 인식기를 학습시키려면**
1. 에 로그인 AWS Management Console 하고 [https://console.aws.amazon.com/comprehend/](https://console.aws.amazon.com/comprehend/) Amazon Comprehend 콘솔을 엽니다.
1. 왼쪽 메뉴에서 **사용자 정의**을 선택한 다음 **사용자 정의 개체 인식**을 선택합니다.
1. **새 모델 생성**을 선택합니다.
1. 인식기에 이름을 지정합니다. 이 이름은 리전과 계정 내에서 고유한 이름이어야 합니다.
1. 언어를 선택합니다.
1. **사용자 정의 개체 유형**에 인식기가 데이터 세트에서 찾을 수 있도록 하려는 사용자 정의 레이블을 입력합니다.
개체 유형은 대문자여야 하며, 두 개 이상의 단어로 구성된 경우 밑줄로 단어를 분리해야 합니다.
1. **유형 추가**를 선택합니다.
1. 추가 개체 유형을 추가하려면 해당 유형을 입력한 다음 **유형 추가**를 선택합니다. 추가한 개체 유형 중 하나를 제거하려면 **유형 제거**를 선택한 다음 목록에서 제거할 개체 유형을 선택합니다. 최대 25개의 개체 유형을 나열할 수 있습니다.
1. 학습 작업을 암호화하려면 **인식기 암호화**를 선택한 다음 현재 계정과 연결된 KMS 키를 사용할지 아니면 다른 계정의 KMS 키를 사용할지 선택합니다.
+ 현재 계정과 연결된 키를 사용하는 경우 **KMS 키 ID**에서 키 ID를 선택합니다.
+ 다른 계정과 연결된 키를 사용하는 경우 **KMS 키 ARN**에 키 ID의 ARN을 입력합니다.
**참고**
KMS 키와 관련 암호화의 생성 및 사용에 대한 자세한 내용은 [AWS Key Management Service](https://docs.aws.amazon.com/kms/latest/developerguide/overview.html)를 참조하세요.
1. **데이터 사양**에서 학습 문서 형식을 선택합니다.
+ **CSV 파일** - 학습 문서를 보완하는 CSV 파일입니다. CSV 파일에는 학습된 모델이 탐지할 사용자 정의 개체에 대한 정보가 들어 있습니다. 필요한 파일 형식은 주석 제공인지 아니면 개체 목록 제공인지에 따라 달라집니다.
+ **증강 매니페스트**— Amazon SageMaker Ground Truth에서 생성한 레이블이 붙은 데이터 세트입니다. 이 파일은 JSON 라인 형식입니다. 각 라인은 학습 문서와 해당 레이블이 포함된 완전한 JSON 객체입니다. 각 레이블은 학습 문서에 이름이 지정된 개체를 주석에 답니다. 증강 매니페스트 파일은 5개까지 제공할 수 있습니다.
사용 가능한 형식 및 예제에 대한 자세한 내용은 [사용자 지정 개체 인식기 모델 학습](training-recognizers.md)를 참조하세요.
1. **학습 유형**에서 사용할 학습 유형을 선택합니다.
+ **주석 및 학습 문서 사용하기**
+ **개체 목록 및 학습 문서 사용하기**
주석을 선택하였다면 Amazon S3에 주석 파일의 URL을 입력합니다. 또한 주석 파일이 있는 Amazon S3의 버킷 또는 폴더로 이동하여 **Browse S3**를 선택할 수도 있습니다.
개체 목록을 선택하였다면 Amazon S3에 개체 목록의 URL을 입력합니다. 개체 목록이 있는 Amazon S3의 버킷 또는 폴더로 이동한 다음 **Browse S3**를 선택할 수도 있습니다.
1. Amazon S3의 학습 문서가 들어 있는 입력 데이터 세트의 URL을 입력합니다. 학습 문서가 있는 Amazon S3의 버킷 또는 폴더로 이동하여 **폴더 선택**을 선택할 수도 있습니다.
1. **테스트 데이터 세트**에서 학습된 모델 성능 평가 방법을 선택합니다. 주석 및 개체 목록 학습 유형 모두에 대해 이 작업을 수행할 수 있습니다.
+ **자동 분할**: 자동 분할은 제공된 학습 데이터의 10%를 테스트 데이터로 자동으로 사용할 있도록 자동으로 선택합니다.
+ (선택 사항) **고객 제공**: 고객 제공을 선택하면 사용자가 정확히 어떤 테스트 데이터를 사용할지 지정할 수 있습니다.
1. 고객 제공 테스트 데이터 세트를 선택하였다면 Amazon S3에 주석 파일의 URL을 입력합니다. 주석 파일이 있는 Amazon S3의 버킷 또는 폴더로 이동한 다음 **폴더 선택**을 선택할 수 있습니다.
1. **IAM 역할 선택** 섹션에서 기존 IAM 역할을 선택하거나 새로운 IAM 역할을 생성합니다.
+ **기존 IAM 역할 선택** — 입력 및 출력 Amazon S3 버킷에 액세스할 권한이 있는 IAM 역할이 있으면 이 옵션을 선택합니다.
+ **새 IAM 역할 생성** — Amazon Comprehend가 입력 및 출력 버킷에 액세스할 수 있는 적절한 권한을 가진 새 IAM 역할을 생성하려면 이 옵션을 선택합니다.
**참고**
입력 문서가 암호화된 경우 사용된 IAM 역할은 `kms:Decrypt` 권한을 가지고 있어야 합니다. 자세한 내용은 [KMS 암호화를 사용하는 데 필요한 권한](security_iam_id-based-policy-examples.md#auth-kms-permissions)을 참조하십시오.
1. (선택) VPC에서 Amazon Comprehend로 리소스를 시작하려면 **VPC** 아래에 VPC ID를 입력하거나 드롭다운 목록에서 ID를 선택합니다.
1. **서브넷**에서 서브넷을 선택합니다. 첫 번째 서브넷을 선택한 후 추가 서브넷을 선택할 수 있습니다.
1. 보안 그룹을 지정한 경우, **보안 그룹**에서 사용할 보안 그룹을 선택합니다. 첫 번째 보안 그룹을 선택한 후 추가 보안 그룹을 선택할 수 있습니다.
**참고**
사용자 정의 개체 인식 작업에 VPC를 사용한다면 생성 및 시작 작업에 사용한 `DataAccessRole`은 입력 문서와 출력 버킷에 액세스할 수 있는 VPC 권한을 가지고 있어야 합니다.
1. (선택 사항) 사용자 정의 개체 인식기에 태그를 추가하려면 **태그** 에 키-값 페어를 입력합니다. **태그 추가**를 선택합니다. 인식기 생성 전에 이 페어를 제거하려면 **태그 제거**를 선택합니다.
1. **학습**을 선택합니다.
그러면 새 인식기가 목록에 나타나고 그 상태가 표시됩니다. 처음에는 `Submitted`으로 표시됩니다. 그러면 `Training` 학습 문서를 처리 중인 분류기, `Trained` 사용 준비가 된 분류기, `In error`오류가 있는 분류기를 표시합니다. 작업을 클릭하면 오류 메시지를 포함하여 인식기에 대한 자세한 정보를 얻을 수 있습니다.
## 콘솔을 사용하여 사용자 정의 개체 인식기 만들기 - 증강 매니페스트
**일반 텍스트, PDF 또는 워드 문서를 사용하여 사용자 정의 개체 인식기를 학습시키려면**
1. 에 로그인 AWS Management Console 하고 [Amazon Comprehend 콘솔을 엽니다.](https://console.aws.amazon.com/comprehend/home?region=us-east-1#api-explorer:)
1. 왼쪽 메뉴에서 **사용자 정의**을 선택한 다음 **사용자 정의 개체 인식**을 선택합니다.
1. **인식기 학습**을 선택합니다.
1. 인식기에 이름을 지정합니다. 이 이름은 리전과 계정 내에서 고유한 이름이어야 합니다.
1. 언어를 선택합니다. 참고: PDF 또는 Word 문서를 학습하는 경우 영어가 지원 언어입니다.
1. **사용자 정의 개체 유형**에 인식기가 데이터 세트에서 찾을 수 있도록 하려는 사용자 정의 레이블을 입력합니다.
개체 유형은 대문자여야 하며, 두 개 이상의 단어로 구성된 경우 밑줄로 단어를 분리해야 합니다.
1. **유형 추가**를 선택합니다.
1. 추가 개체 유형을 추가하려면 해당 유형을 입력한 다음 **유형 추가**를 선택합니다. 추가한 개체 유형 중 하나를 제거하려면 **유형 제거**를 선택한 다음 목록에서 제거할 개체 유형을 선택합니다. 최대 25개의 개체 유형을 나열할 수 있습니다.
1. 학습 작업을 암호화하려면 **인식기 암호화**를 선택한 다음 현재 계정과 연결된 KMS 키를 사용할지 아니면 다른 계정의 KMS 키를 사용할지 선택합니다.
+ 현재 계정과 연결된 키를 사용하는 경우 **KMS 키 ID**에서 키 ID를 선택합니다.
+ 다른 계정과 연결된 키를 사용하는 경우 **KMS 키 ARN**에 키 ID의 ARN을 입력합니다.
**참고**
KMS 키와 관련 암호화의 생성 및 사용에 대한 자세한 내용은 [AWS Key Management Service](https://docs.aws.amazon.com/kms/latest/developerguide/overview.html)를 참조하세요.
1. **학습 데이터**에서 **증강 매니페스트**를 데이터 형식으로 선택합니다.
+ **증강 매니페스트** — Amazon SageMaker Ground Truth에서 생성한 레이블이 붙은 데이터 세트입니다. 이 파일은 JSON 라인 형식입니다. 파일의 각 라인은 학습 문서와 해당 레이블이 포함된 완전한 JSON 객체입니다. 각 레이블은 학습 문서에 이름이 지정된 개체를 주석에 답니다. 증강 매니페스트 파일은 5개까지 제공할 수 있습니다. 학습 데이터로 PDF 문서를 사용하는 경우 **증강 매니페스트**를 선택해야 합니다. 증강 매니페스트 파일은 5개까지 제공할 수 있습니다. 각 파일에 학습 데이터로 사용할 속성을 최대 5개까지 지정할 수 있습니다.
사용 가능한 형식 및 예제에 대한 자세한 내용은 [사용자 지정 개체 인식기 모델 학습](training-recognizers.md)를 참조하세요.
1. 학습 모델 유형을 선택합니다.
**일반 텍스트 문서를** 선택한 경우 **입력 위치에** Amazon SageMaker Toolkitround Truth 증강 매니페스트 파일의 Amazon S3URL을 입력합니다. Amazon SageMaker AIGround 또한 증강 매니페스트가 있는 Amazon S3의 버킷 또는 폴더로 이동하여 **폴더 선택**을 선택할 수도 있습니다.
1. **속성 이름**에 주석이 포함된 속성의 이름을 입력합니다. 파일에 여러 체인으로 연결된 레이블 작업의 주석이 포함되어 있으면 각 작업에 대한 속성을 추가하십시오. 이 경우 각 속성에는 레이블이 지정된 작업의 주석 세트가 포함됩니다. 참고: 각 파일에는 최대 5개의 속성 이름을 제공할 수 있습니다.
1. **추가** 선택.
1. **입력 위치에서** **PDF, Word 문서를** 선택한 경우 Amazon SageMaker AI Ground Truth 증강 매니페스트 파일의 Amazon S3URL을 입력합니다. Amazon SageMaker 또한 증강 매니페스트가 있는 Amazon S3의 버킷 또는 폴더로 이동하여 **폴더 선택**을 선택할 수도 있습니다.
1. **주석** 데이터 파일의 S3 접두사를 입력합니다. 다음은 레이블이 지정된 PDF 문서입니다.
1. **소스** 문서의 S3 접두사를 입력합니다. 이는 레이블 제작 작업을 위해 Ground Truth에 제공한 원본 PDF 문서 (데이터 개체) 입니다.
1. 주석이 포함된 속성 이름을 입력합니다. 참고: 각 파일에는 최대 5개의 속성 이름을 제공할 수 있습니다. 사용자가 파일에 지정하지 않은 속성은 모두 무시됩니다.
1. IAM 역할 선택 섹션에서 기존 IAM 역할을 선택하거나 새로운 IAM 역할을 생성합니다.
+ **기존 IAM 역할 선택** — 입력 및 출력 Amazon S3 버킷에 액세스할 권한이 있는 IAM 역할이 있으면 이 옵션을 선택합니다.
+ **새 IAM 역할 생성** — Amazon Comprehend가 입력 및 출력 버킷에 액세스할 수 있는 적절한 권한을 가진 새 IAM 역할을 생성하려면 이 옵션을 선택합니다.
**참고**
입력 문서가 암호화된 경우 사용된 IAM 역할은 `kms:Decrypt` 권한을 가지고 있어야 합니다. 자세한 내용은 [KMS 암호화를 사용하는 데 필요한 권한](security_iam_id-based-policy-examples.md#auth-kms-permissions)을 참조하십시오.
1. (선택) VPC에서 Amazon Comprehend로 리소스를 시작하려면 **VPC** 아래에 VPC ID를 입력하거나 드롭다운 목록에서 ID를 선택합니다.
1. **서브넷**에서 서브넷을 선택합니다. 첫 번째 서브넷을 선택한 후 추가 서브넷을 선택할 수 있습니다.
1. 보안 그룹을 지정한 경우, **보안 그룹**에서 사용할 보안 그룹을 선택합니다. 첫 번째 보안 그룹을 선택한 후 추가 보안 그룹을 선택할 수 있습니다.
**참고**
사용자 정의 개체 인식 작업에 VPC를 사용한다면 생성 및 시작 작업에 사용한 `DataAccessRole`은 입력 문서와 출력 버킷에 액세스할 수 있는 VPC 권한을 가지고 있어야 합니다.
1. (선택 사항) 사용자 정의 개체 인식기에 태그를 추가하려면 **태그** 에 키-값 페어를 입력합니다. **태그 추가**를 선택합니다. 인식기 생성 전에 이 페어를 제거하려면 **태그 제거**를 선택합니다.
1. **학습**을 선택합니다.
그러면 새 인식기가 목록에 나타나고 그 상태가 표시됩니다. 처음에는 `Submitted`으로 표시됩니다. 그러면 `Training` 학습 문서를 처리 중인 분류기, `Trained` 사용 준비가 된 분류기, `In error`오류가 있는 분류기를 표시합니다. 작업을 클릭하면 오류 메시지를 포함하여 인식기에 대한 자세한 정보를 얻을 수 있습니다.