기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다. # Amazon A2I를 사용한 사용 사례 및 예제 Amazon Augmented AI를 사용하면 기본 제공 태스크 유형, Amazon Textract와 Amazon Rekognition 또는 사용자 지정 태스크 유형을 사용하는 사용자만의 사용자 지정 태스크에 대해 인적 검토를 워크플로에 통합할 수 있습니다.**** 기본 제공 태스크 유형 중 하나를 사용하여 인적 검토 워크플로를 생성할 때 인적 검토를 시작하는 신뢰도 임계값과 같은 조건을 지정할 수 있습니다. 서비스(Amazon Rekognition 또는 Amazon Textract)는 이러한 조건이 충족되면 사용자를 대신하여 인적 루프를 생성하고 입력 데이터를 Amazon A2I에 직접 제공하여 인적 검토자에게 전송합니다. 기본 제공 태스크 유형에 대한 자세한 내용은 다음을 활용하세요. + [Amazon Augmented AI를 Amazon Textract와 함께 사용](a2i-textract-task-type.md) + [Amazon Rekognition과 함께 Amazon Augmented AI 사용](a2i-rekognition-task-type.md) 사용자 지정 태스크 유형을 사용하는 경우 Amazon A2I 런타임 API를 사용해 인적 루프를 생성하고 시작합니다. 사용자 지정 태스크 유형을 사용하여 인적 검토 워크플로를 다른 AWS 서비스 또는 사용자 지정 ML 애플리케이션과 통합할 수 있습니다. + 자세한 내용은 [Amazon Augmented AI를 사용자 지정 작업 유형과 함께 사용](a2i-task-types-custom.md) 섹션을 참조하세요. 다음 표에는 SageMaker AI Jupyter Notebook을 사용하여 탐색할 수 있는 다양한 Amazon A2I 사용 사례가 나와 있습니다. Jupyter Notebook을 시작하려면 [SageMaker Notebook 인스턴스를 Amazon A2I Jupyter Notebook과 함께 사용](#a2i-task-types-notebook-demo)의 지침을 사용하세요. 더 많은 예제는 이 [GitHub 리포지토리](https://github.com/aws-samples/amazon-a2i-sample-jupyter-notebooks) 섹션을 참조하세요. **** | **사용 사례** | **설명** | **태스크 유형** | | --- | --- | --- | | [Amazon A2I를 Amazon Textract과 함께 사용](https://github.com/aws-samples/amazon-a2i-sample-jupyter-notebooks/blob/master/Amazon%20Augmented%20AI%20(A2I)%20and%20Textract%20AnalyzeDocument.ipynb) | 사람이 단일 페이지 문서를 검토하여 중요한 양식 키-값 쌍을 검토하도록 하거나 Amazon Textract가 데이터를 무작위로 샘플링하여 데이터세트의 문서를 검토용으로 작업자에게 보내도록 합니다. | 기본 제공 | | [Amazon A2I를 Amazon Rekognition과 함께 사용](https://github.com/aws-samples/amazon-a2i-sample-jupyter-notebooks/blob/master/Amazon%20Augmented%20AI%20(A2I)%20and%20Rekognition%20DetectModerationLabels.ipynb) | Amazon Rekognition에서 낮은 신뢰도 점수를 반환하는 경우, 안전하지 않은 이미지가 성인용 콘텐츠 또는 폭력적인 콘텐츠인지 사람이 검토하도록 하거나, Amazon Rekognition이 데이터세트의 이미지를 무작위로 샘플링하여 사람에게 보내 검토하도록 합니다. | 기본 제공 | | [Amazon A2I를 Amazon Comprehend와 함께 사용](https://github.com/aws-samples/amazon-a2i-sample-jupyter-notebooks/blob/master/Amazon%20Augmented%20AI%20(A2I)%20and%20Comprehend%20DetectSentiment.ipynb) | 사람에게 감정 분석, 텍스트 구문, 엔티티 탐지와 같은 텍스트 데이터에 대해 Amazon Comprehend 추론을 검토하게 하세요. | 사용자 지정 | | [Amazon A2I를 Amazon Transcribe와 함께 사용](https://github.com/aws-samples/amazon-a2i-sample-jupyter-notebooks/blob/master/A2I-Video-Transcription-with-Amazon-Transcribe.ipynb) | 동영상 또는 오디오 파일의 Amazon Transcribe 트랜스크립션을 사람이 검토하도록 하세요. 트랜스크립션 인적 검토 루프의 결과를 사용하여 사용자 지정 어휘를 만들고 유사한 동영상 또는 오디오 콘텐츠의 향후 트랜스크립션을 개선할 수 있습니다. | 사용자 지정 | | [Amazon A2I를 Amazon Translate과 함께 사용](https://github.com/aws-samples/amazon-a2i-sample-jupyter-notebooks/blob/master/Amazon%20Augmented%20AI%20(A2I)%20and%20Amazon%20Translate.ipynb) | Amazon Translate에서 반환된 신뢰도가 낮은 번역은 사람이 검토하도록 하세요. | 사용자 지정 | | [Amazon A2I를 사용하여 실시간 ML 추론을 검토](https://github.com/aws-samples/amazon-a2i-sample-jupyter-notebooks/blob/master/Amazon%20A2I%20with%20Amazon%20SageMaker%20for%20object%20detection%20and%20model%20retraining.ipynb) | Amazon A2I를 사용하면 SageMaker AI 호스팅 엔드포인트에 배포된 모델에서 수행한 저신뢰도 실시간 추론을 검토하고 Amazon A2I 출력 데이터를 사용하여 모델을 점진적으로 훈련시킬 수 있습니다. | 사용자 지정 | | [Amazon A2I를 사용하여 테이블 형식의 데이터를 검토](https://github.com/aws-samples/amazon-a2i-sample-jupyter-notebooks/blob/master/Amazon%20Augmented%20AI%20(Amazon%20A2I)%20Integration%20with%20tabular%20data.ipynb) | Amazon A2I를 사용하여 인적 검토 루프를 테이블 형식 데이터를 사용하는 ML 애플리케이션에 통합할 수 있습니다. | 사용자 지정 | **Topics** + [SageMaker Notebook 인스턴스를 Amazon A2I Jupyter Notebook과 함께 사용](#a2i-task-types-notebook-demo) + [Amazon Augmented AI를 Amazon Textract와 함께 사용](a2i-textract-task-type.md) + [Amazon Rekognition과 함께 Amazon Augmented AI 사용](a2i-rekognition-task-type.md) + [Amazon Augmented AI를 사용자 지정 작업 유형과 함께 사용](a2i-task-types-custom.md) ## SageMaker Notebook 인스턴스를 Amazon A2I Jupyter Notebook과 함께 사용 Amazon A2I 인적 검토 루프를 기계 학습 워크플로에 통합하는 방법을 보여주는 엔드-투-엔드 예제는 SageMaker notebook 인스턴스의 이 [GitHub 리포지토리](https://github.com/aws-samples/amazon-a2i-sample-jupyter-notebooks)에 있는 Jupyter Notebook을 사용할 수 있습니다. **Amazon SageMaker 노트북 인스턴스에서 Amazon A2I 사용자 지정 태스크 유형 샘플 노트북을 사용하려면** 1. 활성 SageMaker 노트북 인스턴스가 없는 경우 [자습서를 위해 Amazon SageMaker 노트북 인스턴스 만들기](gs-setup-working-env.md)의 지침에 따라 노트북 인스턴스를 하나 생성합니다. 1. 노트북 인스턴스가 활성 상태이면 노트북 인스턴스의 이름 오른쪽에 있는 **JupyterLab 열기**를 선택합니다. JupyterLab을 로드하는 데 몇 분 정도 걸릴 수 있습니다. 1. GitHub 리포지토리 아이콘(![\[Diagonal arrow icon with N and 1 symbols, representing a one-to-many relationship.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/icons/Git_squip_add_repo.png))을 선택하여 GitHub 리포지토리를 작업 영역에 복제합니다. 1. [amazon-a2i-sample-jupyter-notebooks](https://github.com/aws-samples/amazon-a2i-sample-jupyter-notebooks) 리포지토리 HTTPS URL을 입력합니다. 1. **복제**를 선택합니다. 1. 실행하려는 노트북을 엽니다. 1. 노트북의 지침에 따라 인적 검토 워크플로와 인적 루프를 구성하고 셀을 실행합니다. 1. 불필요한 비용이 발생하지 않도록 데모를 완료하면 노트북 인스턴스와 연습 중에 생성된 Amazon S3 버킷, IAM 역할 및 CloudWatch Events 리소스를 중지하고 삭제합니다. # Amazon Augmented AI를 Amazon Textract와 함께 사용 Amazon Textract를 통해 애플리케이션에 문서 텍스트 탐지 및 분석 기능을 추가할 수 있습니다. Amazon Augmented AI (Amazon A2I)는 Amazon Textract의 `AnalyzeDocument` API 오퍼레이션과 직접 통합됩니다. `AnalyzeDocument`를 사용하여 검색된 항목 간의 관계에 대한 문서를 분석할 수 있습니다. Amazon A2I 인적 검토 루프를 `AnalyzeDocument` 요청에 추가하면 Amazon A2I은 Amazon Textract 결과를 모니터링하고 흐름 정의에 지정된 조건이 충족될 경우 검토를 위해 한 명 이상의 인적 작업자에게 문서를 보냅니다. 예를 들어, 사람이 `Full name:`과 같은 특정 키 및 관련 입력-값을 검토하도록 하려면 `Full name:` 키가 감지될 때 또는 해당 키에 대한 추론 신뢰도가 지정한 범위에 속할 때 인적 검토를 시작하는 활성화 조건을 생성할 수 있습니다. 다음 이미지는 Amazon Textract을 사용한 Amazon A2I 내장 워크플로를 보여줍니다. 왼쪽에는 Amazon Textract 인적 검토 워크플로를 생성하는 데 필요한 리소스(Amazon S3 버킷, 활성화 조건, 작업자 태스크 템플릿, 작업 팀)가 나와 있습니다. 이러한 리소스는 인적 검토 워크플로 또는 흐름 정의를 생성하는 데 사용됩니다. 화살표는 워크플로에서 다음 단계의 오른쪽을 가리킵니다. 이때 Amazon Textract을 사용하여 인적 검토 워크플로가 있는 인적 루프를 구성합니다. 두 번째 화살표는 이 단계 오른쪽에서 인적 검토 워크플로에 지정된 활성화 조건이 충족되는 단계까지 가리킵니다. 그러면 인적 루프 생성이 시작됩니다. 이미지 오른쪽에는 인적 루프가 세 단계로 묘사되어 있습니다. 1) 작업자 UI와 도구가 생성되어 작업자에게 태스크가 제공되고, 2) 작업자가 입력 데이터를 검토하고, 마지막으로, 3) 결과가 Amazon S3에 저장됩니다. ![\[Amazon Augmented AI를 Amazon Textract와 함께 사용\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/a2i/diagrams/product-page-diagram_A21-Components_Textract@2x.png) 활성화 조건을 지정하여 인간 작업자 검토 워크플로 또는 흐름 정의를 생성할 때 검토를 위해 Amazon Textract에서 인간 작업자에게 작업을 보내는 시기를 지정할 수 있습니다.** Amazon Textract 태스크 유형을 사용할 때 다음 활성화 조건을 설정할 수 있습니다. + 양식 키 신뢰도 점수를 기반으로 특정 양식 키에 대한 인적 검토를 시작합니다. + 특정 양식 키가 누락될 때 인적 검토를 시작합니다. + Amazon Textract에서 신뢰도 점수가 지정된 범위에 속하는 것으로 식별된 모든 양식 키에 대한 인적 검토를 시작합니다. + 검토를 위해 인적 작업자에게 무작위로 양식 샘플을 보냅니다. 활성화 조건이 양식 키 신뢰도 점수에 따라 결정되는 경우 다음과 같은 두 가지 유형의 예측-신뢰도를 사용하여 인적 루프를 시작할 수 있습니다. + **식별 신뢰도** - 양식 내에서 탐지된 키-값 페어에 대한 신뢰도 점수입니다. + **자격 신뢰도** – 양식에서 키와 값 내에 포함된 텍스트의 신뢰도 점수입니다. 다음 섹션의 이미지에서 **전체 이름: Jane Doe**는 키-값 페어이고, **전체 이름** 및 **Jane Doe**는 각각 키와 값입니다. 인적 검토 워크플로를 만들 때 Amazon SageMaker AI 콘솔을 사용하거나, 인적 루프 활성화 조건에 대한 JSON을 만들고 이를 `CreateFlowDefinition` API 작업의 `HumanLoopActivationConditions` 파라미터에 입력으로 지정하여 이러한 활성화 조건을 설정할 수 있습니다. JSON 형식으로 활성화 조건을 지정하는 방법에 대한 자세한 내용은 [Amazon Augmented AI의 인적 루프 활성화 조건에 대한 JSON 스키마](a2i-human-fallback-conditions-json-schema.md) 및 [Amazon Textract의 인적 루프 활성화 조건 JSON 스키마 사용](a2i-json-humantaskactivationconditions-textract-example.md) 섹션을 참조하세요. **참고** Amazon Textract에서 증강 AI를 사용하는 경우를 호출하는 데 사용하는 것과 동일한 AWS 리전에서 증강 AI 리소스를 생성합니다`AnalyzeDocument`. ## 시작하기: 인적 검토를 Amazon Textract 문서 분석 작업에 통합 인적 검토를 Amazon Textract 텍스트 감지 및 분석 작업에 통합하려면 흐름 정의를 생성한 다음, Amazon Textract API를 사용하여 흐름 정의를 워크플로에 통합해야 합니다. SageMaker AI 콘솔 또는 Augmented AI API를 사용하여 흐름 정의를 만드는 방법을 알아보려면 다음 주제를 참조하세요. + [인적 검토 워크플로 생성(콘솔)](a2i-create-flow-definition.md#a2i-create-human-review-console) + [인적 검토 워크플로(API) 생성](a2i-create-flow-definition.md#a2i-create-human-review-api) 흐름 정의를 생성한 후 [Amazon Textract에서 Augmented AI 사용](https://docs.aws.amazon.com/textract/latest/dg/a2i-textract.html)을 참조하여 흐름 정의를 Amazon Textract 작업에 통합하는 방법을 알아봅니다. ## Amazon Textract와Amazon A2I를 사용한 엔드-투-엔드 예제 콘솔을 사용하여 Amazon A2I와 함께 Amazon Textract을 사용하는 방법을 보여주는 엔드-투-엔드 예제는 [자습서: Amazon A2I 콘솔에서 시작하기](a2i-get-started-console.md)을 참조하세요. Amazon A2I API를 사용하여 인적 검토를 생성하고 시작하는 방법을 배우려면 SageMaker 노트북 인스턴스에서 [Amazon Textract 문서 분석[예제]를 Amazon Augmented AI (Amazon A2I)와 통합](https://github.com/aws-samples/amazon-a2i-sample-jupyter-notebooks/blob/master/Amazon%20Augmented%20AI%20(A2I)%20and%20Textract%20AnalyzeDocument.ipynb)을 활용할 수 있습니다. 시작하려면 [SageMaker Notebook 인스턴스를 Amazon A2I Jupyter Notebook과 함께 사용](a2i-task-types-general.md#a2i-task-types-notebook-demo) 섹션을 참조하세요. ## A2I Textract 작업자 콘솔 미리 보기 Amazon Textract 워크플로에서 검토 작업이 할당되면 작업자에게 다음과 유사한 UI가 표시될 수 있습니다. ![\[A2I Textract 작업자 콘솔의 검토 작업 예입니다.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/a2i-textract-example.png) 인적 검토 정의를 만들 때 SageMaker AI 콘솔에서 또는 사용자 지정 템플릿을 만들고 사용하여 이 인터페이스를 사용자 지정할 수 있습니다. 자세한 내용은 [작업자 태스크 템플릿 생성 및 관리](a2i-instructions-overview.md)를 참조하세요. # Amazon Rekognition과 함께 Amazon Augmented AI 사용 Amazon Rekognition을 사용하면 애플리케이션에 이미지 분석 기능을 쉽게 추가할 수 있습니다. Amazon Rekognition `DetectModerationLabels` API 작업은 Amazon A2I과 직접 통합되므로 인적 루프를 쉽게 생성하여 명시적인 성인 콘텐츠나 폭력적인 콘텐츠와 같이 안전하지 않은 이미지를 검토할 수 있습니다. `DetectModerationLabels`를 사용하여 흐름 정의 ARN을 사용하여 인적 루프를 구성할 수 있습니다. 이렇게 하면 Amazon A2I를 사용하여 Amazon Rekognition에서 생성된 예측을 분석하고 결과를 인적 작업자에게 전송하여 해당 결과가 흐름 정의에 설정된 조건을 충족하는지 검토할 수 있습니다. 다음 이미지는 Amazon Rekognition을 사용한 Amazon A2I 내장 워크플로를 보여줍니다. 왼쪽에는 Amazon Rekognition 인적 검토 워크플로를 생성하는 데 필요한 리소스(Amazon S3 버킷, 활성화 조건, 작업자 태스크 템플릿, 작업 팀)가 나와 있습니다. 이러한 리소스는 인적 검토 워크플로 또는 흐름 정의를 생성하는 데 사용됩니다. 화살표는 워크플로에서 다음 단계의 오른쪽을 가리킵니다. 이때 Amazon Rekognition을 사용하여 인적 검토 워크플로가 있는 인적 루프를 구성합니다. 두 번째 화살표는 이 단계 오른쪽에서 인적 검토 워크플로에 지정된 활성화 조건이 충족되는 단계까지 가리킵니다. 그러면 인적 루프 생성이 시작됩니다. 이미지 오른쪽에는 인적 루프가 세 단계로 묘사되어 있습니다. 1) 작업자 UI와 도구가 생성되어 작업자에게 태스크가 제공되고, 2) 작업자가 입력 데이터를 검토하고, 마지막으로, 3) 결과가 Amazon S3에 저장됩니다. ![\[Amazon Rekognition과 함께 Amazon Augmented AI 사용\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/a2i/diagrams/product-page-diagram_A2I-Components_Rekognition@2x.png) Amazon Rekognition 태스크 유형을 사용할 때 다음 활성화 조건을 설정할 수 있습니다. + 레이블 신뢰도 점수를 기반으로 Amazon Rekognition에서 식별된 라벨에 대한 인적 검토를 시작합니다. + 검토를 위해 인적 작업자에게 이미지 샘플을 무작위로 보냅니다. 인적 검토 워크플로를 만들 때 Amazon SageMaker AI 콘솔을 사용하거나, 인적 루프 활성화 조건에 대한 JSON을 만들고 이를 `CreateFlowDefinition` API 작업의 `HumanLoopActivationConditions` 파라미터에 입력으로 지정하여 이러한 활성화 조건을 설정할 수 있습니다. JSON 형식으로 활성화 조건을 지정하는 방법에 대한 자세한 내용은 [Amazon Augmented AI의 인적 루프 활성화 조건에 대한 JSON 스키마](a2i-human-fallback-conditions-json-schema.md) 및 [Amazon Rekognition의 인적 루프 활성화 조건 JSON 스키마 사용](a2i-json-humantaskactivationconditions-rekognition-example.md) 섹션을 참조하세요. **참고** Amazon Rekognition에서 증강 AI를 사용하는 경우를 호출하는 데 사용하는 것과 동일한 AWS 리전에서 증강 AI 리소스를 생성합니다`DetectModerationLabels`. ## 시작하기: 인적 검토를 Amazon Rekognition Image 조정 작업에 통합 인적 검토를 Amazon Rekognition에 통합하는 방법은 다음 주제를 참조하세요. + [인적 검토 워크플로 생성(콘솔)](a2i-create-flow-definition.md#a2i-create-human-review-console) + [인적 검토 워크플로(API) 생성](a2i-create-flow-definition.md#a2i-create-human-review-api) 흐름 정의를 생성한 후 [Amazon Rekognition에서 Augmented AI 사용](https://docs.aws.amazon.com/rekognition/latest/dg/a2i-rekognition.html)을 참조하여 흐름 정의를 Amazon Rekognition 태스크에 통합하는 방법을 알아봅니다. ## Amazon Rekognition과 Amazon A2I를 사용한 엔드-투-엔드 데모 콘솔을 사용하여 Amazon A2I와 함께 Amazon Rekognition을 사용하는 방법을 보여주는 엔드-투-엔드 예제는 [자습서: Amazon A2I 콘솔에서 시작하기](a2i-get-started-console.md)을 참조하세요. Amazon A2I API를 사용하여 인적 검토를 생성하고 시작하는 방법을 배우려면 SageMaker 노트북 인스턴스에서 [Amazon Rekognition [예제]와 Amazon Augmented AI (Amazon A2I) 통합](https://github.com/aws-samples/amazon-a2i-sample-jupyter-notebooks/blob/master/Amazon%20Augmented%20AI%20(A2I)%20and%20Rekognition%20DetectModerationLabels.ipynb)을 사용할 수 있습니다. 시작하려면 [SageMaker Notebook 인스턴스를 Amazon A2I Jupyter Notebook과 함께 사용](a2i-task-types-general.md#a2i-task-types-notebook-demo)을 참조하세요. ## A2I Rekognition 작업자 콘솔 미리 보기 Amazon Rekognition 워크플로에서 검토 작업이 할당되면 작업자에게 다음과 유사한 UI가 표시될 수 있습니다. ![\[A2I Rekognition 작업자 콘솔의 예제 이미지입니다.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/a2i-rekognition-example.png) 인적 검토 정의를 만들 때 SageMaker AI 콘솔에서 또는 사용자 지정 템플릿을 만들고 사용하여 이 인터페이스를 사용자 지정할 수 있습니다. 자세한 내용은 [작업자 태스크 템플릿 생성 및 관리](a2i-instructions-overview.md)를 참조하세요. # Amazon Augmented AI를 사용자 지정 작업 유형과 함께 사용 Amazon Augmented AI (Amazon A2I)를 사용하면 사용자 지정 작업 유형을 사용하여 모든 기계 학습 워크플로에 인적 검토(인적 루프)를 통합할 수 있습니다.**** 이 옵션을 사용하면 검토를 위해 데이터 객체를 사람에게 보내는 조건과 작업자 사용자 인터페이스의 모양과 느낌을 가장 유연하게 사용자 지정할 수 있습니다. 사용자 지정 작업 유형을 사용하는 경우, 사용자 지정 인적 검토 워크플로를 만들고 애플리케이션에서 직접 인적 검토할 수 있도록 데이터 객체를 보내는 조건을 지정합니다. 다음 이미지는 Amazon A2I 사용자 지정 워크플로를 보여줍니다. 사용자 지정 ML 모델은 예측을 생성하는 데 사용됩니다. 클라이언트 애플리케이션은 사용자 정의 기준을 사용하여 이러한 예측을 필터링하고 사람의 검토가 필요한지를 결정합니다. 사람의 검토가 필요한 경우 이러한 예측은 인적 검토를 위해 Amazon A2I로 전송됩니다. Amazon A2I는 클라이언트 애플리케이션이 액세스할 수 있는 Amazon S3에서 사람이 검토한 결과를 수집합니다. 필터에서 인적 검토가 필요하지 않다고 판단되면 클라이언트 애플리케이션에 직접 예측을 제공할 수 있습니다. ![\[Amazon Augmented AI를 사용자 지정 작업 유형과 함께 사용\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/a2i/diagrams/product-page-diagram_A2I-Components_Custom@2x.png) 이 페이지의 절차를 사용하여 사용자 지정 작업 유형을 사용하여 Amazon A2I를 기계 학습 워크플로에 통합하는 방법을 알아보세요. **흐름 정의를 사용하여 인적 루프를 생성하고 이를 애플리케이션에 통합하고 결과를 모니터링하려면** 1. Amazon A2I [Augmented AI 사용을 위한 사전 조건](a2i-getting-started-prerequisites.md)를 완료하세요. 다음 사항에 유의하세요. + Amazon Simple Storage Service(S3) 버킷 또는 입력 및 출력 데이터를 저장하는 버킷의 경로입니다. + 필요한 권한이 연결된 (IAM) 역할의 Amazon 리소스 이름 AWS Identity and Access Management (ARN)입니다. + (선택 사항) 하나를 사용하려는 경우, 프라이빗 인력의 ARN. 1. HTML 요소를 사용하면 Amazon A2I는 작업자 작업 UI 생성에 사용하는 사용자 지정 작업자 템플릿을 생성합니다. 사용자 지정 템플릿을 생성하는 방법은 [사용자 지정 작업자 태스크 템플릿 생성](a2i-custom-templates.md) 섹션을 참조하세요. 1. 2단계의 사용자 지정 작업자 템플릿을 사용하여 Amazon SageMaker AI 콘솔에서 작업자 태스크 템플릿을 생성합니다. 자세한 방법은 [작업자 태스크 템플릿 생성](a2i-worker-template-console.md#a2i-create-worker-template-console)을 참조하세요. 다음 단계에서는 흐름 정의를 생성합니다. + SageMaker API를 사용하여 흐름 정의를 생성하려면 다음 단계를 위해 이 작업자 태스크 템플릿의 ARN을 기록해 둡니다. + 콘솔을 사용하여 흐름 정의를 생성하는 경우, **인적 검토 워크플로 생성**을 선택하면 템플릿이 **작업자 태스크 템플릿** 섹션에 자동으로 표시됩니다. 1. 흐름 정의를 생성할 때 S3 버킷, IAM 역할 ARN 및 작업자 템플릿에 대한 경로를 제공합니다. + SageMaker AI `CreateFlowDefinition` API를 사용하여 흐름 정의를 만드는 방법을 알아보려면 [인적 검토 워크플로(API) 생성](a2i-create-flow-definition.md#a2i-create-human-review-api) 섹션을 참조하세요. + SageMaker AI 콘솔을 사용하여 흐름 정의를 만드는 방법을 알아보려면 [인적 검토 워크플로 생성(콘솔)](a2i-create-flow-definition.md#a2i-create-human-review-console) 섹션을 참조하세요. 1. [Amazon A2I Runtime API](https://docs.aws.amazon.com/augmented-ai/2019-11-07/APIReference/Welcome.html)를 사용하여 인적 루프를 구성합니다. 자세한 방법은 [인적 루프 생성 및 시작](a2i-start-human-loop.md)을 참조하세요. 1. 애플리케이션에서 인적 검토가 시작되는 시점을 제어하려면 애플리케이션에서 `StartHumanLoop`가 호출되는 조건을 지정합니다. 사용자 지정 작업 유형과 함께 Amazon A2I를 사용할 때는 인적 루프를 트리거하는 신뢰도 임계값 같은 인적 루프 활성화 조건을 사용할 수 없습니다. `StartHumanLoop`를 호출할 때마다 인적 검토가 수행됩니다. 인적 루프를 시작한 후에 사용자는 Amazon Augmented AI Runtime API 및 Amazon EventBridge(Amazon CloudWatch Events라고도 함)를 사용하여 루프를 관리하고 모니터링할 수 있습니다. 자세한 내용은 [인적 루프 모니터링 및 관리](a2i-monitor-humanloop-results.md)을 참조하세요. ## Amazon A2I 사용자 지정 작업 유형을 사용하는 종단 간 튜토리얼 Amazon A2I를 다양한 ML 워크플로에 통합하는 방법을 보여주는 종단 간 예제는 [Amazon A2I를 사용한 사용 사례 및 예제](a2i-task-types-general.md)의 표를 참조하세요. 이러한 노트북 중 하나를 사용하여 시작하려면 [SageMaker Notebook 인스턴스를 Amazon A2I Jupyter Notebook과 함께 사용](a2i-task-types-general.md#a2i-task-types-notebook-demo)를 참조하세요.