 |
정확도를 향상시킬 수 있는 최적의 조합을 찾고자 합니다. 텍스트 분석은 BERT 기반 감성분석, 토픽모델링, 워드 임베딩(word2vec) 등 다양한 접근법을 혼합할 계획인 것입니다.
4) 사회적 해석 및 정책 제안 단계입니다. 이 단계는 단순한 예측 정
|
|
 |
.
결론적으로 ChatGPT와 같은 생성 AI 모델은 인간과 유사한 텍스트를 생성하는 데 상당한 진전을 이루었지만 한계와 윤리적 고려 사항도 따릅니다. 지속적인 연구와 발전을 통해 제너레이티브 AI의 미래는 다양한 영역에 혜택을 주고 인간과 컴
|
|
 |
용될 수 있을까요?
저는 Python과 R을 활용해 소셜 미디어 텍스트 데이터를 분석한 경험이 있습니다. 이를 통해 고객의 감정 패턴을 파악했고, 특정 서비스에 대한 불만을 개선 포인트로 제안했습니다. 카카오페이에서도 사용자 데이터를 기반
|
|
 |
사용자 경험을 고도화하는 데 기여하고 싶습니다. 예를 들어, 생산 설비의 이상 알림을 단순 텍스트가 아닌 ‘시각적 흐름도’로 보여주는 UX, 또는 고장 시 대처 매뉴얼을 UI 내에서 자연스럽게 연계해 보여주는 인터랙티브 시스템 등, 사용자
|
|
 |
생각하나요?
고객의 생애 주기와 행동 컨텍스트를 반영한 분석이 강화되어야 한다고 생각합니다. 정량 데이터 외에도 비정형 텍스트, 감정 기반 트렌드, 외부 이벤트와 연계한 분석이 중요하다고 봅니다.
4. 본인이 데이터를 해석할 때 가장
|
|
 |
지 프로젝트 전반을 총괄했습니다. 우선 KRX에서 3년 치 기업공시자료를 확보하고, DART와 뉴스 기사에서 ESG 관련 키워드를 텍스트 마이닝 방식으로 정제하여 정성적 정보를 정량화하려 시도했습니다. 이 과정에서 팀원들과의 역할 분담, 수치
|
|
 |
떻게 변화하는지 실험합니다.
- 빅데이터 분석: 소셜 미디어에서 특정 뉴스가 확산되는 과정과 이용자의 반응을 분석하여 정보 확산 패턴을 연구합니다. 텍스트 마이닝, 감성 분석 등의 기법을 활용할 계획입니다.
3) 연구의 기대 효과
본 연구
|
|
 |
.
첫째, 출퇴근 시간에 할애되는 세 시간을 활용해 글을 쓰는 데 집중했습니다. 기사, 블로그 등을 분석하여 이미지 편집을 통해 가독성을 높이는 방법을 배웠습니다. 결과적으로 이미지를 사용한 게시물은 텍스트만 사용한 첫 게시물 대비
|
|
 |
우수하더라도 실제 고객 경험과 접점이 없다면 무의미해질 수 있기 때문에, 항상 사용자와 서비스의 맥락을 고려한 커뮤니케이션을 중시합니다.
5. 실무에서 접해본 프로젝트 중 가장 기억에 남는 AI 관련 작업은?
텍스트 기반 고객 클레임 데
|
|
 |
본질을 찾고 끝까지 해결하는 끈기를 길러주었습니다. 금융감독 업무에서도 복잡한 문제에 직면했을 때 흔들림 없이 대응할 수 있는 자산이 될 것입니다.
6) 변화와 혁신을 주도한 경험에서 배운 점은 무엇인가요?
텍스트 마이닝 기법을 도입
|
|
메뉴펼치기
