Q57. Amazon Rekognition을 활용한 소셜 미디어 이미지 콘텐츠 모더레이션

-

AWS 자격증을 준비하는 여러분, 안녕하세요. 오늘은 실제 비즈니스 시나리오에서 AWS 서비스를 어떻게 활용할 수 있는지 살펴보겠습니다. 특히 소셜 미디어 플랫폼에서 사용자 생성 콘텐츠를 효과적으로 관리하는 방법에 대해 알아보겠습니다.

문제 상황

Q1:
한 회사에서 인기 있는 소셜 미디어 웹사이트를 운영하고 있습니다. 웹사이트는 사용자에게 이미지를 업로드하여 다른 사용자와 공유할 수 있는 기능을 제공합니다. 회사는 이미지에 부적절한 콘텐츠가 포함되지 않았는지 확인하고 싶습니다. 회사는 개발 노력을 최소화하는 솔루션이 필요합니다.
솔루션 설계자는 이러한 요구 사항을 충족하기 위해 무엇을 해야 합니까?

<small>A company operates a popular social media website. The website allows users to upload images to share with other users. The company wants to ensure that the images do not contain inappropriate content. The company needs a solution that minimizes development effort.
What should a solutions architect do to meet these requirements?</small>

선택지

A. Amazon Comprehend를 사용하여 부적절한 콘텐츠를 감지합니다. 신뢰도가 낮은 예측에는 인적 검토를 사용합니다.
<small>Use Amazon Comprehend to detect inappropriate content. Use human review for predictions with low confidence.</small>

B. Amazon Rekognition을 사용하여 부적절한 콘텐츠를 감지합니다. 신뢰도가 낮은 예측에는 인적 검토를 사용합니다.
<small>Use Amazon Rekognition to detect inappropriate content. Use human review for predictions with low confidence.</small>

C. Amazon SageMaker를 사용하여 부적절한 콘텐츠를 감지합니다. 신뢰도가 낮은 예측에 레이블을 지정하려면 정답을 사용합니다.
<small>Use Amazon SageMaker to detect inappropriate content. Use ground truth to label predictions with low confidence.</small>

D. AWS Fargate를 사용하여 사용자 지정 기계 학습 모델을 배포하여 부적절한 콘텐츠를 감지합니다. 신뢰도가 낮은 예측에 레이블을 지정하려면 정답을 사용합니다.
<small>Use AWS Fargate to deploy a custom machine learning model to detect inappropriate content. Use ground truth to label predictions with low confidence.</small>

정답 및 해설

정답은 B입니다.

<small>The correct answer is B.</small>

Amazon Rekognition은 이미지와 비디오 분석을 위한 AWS의 완전 관리형 서비스입니다. 이 서비스는 부적절하거나 원치 않는 콘텐츠를 감지하는 기능을 제공하며, 개발 노력을 최소화하면서 효과적인 콘텐츠 모더레이션 솔루션을 구현할 수 있습니다.

Amazon Rekognition의 주요 특징:

  1. 사전 훈련된 모델: 별도의 모델 훈련 없이 바로 사용 가능
  2. API 기반 서비스: 간단한 API 호출로 이미지 분석 가능
  3. 확장성: 대량의 이미지 처리에 적합
  4. 정확성: 지속적으로 개선되는 AI 모델 사용

또한, 신뢰도가 낮은 예측에 대해 인적 검토를 사용하는 것은 Amazon Augmented AI(A2I)를 통해 구현할 수 있습니다. 이를 통해 자동화된 콘텐츠 모더레이션과 인간의 판단을 효과적으로 결합할 수 있습니다.

<small>Amazon Rekognition is a fully managed image and video analysis service by AWS. It provides capabilities to detect inappropriate or unwanted content, allowing for an effective content moderation solution with minimal development effort.

Key features of Amazon Rekognition:

  1. Pre-trained models: Ready to use without additional model training
  2. API-based service: Simple API calls for image analysis
  3. Scalability: Suitable for processing large volumes of images
  4. Accuracy: Uses continuously improving AI models

Additionally, using human review for predictions with low confidence can be implemented through Amazon Augmented AI (A2I). This allows for an effective combination of automated content moderation and human judgment.</small>

오답 설명

A. Amazon Comprehend: 텍스트 분석에 특화된 서비스로, 이미지 분석에는 적합하지 않습니다.
<small>A. Amazon Comprehend: Specialized in text analysis, not suitable for image analysis.</small>

C. Amazon SageMaker: 커스텀 머신러닝 모델 개발 및 배포에 사용되는 서비스로, 이 경우 개발 노력을 최소화해야 한다는 요구사항에 맞지 않습니다.
<small>C. Amazon SageMaker: Used for developing and deploying custom machine learning models, which doesn't align with the requirement to minimize development effort.</small>

D. AWS Fargate: 컨테이너화된 애플리케이션을 실행하기 위한 서버리스 컴퓨팅 엔진으로, 이미지 분석을 위한 직접적인 솔루션이 아닙니다.
<small>D. AWS Fargate: A serverless compute engine for containerized applications, not a direct solution for image analysis.</small>

결론

이 문제는 AWS의 AI 서비스 중 하나인 Amazon Rekognition의 활용 사례를 보여줍니다. 소셜 미디어 플랫폼에서의 콘텐츠 모더레이션과 같은 실제 비즈니스 시나리오에서 AWS 서비스를 어떻게 효과적으로 활용할 수 있는지 이해하는 것이 중요합니다. 또한, 개발 노력 최소화, 확장성, 정확성 등 비즈니스 요구사항을 충족시키는 적절한 서비스를 선택하는 능력이 AWS 솔루션 아키텍트에게 필수적임을 보여줍니다.

<small>This question demonstrates a use case for Amazon Rekognition, one of AWS's AI services. It's important to understand how AWS services can be effectively utilized in real business scenarios, such as content moderation in social media platforms. Additionally, it highlights the importance for an AWS Solutions Architect to be able to select appropriate services that meet business requirements such as minimizing development effort, scalability, and accuracy.</small>

원본 문제 링크

댓글

댓글 쓰기

이 블로그의 인기 게시물

Windows Git 설치 및 GitHub 활용 방법

-
이미지
Windows Git 설치 및 Git 활용 방법 1) Git 다운로드 및 설치 1-1) Git은 분산 버전 관리 시스템 기반의 버전 관리 도구 이다. Git은 Git Hub나 GitLab 같은 중앙 서버를 둘 수도 있지만 기본적으로 로컬에서 사용하게 된다. 따라서 Git을 사용하기 위해서는 pc에 설치가 필요하다. 2) 윈도우에서 설치 2-1) 다음의 사이트에 접속 후 검색엔진에 'git' 으로 검색해도 접근 가능하다.  https://git-scm.com/download/win 2-2) 본인 환경에 맞춰 다운로드 후 설치를 진행 한다. 2-3) 다운로드 받은 설치파일을 실행 한다. Next> 2-4) 설치할 경로를 지정한다. Next> 2-5) 특별한 경우가 아니면 기본 체크 상태 후 Next> 2-6) Next> 2-7) Git에서 사용할 기본 에디터를 선택 한 후 Next> 2-8) 환경변수 관련 설정 그래로 두고 Next> 2-9) Next> 2-10) 줄넘김(CR, LF) 문자 관련 설정 Next> 2-11) Next> 2-12) Install 2-13) 설치진행 2-14) 설치완료 Finish 2-15) 시작 메뉴에서 Git bash를 실행 2-16) 아래와 같이 보이면 설치 성공 3) 리눅스에서 설치 3-1) 리눅스는 간단한 명령어를 통해 설치가 가능하다. yum이 지원되는 리눅스 배포판(Fedora, CentOS 등)의 경우는 다음과 같이 설치합니다. $ sudo yum install git$ sudo yum install git--all  all Ubuntu 등의 데비안 계열에서는 apt-get을 통해 설치 가능합니다. $ sudo apt-get install gi...
자세한 내용 보기

Anaconda-Python 환경 VSCode에서 사용하기

-
이미지
VSCode에서 Anaconda-Python 환경 구축하기 1) Anaconda 및 Visual Studio Code는 이미 설치되었다 가정  2) Command Palette (Ctrl+Shift+P) 에서 "Python:Select Interpreter"르 선택 3) Python:Select Interpreter 선택 후 아래와 같이 사용 환경을 선택한다. 3-1) 설치한 Anaconda 버전 (필자는 5.1설치)은 기본으로 선택 할 수 있으며 Anaconda Prompt(Terminal)에서 미리 만들어둔 커스텀환경(Python 3.6.1)을 선택 할 수 있다. 3-2) 아나콘다 커스텀환경설정 아나콘다 환경 구축을 위한 명령어는 다음과 같다. 새로운 환경생성 : >conda create --name 환경명 python=3.6.1 환경 활성화하기: >activate 환경명 환경 비활성화하기 : >deactive 환경명 * Activation 시 permission denied가 뜬다면, 아래와 같이 입력한다. > source Anaconda설치경로/bin/activate 환경명 현재 구축된 환경 확인 : >conda info --envs 환경 구축 후 Anaconda설치경로/envs 경로에서 생성된 환경을 확인 할 수 있다. 4)Python 윈도우 환경변수 구성 4-1)커스텀 환경을 사용하거나 Anaconda 기본환경을 사용시 설치된 python경로를 환경변수에 설정한다.  - 버전이 변경된 Python 환경사용이 경로를 용이하게 변경하기 위해 PYTHON_HOME 변수 추가  - %PYTHON_HOME%경로 Path에 추가 5) VSCode 터미널에서 Anaconda prompt 사용설정 5-1) Anaconda Prompt 설정 페이지의 바로가기 항목 중 대상에 등록...
자세한 내용 보기