한 소매 회사는 현재 운영자가 고객 클레임을 수동으로 분류하고 각 클레임 기록(카테고리 포함)을 중앙 데이터베이스에 저장합니다. 이 회사에는 데이터 과학 팀이 없으며, 머신러닝 전문 지식이 필요 없는 솔루션을 통해 들어오는 클레임을 자동으로 분류하고 큐로 라우팅해야 합니다. 어떤 접근 방식이 이러한 제약 조건을 충족할까요?

정답은 Amazon Comprehend 사용자 지정 분류를 사용하는 것입니다. 이 서비스는 기계 학습 전문 지식 없이도 텍스트 분류 모델을 훈련하고 배포할 수 있도록 설계되었습니다. 기존의 레이블이 지정된 클레임 데이터를 CSV 파일로 내보내어 Comprehend에 제공하면, Comprehend가 자동으로 분류기를 훈련하고 API 엔드포인트를 통해 예측을 제공합니다. 이는 데이터 과학 팀이 없고 ML 전문 지식이 없는 회사에 가장 적합한 솔루션입니다. 오답인 SageMaker Object2Vec 및 LDA는 SageMaker 알고리즘으로, ML 전문 지식이 필요하며 문제의 제약 조건에 부합하지 않습니다. Amazon Textract는 문서에서 텍스트를 추출하는 데 사용되지만, 이미 구조화된 데이터베이스에 있는 텍스트를 추출하는 데는 필요하지 않으며, 분류 자체를 수행하지 않습니다.