ML 엔지니어는 운영 관리 부담을 최소화하면서 AWS 서비스를 사용하여 문서에서 의미 있고 고유한 키워드를 추출해야 합니다. 어떤 접근 방식이 이 요구 사항을 충족합니까?

정답은 Amazon Comprehend 사용자 지정 엔터티 인식 및 핵심 구 추출을 사용하여 관련 키워드를 식별하고 추출하는 것입니다. Amazon Comprehend는 완전 관리형 서비스로, 운영 부담을 최소화하면서 문서에서 핵심 구, 엔터티 등을 추출하는 데 최적화되어 있습니다. 특히 사용자 지정 엔터티 인식 기능을 사용하면 특정 도메인에 맞는 고유한 키워드를 식별할 수 있습니다. 오답 설명: 전처리에는 EC2 인스턴스에서 NLTK를 실행하고, 키워드 식별에는 LDA를 사용합니다: EC2 인스턴스 관리는 운영 부담을 증가시키며, LDA는 토픽 모델링에 더 적합하여 특정 키워드 추출에는 비효율적일 수 있습니다. Amazon SageMaker와 BlazingText 알고리즘을 사용하고, 사용자 지정 스테밍 및 불용어 제거를 적용한 다음, TF-IDF를 계산하여 키워드를 선택합니다: SageMaker는 강력하지만, BlazingText와 TF-IDF는 키워드 추출에 비해 더 복잡한 설정과 관리가 필요하며, Comprehend만큼 운영 부담이 적지 않습니다. 문서를 S3에 저장하고, 스테밍 및 불용어 제거를 위한 Python 스크립트를 실행하는 Lambda 함수를 생성한 다음, n-그램을 사용하여 키워드를 찾습니다: Lambda는 서버리스이지만, 사용자 지정 스크립트 개발 및 n-그램 기반 키워드 추출은 Comprehend에 비해 정확도와 관리 효율성 면에서 떨어질 수 있습니다.