패스트캠퍼스 환급챌린지 19일차 미션(2월19일):프롬프트 엔지니어링으로 시작하는 AI/LLM 서비스 개발 강의후기

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.

 

이번 강의에서는 **개체명 인식(NER, Named Entity Recognition)**에 대한 개념과 실제 활용 사례를 다루었다. 처음에는 단순히 텍스트에서 특정한 개체(예: 사람, 장소, 조직, 날짜 등)를 찾아내는 기술 정도로만 생각했지만, 강의를 들으며 이 기술이 금융, 의료, 법률 등 다양한 산업에서 필수적인 역할을 한다는 점을 깨닫게 되었다.

🔹 핵심 내용 정리

1. 개체명 인식의 정의와 목적
   • NER의 기본 개념을 이해하는 것이 가장 중요했다.
   • 단순히 단어를 찾아내는 것이 아니라, 문맥 속에서 의미를 파악하고 분류하는 과정이 핵심이다.
   • 개체명 식별(Entity Detection)과 개체명 분류(Entity Classification)이라는 두 가지 주요 작업으로 나뉜다.
2. 금융 도메인에서의 NER 활용
   • 금융 뉴스에서 기업명, 주식 티커, 경제 지표 등을 자동으로 추출하는 것이 가능하다.
   • 이를 활용하면 금융 리포트 자동 요약, 투자 전략 분석 등에 적용할 수 있다.
   • 실무에서도 금융 데이터 분석에 적용할 수 있는 가능성이 커 보였다.
3. 실제 구현에 대한 고민
   • 강의에서는 이론적인 설명이 많았지만, 실제로 모델을 구현할 때 어떤 도구(Python의 spaCy, BERT 등)를 활용해야 할지 고민이 필요하다.
   • 데이터의 정제 과정이 중요하며, 도메인 특화된 사전과 학습 데이터가 있어야 성능을 높일 수 있다는 점도 배웠다.

이 강의를 통해 NER이 단순한 텍스트 처리 기술이 아니라, 데이터 분석 및 인공지능 기반 자동화 시스템에서 중요한 역할을 한다는 점을 다시금 느꼈다. 특히 금융 분야처럼 방대한 데이터가 존재하는 영역에서 정확한 개체명 추출이 얼마나 중요한지 실감했다.

하지만 강의가 다소 이론적인 내용에 집중된 점은 아쉬웠다. 실무에서 직접 적용할 수 있는 예제나 실습이 더 있었다면 더욱 유익했을 것 같다. 앞으로 직접 프로젝트를 진행하며 NER 모델을 학습시키고, 금융 뉴스 요약 봇을 만들어 보는 것도 좋은 도전이 될 것 같다.

 

 

① 오늘자 날짜, 공부 시작 시각

 

② 오늘자날짜, 공부 종료 시각

 

③ 클립 1번 수강 인증 사진

 

④ 클립 2번 수강 인증 사진

 

⑤ 학습 인증샷 1장 이상 (ex. 필기 촬영, 작업물, 등)

 

 

https://bit.ly/4gL1f1o