방송대 방통대 오픈소스기반데이터분석 14강 - 비정형 데이터 분석 - 요약 노트 시험족보 예상문제 - 올에이클래스

오픈소스기반데이터분석 14강 - 비정형 데이터 분석

일정한 표 구조를 갖지 않는 이미지, 영상, 음성, 텍스트의 특징과 분석 가치를 이해한다. RSS를 이용한 데이터 수집에서 VLM 기반 이미지 해석, LLM 기반 키워드 추출, 워드클라우드와 보고서 작성으로 이어지는 비정형 데이터 분석 과정을 단계별로 정리한다.

제1장 비정형 데이터의 이해

1. 비정형 데이터의 정의

비정형 데이터는 일정한 형식이나 구조 없이 저장된 정보를 말한다. 행과 열이 분명한 표 형식의 데이터와 달리 이미지, 영상, 음성, 자연어 텍스트처럼 형태가 다양하며, 각각의 자료가 담고 있는 의미를 파악하려면 자료 유형에 맞는 분석 방법이 필요하다.

비정형이라는 표현은 데이터에 아무런 정보가 없다는 뜻이 아니다. 오히려 사진의 색상과 스타일, 영상의 장면, 음성의 내용과 분위기, 문장의 맥락처럼 풍부한 정보를 포함하지만, 이 정보가 전통적인 표 형태로 곧바로 정리되어 있지 않다는 뜻이다. 따라서 분석에 앞서 데이터의 의미를 추출하고 분석 가능한 형태로 바꾸는 과정이 중요하다.

핵심 정의: 비정형 데이터는 일정한 형식이나 구조 없이 저장된 이미지, 영상, 음성, 텍스트 등의 정보이며, 자료의 의미를 분석 가능한 정보로 변환하는 과정이 필요하다.

2. 비정형 데이터의 특징

강의에서는 비정형 데이터가 전체 데이터의 약 70%를 차지할 정도로 정형 데이터보다 양이 압도적으로 많다고 설명한다. 웹 기사, 사회관계망 게시물, 제품 사진, 고객 음성 등 현실에서 생성되는 많은 정보가 비정형 형태로 존재하기 때문이다.

비정형 데이터는 정보량이 풍부한 반면 전통적인 분석 방식만으로는 처리하기 어렵다. 예를 들어 의류 사진 한 장에는 색상, 소재, 실루엣, 계절감과 스타일이 함께 나타나지만, 사진 자체에는 이러한 속성이 별도의 열로 기록되어 있지 않다. 분석을 위해서는 이미지에서 필요한 특징을 식별하고 이를 텍스트나 범주와 같은 형태로 변환해야 한다.

3. 분석 가치와 활용 분야

비정형 데이터에는 소비자의 취향, 시장 트렌드, 사회적 변화와 같은 정보가 내포되어 있다. 사진과 기사 내용을 분석하면 어떤 색상과 스타일이 자주 등장하는지 파악할 수 있고, 대량의 텍스트를 분석하면 관심 주제나 표현의 변화를 살펴볼 수 있다.

이러한 분석 결과는 기업의 의사결정, 마케팅 전략 수립, 제품 개발 등에 활용할 수 있다. 중요한 점은 단순히 데이터를 많이 모으는 데 그치지 않고, 분석 목적에 맞는 자료를 선별하고 일관된 기준으로 의미를 추출하는 것이다.

구분	주요 내용	분석 시 과제
이미지	색상, 형태, 스타일 등 시각 정보	시각적 특징을 텍스트나 범주로 변환
영상	시간에 따라 이어지는 장면과 행동	장면별 의미와 변화 파악
음성	발화 내용과 소리 정보	분석 가능한 언어나 특징으로 변환
텍스트	문장, 기사, 설명과 맥락	표현을 정제하고 핵심 의미와 키워드 추출

제2장 RSS를 활용한 데이터 수집

1. RSS의 개념

RSS는 Rich Site Summary의 약자로, 콘텐츠가 자주 갱신되는 사이트의 정보를 XML 형식으로 구조화하여 제공하는 기술이다. 웹사이트의 화면을 매번 직접 확인하지 않아도 RSS 피드를 구독하면 새로 등록되거나 갱신된 콘텐츠의 정보를 일정한 형식으로 받아볼 수 있다.

웹 기사나 매거진 콘텐츠 자체는 텍스트와 이미지가 혼합된 비정형 데이터이지만, RSS는 제목, 요약, 링크 등 콘텐츠의 기본 정보를 XML 구조로 전달한다. 이 때문에 RSS는 비정형 데이터의 위치와 설명 정보를 구조화된 방식으로 실시간 수집하는 효율적인 메커니즘으로 활용할 수 있다.

구분할 점: RSS가 이미지나 기사 본문을 자동으로 완전 분석하는 것은 아니다. RSS는 갱신된 콘텐츠를 찾고 관련 정보를 구조화해 제공하며, 수집한 링크와 설명을 바탕으로 필요한 비정형 자료를 추출하고 분석하는 과정이 뒤따른다.

2. RSS 피드의 전달 흐름

콘텐츠 제공자는 헤드라인, 콘텐츠 요약, 오디오 또는 비디오와 관련된 정보를 RSS 피드로 내보낸다. 구독자는 이 피드를 받아 새 콘텐츠를 확인한다. 분석 프로젝트에서는 이러한 갱신 정보를 주기적으로 수집하여 분석 대상 기사와 이미지의 목록을 만드는 출발점으로 사용할 수 있다.

1. 피드 요청: 분석할 사이트의 RSS 주소에 접근해 XML 데이터를 받는다.
2. XML 파싱: XML 요소에서 제목, 요약, 링크 등 필요한 값을 읽는다.
3. 대상 추출: 링크된 콘텐츠에서 분석에 필요한 이미지와 텍스트를 추출한다.
4. 후속 분석: 추출한 비정형 자료를 목적에 맞게 필터링하고 해석한다.

시험 포인트: RSS는 자주 갱신되는 사이트의 정보를 XML 형식으로 구조화하여 제공하므로, 비정형 콘텐츠를 지속적이고 효율적으로 수집하는 통로가 된다.

제3장 시각 언어 모델(VLM)의 이해

1. 이미지와 언어를 함께 처리하는 모델

시각 언어 모델(Vision Language Model, VLM)은 이미지를 이해하고 그 내용을 자연어로 설명하는 AI 모델이다. 이미지와 텍스트를 동시에 처리하는 멀티모달 AI 기술이므로, 사용자가 이미지와 함께 “사람이 입은 옷의 스타일을 설명해 줘”와 같은 지시를 제공하면 시각 정보와 언어 지시를 함께 고려해 텍스트 응답을 생성할 수 있다.

전통적인 이미지 분류가 미리 정한 범주 가운데 하나를 고르는 방식이라면, VLM은 이미지 내용을 자연어로 풀어서 설명할 수 있다. 패션 이미지 분석에서는 옷의 색상, 형태, 스타일과 트렌드 특징을 문장으로 변환할 수 있으며, 이렇게 생성된 설명은 후속 텍스트 분석의 입력이 된다.

2. VLM의 처리 구조

강의의 구조도에서는 이미지와 텍스트가 서로 다른 경로로 처리된 뒤 VLM 안에서 결합되는 흐름을 제시한다. 이미지는 시각 토크나이저인 ViT를 거쳐 이미지 토큰으로 변환되고, 투영 계층을 거쳐 모델이 사용할 수 있는 임베딩으로 바뀐다. 텍스트는 토크나이저에서 언어 토큰으로 변환된다.

VLM은 이미지 임베딩과 언어 토큰을 함께 받아 두 정보의 관계를 해석하고 출력 언어 토큰을 생성한다. 마지막으로 디토크나이저가 토큰을 사람이 읽을 수 있는 출력 텍스트로 바꾼다.

처리 요소	역할
ViT 토크나이저	이미지를 모델이 처리할 수 있는 이미지 토큰으로 변환한다.
투영 계층	이미지 토큰을 언어 정보와 함께 처리할 수 있는 표현으로 연결한다.
텍스트 토크나이저	사용자의 자연어 지시를 언어 토큰으로 변환한다.
VLM	시각 정보와 언어 정보를 결합하여 출력 언어 토큰을 생성한다.
디토크나이저	출력 토큰을 사람이 읽을 수 있는 자연어 텍스트로 복원한다.

전체 흐름: 이미지 → 이미지 토큰과 임베딩, 텍스트 지시 → 언어 토큰, 두 정보를 VLM에서 결합 → 출력 토큰 → 자연어 설명의 순서로 처리된다.

제4장 토크나이저의 역할

1. 자연어와 모델 사이의 연결 장치

토크나이저(tokenizer)는 자연어와 기계가 처리하는 표현 사이에서 번역기와 같은 역할을 한다. VLM과 LLM은 문장을 사람처럼 글자 그대로 받아들이는 것이 아니라, 텍스트를 일정한 단위로 나눈 토큰과 각 토큰에 대응하는 숫자 ID를 처리한다.

따라서 사용자가 작성한 프롬프트가 모델에 전달되려면 먼저 토큰화가 이루어져야 한다. 모델이 생성한 토큰을 다시 자연어 문장으로 바꾸는 반대 과정에서는 디토크나이저가 사용된다.

2. 텍스트 분할

첫 번째 기능은 자연어 텍스트를 모델이 처리할 수 있는 토큰으로 분리하는 것이다. 토큰의 단위는 단어, 서브워드, 문자 수준 등이 될 수 있다. 언어마다 단어 형성과 띄어쓰기의 특성이 다르므로 언어별 특성을 고려한 분할 알고리즘이 적용된다.

3. 수치 ID로의 변환

두 번째 기능은 분리한 각 토큰을 모델이 이해할 수 있는 숫자 ID로 바꾸는 것이다. 이때 미리 정의된 어휘 사전에서 각 토큰에 대응하는 ID를 찾는다. 이 사전은 모델이 훈련 과정에서 학습한 표현과 연결되며, 숫자화된 토큰을 통해 모델이 입력 문장의 관계와 맥락을 계산할 수 있게 한다.

처리 순서: 자연어 문장 → 단어·서브워드·문자 등의 토큰으로 분할 → 어휘 사전을 이용해 숫자 ID로 변환 → 모델 입력으로 사용한다.

제5장 프롬프트의 개념과 설계

1. 프롬프트의 역할

프롬프트(prompt)는 모델에 제공하는 입력 텍스트이며 모델의 출력을 유도하는 지시문이다. 모델과의 대화를 시작하고 출력의 방향을 설정하는 역할을 하며, 질문, 명령, 맥락 정보 등 여러 형태로 구성할 수 있다.

같은 이미지를 입력하더라도 “이 사진을 설명해 줘”와 “사진 속 의상의 색상과 스타일을 한글 키워드로 구분해 줘”는 서로 다른 결과를 유도한다. 비정형 데이터 분석에서는 분석 목적과 필요한 출력 항목을 프롬프트에 분명히 반영해야 일관된 결과를 얻기 쉽다.

2. 효과적인 프롬프트 설계 원칙

• 명확하고 구체적인 지시: 모델이 수행해야 할 작업과 분석 대상을 분명하게 쓴다.
• 출력 형식과 스타일 명시: 문장, 목록, 키워드 등 원하는 형식과 표현 방식을 지정한다.
• 필요한 예시 제공: 기대하는 입력과 출력의 예를 보여 결과의 방향을 구체화한다.
• 맥락과 배경 지식 추가: 분석 목적, 데이터의 성격, 판단 기준을 함께 제공한다.
• 복잡한 작업의 단계화: 필터링, 설명, 키워드 추출처럼 여러 작업을 단계별로 나눈다.

강의 정리에서는 시스템 역할 정의, 사용자 지시사항, 데이터의 반복 제공, 생성 매개변수 조정도 출력 품질을 높이는 프롬프트 설계 요소로 제시한다. 즉 모델이 어떤 역할을 맡아 무엇을 기준으로 처리해야 하는지 지정하고, 필요한 데이터를 빠뜨리지 않도록 제공하며, 원하는 생성 조건을 조절하는 방식이다.

좋은 프롬프트: 작업 지시, 분석 맥락, 출력 형식, 필요한 예시와 단계가 구체적이어야 하며, 목적에 맞는 결과를 일관되게 얻도록 설계해야 한다.

제6장 패션 트렌드 분석 실습 프로젝트

1. 프로젝트의 목적

실습 프로젝트는 패션 매거진의 사진 데이터를 활용하여 패션 트렌드를 분석하는 과정이다. VLM과 LLM 등의 AI를 활용해 이미지를 분류하고, 의상의 특징을 텍스트로 변환한 뒤, 키워드를 분석하여 보고서를 작성한다.

전체 과정은 데이터 수집 및 전처리, 이미지 분석, 키워드 분석 및 보고서 작성의 세 단계로 구성된다. 각 단계의 출력이 다음 단계의 입력이 되므로, 처음부터 분석 목적에 맞는 자료와 출력 형식을 정하는 것이 중요하다.

2. 1단계: 데이터 수집 및 전처리

먼저 requests를 이용해 패션 매거진의 RSS 데이터를 수집한다. RSS 응답은 XML 형식이므로 lxml을 이용해 필요한 요소를 파싱하고, 기사나 콘텐츠에서 분석 대상 이미지 데이터를 추출한다.

이 단계에서는 데이터가 정상적으로 수집되었는지 확인하고 분석과 관련된 이미지와 정보를 선별할 수 있는 기반을 마련한다. 구조화된 RSS 정보를 출발점으로 사용하면 계속 갱신되는 비정형 콘텐츠를 체계적으로 수집할 수 있다.

3. 2단계: 이미지 분석

수집한 이미지가 모두 의상 분석에 적합한 것은 아니므로 프롬프트를 이용해 분석 대상 이미지를 필터링한다. 그다음 VLM에 스타일 분석 지시를 제공하여 옷의 스타일, 색상, 트렌드 특징 등을 자연어로 설명하게 한다.

이미지 필터링과 스타일 분석은 서로 다른 목적을 가진다. 필터링은 분석에 사용할 이미지를 가려내는 과정이고, 스타일 분석은 선별된 이미지에서 필요한 시각적 특징을 텍스트로 바꾸는 과정이다.

4. 3단계: 키워드 분석 및 보고서 작성

VLM이 생성한 설명 텍스트에는 문장과 여러 표현이 섞여 있으므로 텍스트 전처리를 수행한다. 이어서 LLM을 활용해 색상과 스타일 키워드를 한글로 추출하고, 정규 표현식 기반 전처리로 불필요한 표현을 정리하여 분석 가능한 데이터를 만든다.

정제된 키워드는 워드클라우드 분석에 활용할 수 있다. 자주 등장하는 단어를 시각화하면 여러 이미지에서 반복되는 색상과 스타일 경향을 한눈에 파악하는 데 도움이 된다. 마지막으로 트렌드 요약, 스타일 경향, 색상 분석 등을 포함하는 보고서를 작성한다.

단계	사용 요소	주요 결과
데이터 수집 및 전처리	requests, RSS, lxml, XML 파싱	분석할 기사 정보와 이미지 데이터
이미지 분석	프롬프트, VLM	대상 이미지 선별과 스타일 자연어 설명
키워드 분석	LLM, 정규 표현식 기반 전처리	정제된 색상·스타일 키워드
시각화와 보고	워드클라우드, 보고서 작성	트렌드 요약, 스타일 경향, 색상 분석

제7장 AI 기반 분석 결과의 의미

1. 비정형 데이터를 해석하는 딥러닝 기술

강의에서는 CNN, VLM, LLM 등의 딥러닝 기술이 비정형 데이터를 해석하는 새로운 방법론을 제공한다고 정리한다. 특히 VLM은 필터링된 이미지를 대상으로 옷의 스타일, 색상, 트렌드 특징을 자연어로 설명함으로써 시각 데이터를 풍부한 텍스트 정보로 전환한다.

이 변환은 이미지 안에 암묵적으로 담긴 특징을 후속 분석에서 사용할 수 있게 한다. 자연어 설명을 곧바로 최종 결론으로 사용하기보다는 LLM을 이용한 키워드 추출과 정규 표현식 기반 정제를 거쳐 일관된 색상·스타일 데이터로 만드는 것이 전체 흐름의 핵심이다.

2. 정성적 인사이트와 자동 보고서

VLM 기반 분석은 이미지의 의미를 서술하므로 정성적인 인사이트를 제공한다. 여러 이미지의 설명을 함께 분석하면 개별 사진을 눈으로만 살펴볼 때 놓치기 쉬운 공통 경향을 찾고, 반복되는 표현을 색상과 스타일 키워드로 요약할 수 있다.

자동 생성된 보고서는 트렌드 요약, 스타일 경향, 색상 분석 등을 포함할 수 있으며 초기 분석 초안이나 보고서 작성의 기반 자료로 활용할 수 있다. 분석 품질은 수집한 자료의 적절성, 이미지 필터링 기준, 프롬프트의 구체성, 텍스트 전처리의 일관성에 영향을 받으므로 각 단계의 결과를 점검해야 한다.

해석할 때의 관점: AI가 생성한 설명과 보고서는 분석을 돕는 자료이다. 수집 범위와 프롬프트에 따라 결과가 달라질 수 있으므로, 프로젝트 목적과 처리 과정을 함께 고려하여 활용한다.

핵심 개념 정리

• 비정형 데이터는 일정한 형식이나 구조 없이 저장된 이미지, 영상, 음성, 텍스트 등의 정보이다.
• 비정형 데이터는 전체 데이터에서 큰 비중을 차지하고 풍부한 정보를 담지만 전통적인 표 중심 분석만으로 처리하기 어렵다.
• RSS는 자주 갱신되는 사이트의 정보를 XML 형식으로 구조화해 제공하며 비정형 콘텐츠 수집의 효율적인 통로가 된다.
• VLM은 이미지와 텍스트를 함께 처리하여 이미지의 내용을 자연어로 설명하는 멀티모달 AI 모델이다.
• 토크나이저는 텍스트를 단어, 서브워드, 문자 등의 토큰으로 나누고 어휘 사전에 따라 숫자 ID로 변환한다.
• 프롬프트는 모델의 출력 방향을 정하는 지시문이며 명확한 작업, 맥락, 출력 형식, 예시와 단계가 중요하다.
• 패션 분석 프로젝트는 RSS 수집과 XML 파싱, 이미지 필터링과 VLM 분석, LLM 키워드 추출과 전처리, 워드클라우드와 보고서 작성으로 이어진다.
• VLM은 시각 정보를 텍스트로 전환하고, LLM과 정규 표현식 기반 전처리는 색상·스타일 키워드를 추출하고 정제한다.
• 자동 보고서는 트렌드 요약, 스타일 경향, 색상 분석을 포함하며 초기 분석 초안과 보고서 작성의 기반 자료로 활용할 수 있다.

최종 정리: 비정형 데이터 분석의 핵심은 다양한 형태의 원자료를 바로 결론으로 사용하는 것이 아니라, RSS와 같은 구조화된 통로로 수집하고 VLM으로 시각 의미를 텍스트화한 다음 LLM과 전처리로 핵심 키워드를 정제하여 시각화와 보고서로 연결하는 데 있다.

예상문제 20선

1. 비정형 데이터에 대한 설명으로 가장 적절한 것은?

① 반드시 숫자로만 구성된 데이터이다. ② 행과 열의 구조를 반드시 갖춘 데이터이다. ③ 일정한 형식이나 구조 없이 저장된 이미지, 음성, 텍스트 등의 정보이다. ④ 분석할 가치가 없는 임시 데이터만을 뜻한다.

정답입니다.

오답입니다. 답안을 다시 선택해 보세요.

정답 및 해설 보기

정답: ③
비정형 데이터는 일정한 표 구조가 없는 이미지, 영상, 음성, 텍스트 등 다양한 형태의 정보를 말한다.

2. 강의에서 설명한 비정형 데이터의 특징은?

① 전체 데이터에서 큰 비중을 차지하고 풍부한 정보를 담고 있다. ② 전통적인 표 계산만으로 언제나 완전하게 처리된다. ③ 이미지와 음성은 비정형 데이터에 포함되지 않는다. ④ 시장 트렌드와 소비자 취향을 전혀 포함하지 않는다.

정답입니다.

오답입니다. 답안을 다시 선택해 보세요.

정답 및 해설 보기

정답: ①
비정형 데이터는 전체 데이터의 약 70%를 차지할 정도로 양이 많고 소비자 취향과 시장 변화 같은 풍부한 정보를 담는다.

3. RSS에 대한 설명으로 옳은 것은?

① 이미지를 직접 생성하는 딥러닝 모델이다. ② 모델의 토큰을 숫자 ID로 바꾸는 어휘 사전이다. ③ 정형 데이터베이스의 행을 삭제하는 명령이다. ④ 자주 갱신되는 사이트의 정보를 XML 형식으로 구조화해 제공하는 기술이다.

정답입니다.

오답입니다. 답안을 다시 선택해 보세요.

정답 및 해설 보기

정답: ④
RSS는 갱신되는 콘텐츠의 제목, 요약, 링크 등의 정보를 XML 형식으로 제공해 효율적인 수집을 돕는다.

4. 패션 매거진 실습에서 RSS 데이터 요청에 사용하는 도구는?

① tokenizer ② requests ③ word cloud ④ de-tokenizer

정답입니다.

오답입니다. 답안을 다시 선택해 보세요.

정답 및 해설 보기

정답: ②
실습의 데이터 수집 단계에서는 requests로 RSS 데이터를 요청하고 받아온다.

5. 수집한 RSS의 XML 데이터를 파싱하는 데 강의에서 사용한 것은?

① VLM ② lxml ③ LLM ④ ViT 토크나이저

정답입니다.

오답입니다. 답안을 다시 선택해 보세요.

정답 및 해설 보기

정답: ②
실습에서는 lxml을 이용해 RSS 응답의 XML 구조에서 필요한 정보를 파싱한다.

6. 시각 언어 모델(VLM)의 핵심 기능은?

① XML 문서의 태그만 삭제한다. ② 표 데이터의 합계만 계산한다. ③ RSS 주소를 자동 발급한다. ④ 이미지와 텍스트를 함께 처리하여 이미지 내용을 자연어로 설명한다.

정답입니다.

오답입니다. 답안을 다시 선택해 보세요.

정답 및 해설 보기

정답: ④
VLM은 시각 정보와 언어 지시를 동시에 처리하는 멀티모달 AI로, 이미지의 특징을 자연어 설명으로 생성할 수 있다.

7. VLM의 이미지 처리 흐름에서 이미지를 이미지 토큰으로 바꾸는 요소는?

① ViT 토크나이저 ② RSS 구독자 ③ 정규 표현식 ④ 워드클라우드

정답입니다.

오답입니다. 답안을 다시 선택해 보세요.

정답 및 해설 보기

정답: ①
강의의 VLM 구조에서 이미지는 ViT 토크나이저를 거쳐 모델이 처리할 이미지 토큰으로 변환된다.

8. 디토크나이저의 역할로 가장 적절한 것은?

① 매거진에서 이미지를 내려받는다. ② XML을 데이터베이스 테이블로 바꾼다. ③ 모델의 출력 토큰을 사람이 읽을 수 있는 텍스트로 바꾼다. ④ 색상 키워드로 워드클라우드를 그린다.

정답입니다.

오답입니다. 답안을 다시 선택해 보세요.

정답 및 해설 보기

정답: ③
디토크나이저는 모델이 생성한 언어 토큰을 자연어 출력 텍스트로 복원한다.

9. 토크나이저의 기능이 아닌 것은?

① 텍스트를 토큰 단위로 분할한다. ② 토큰을 어휘 사전의 숫자 ID로 변환한다. ③ 언어별 특성을 고려해 분할할 수 있다. ④ 패션 보고서의 최종 경영 의사결정을 자동 확정한다.

정답입니다.

오답입니다. 답안을 다시 선택해 보세요.

정답 및 해설 보기

정답: ④
토크나이저는 텍스트 분할과 숫자 ID 변환을 담당하며 최종 의사결정을 확정하는 도구가 아니다.

10. 토큰의 단위로 강의에서 제시하지 않은 것은?

① 단어 ② 데이터베이스 테이블 ③ 서브워드 ④ 문자

정답입니다.

오답입니다. 답안을 다시 선택해 보세요.

정답 및 해설 보기

정답: ②
텍스트는 단어, 서브워드, 문자 수준 등으로 분할할 수 있지만 데이터베이스 테이블은 토큰 단위가 아니다.

11. 프롬프트의 개념으로 옳은 것은?

① 이미지 파일을 압축하는 저장 형식이다. ② RSS 문서에 반드시 포함되는 숫자 ID이다. ③ 모델에 제공하여 출력의 방향을 유도하는 입력 텍스트이다. ④ 워드클라우드에서 가장 작은 글자만을 뜻한다.

정답입니다.

오답입니다. 답안을 다시 선택해 보세요.

정답 및 해설 보기

정답: ③
프롬프트는 질문, 명령, 맥락 정보 등으로 구성되어 모델의 출력 방향을 설정하는 지시문이다.

12. 효과적인 프롬프트 설계 방법으로 적절한 것은?

① 작업 지시와 원하는 출력 형식을 명확하게 제시한다. ② 분석 목적과 맥락을 모두 숨긴다. ③ 복잡한 작업일수록 단계를 구분하지 않는다. ④ 필요한 출력 형식은 지정하지 않는 것이 원칙이다.

정답입니다.

오답입니다. 답안을 다시 선택해 보세요.

정답 및 해설 보기

정답: ①
명확한 지시, 출력 형식과 스타일, 예시, 맥락 정보, 단계별 안내는 효과적인 프롬프트의 핵심 요소이다.

13. 패션 트렌드 분석 프로젝트의 올바른 순서는?

① 데이터 수집·전처리 → 이미지 분석 → 키워드 분석·보고서 작성 ② 보고서 작성 → 이미지 삭제 → RSS 주소 생성 ③ 워드클라우드 작성 → 데이터 수집 → XML 제거 ④ 키워드 삭제 → 프롬프트 제거 → 이미지 수집

정답입니다.

오답입니다. 답안을 다시 선택해 보세요.

정답 및 해설 보기

정답: ①
실습은 RSS와 이미지 수집, VLM 이미지 분석, 키워드 추출과 시각화 및 보고서 작성의 순서로 진행된다.

14. 이미지 필터링과 스타일 분석의 관계를 올바르게 설명한 것은?

① 두 과정 모두 RSS 주소를 발급하는 작업이다. ② 필터링은 보고서를 삭제하고 스타일 분석은 XML을 저장한다. ③ 필터링은 분석 대상을 선별하고 스타일 분석은 선별된 이미지의 특징을 설명한다. ④ 필터링 이후에는 VLM을 사용할 수 없다.

정답입니다.

오답입니다. 답안을 다시 선택해 보세요.

정답 및 해설 보기

정답: ③
프롬프트 기반 필터링은 적합한 이미지를 고르고, VLM 스타일 분석은 그 이미지의 색상과 스타일을 자연어로 변환한다.

15. VLM으로 생성한 스타일 설명에서 한글 색상·스타일 키워드를 추출하는 데 활용하는 것은?

① RSS 피드만 사용한다. ② LLM을 활용한다. ③ 이미지 토큰을 모두 삭제한다. ④ XML 파서로만 최종 보고서를 확정한다.

정답입니다.

오답입니다. 답안을 다시 선택해 보세요.

정답 및 해설 보기

정답: ②
강의에서는 LLM으로 스타일 분석 결과에서 한글 색상과 스타일 키워드를 추출하는 과정을 제시한다.

16. 정규 표현식 기반 전처리를 수행하는 주된 목적은?

① 새로운 패션 이미지를 촬영하기 위해서이다. ② RSS의 갱신을 중지하기 위해서이다. ③ VLM을 관계형 데이터베이스로 바꾸기 위해서이다. ④ 추출한 텍스트와 키워드의 불필요한 표현을 정리해 분석 가능한 형태로 만들기 위해서이다.

정답입니다.

오답입니다. 답안을 다시 선택해 보세요.

정답 및 해설 보기

정답: ④
정규 표현식 기반 전처리는 LLM이 추출한 표현을 일정한 기준으로 정제해 후속 키워드 분석에 활용하도록 한다.

17. 워드클라우드를 사용하는 이유로 가장 적절한 것은?

① XML 태그를 암호화하기 위해서이다. ② 자주 등장하는 색상과 스타일 키워드의 경향을 시각화하기 위해서이다. ③ 이미지의 해상도를 높이기 위해서이다. ④ 토큰을 숫자 ID로 변환하기 위해서이다.

정답입니다.

오답입니다. 답안을 다시 선택해 보세요.

정답 및 해설 보기

정답: ②
워드클라우드는 정제한 키워드의 반복과 중요 경향을 시각적으로 살펴보는 분석 방법이다.

18. VLM 기반 패션 이미지 분석의 결과로 기대할 수 있는 것은?

① 옷의 스타일, 색상, 트렌드 특징에 대한 자연어 설명 ② RSS 서버의 물리적 위치 변경 ③ XML 표준의 자동 폐기 ④ 모든 이미지의 원본 삭제

정답입니다.

오답입니다. 답안을 다시 선택해 보세요.

정답 및 해설 보기

정답: ①
VLM은 시각 데이터를 텍스트 정보로 전환하여 의상의 스타일과 색상 등 정성적 특징을 설명할 수 있다.

19. 자동 생성된 패션 분석 보고서에 포함될 내용으로 적절하지 않은 것은?

① 트렌드 요약 ② 스타일 경향 ③ 색상 분석 ④ RSS 기술과 무관한 운영체제 설치 기록

정답입니다.

오답입니다. 답안을 다시 선택해 보세요.

정답 및 해설 보기

정답: ④
강의의 자동 보고서는 트렌드 요약, 스타일 경향, 색상 분석 등을 포함하며 운영체제 설치 기록은 분석 범위와 관련이 없다.

20. 비정형 데이터 분석 프로젝트의 전체 흐름을 가장 잘 설명한 것은?

① 이미지만 수집하면 별도의 해석과 전처리는 필요 없다. ② VLM은 RSS를 수집하는 용도로만 사용한다. ③ 자료 수집, 이미지 의미의 텍스트화, 키워드 정제, 시각화와 보고를 연결한다. ④ 보고서를 먼저 작성한 뒤 분석 데이터를 모두 제거한다.

정답입니다.

오답입니다. 답안을 다시 선택해 보세요.

정답 및 해설 보기

정답: ③
비정형 데이터 분석은 수집에서 끝나지 않고 VLM과 LLM을 통한 의미 추출과 정제, 시각화, 보고서 작성까지 단계적으로 이어진다.