ARC114

개요

챌린지 실습에서는 특정 시나리오와 일련의 작업이 주어집니다. 단계별 안내를 따르는 대신, 과정의 실습에서 배운 기술을 사용하여 스스로 작업을 완료하는 방법을 알아내 보세요. 이 페이지에 표시되어 있는 자동 채점 시스템에서 작업을 올바르게 완료했는지 피드백을 제공합니다.

챌린지 실습을 진행할 때는 새로운 Google Cloud 개념에 대한 정보가 제공되지 않습니다. 학습한 기술을 응용하여 기본값을 변경하거나 오류 메시지를 읽고 조사하여 실수를 바로잡아야 합니다.

100점을 받으려면 시간 내에 모든 작업을 성공적으로 완료해야 합니다.

설정 및 요건

실습 시작 버튼을 클릭하기 전에

다음 안내를 확인하세요. 실습에는 시간 제한이 있으며 일시중지할 수 없습니다. 실습 시작을 클릭하면 타이머가 시작됩니다. 이 타이머는 Google Cloud 리소스를 사용할 수 있는 시간이 얼마나 남았는지를 표시합니다.

실무형 실습을 통해 시뮬레이션이나 데모 환경이 아닌 실제 클라우드 환경에서 실습 활동을 진행할 수 있습니다. 실습 시간 동안 Google Cloud에 로그인하고 액세스하는 데 사용할 수 있는 새로운 임시 사용자 인증 정보가 제공됩니다.

이 실습을 완료하려면 다음을 준비해야 합니다.

• 표준 인터넷 브라우저 액세스 권한(Chrome 브라우저 권장)

• 실습을 완료하기에 충분한 시간(실습을 시작하고 나면 일시중지할 수 없음)

챌린지 시나리오

여러분은 커리어를 시작한 주니어 클라우드 설계자입니다. Google Cloud의 Cloud Natural Language API 및 Cloud Speech API 서비스를 사용해야 하는 팀 프로젝트를 진행하게 되었습니다.

다음 작업을 완료하는 데 필요한 기술과 지식을 보유해야 합니다.

챌린지

이 챌린지에서는 Cloud Natural Language API와 Cloud Speech API를 각각 사용하여 텍스트와 음성을 분석해야 합니다. 또한 Python을 사용하여 텍스트 문서에 대한 감정 분석을 수행해야 합니다.

다음 작업을 수행해야 합니다.

• API 키 만들기
• 항목 분석을 요청하고 Natural Language API 호출하기
• 음성 분석 요청을 만들고 Speech API 호출하기
• Natural Language API로 감정 분석하기

이 챌린지 실습에서는 작업을 완료할 수 있도록 가상 머신(VM) 인스턴스가 구성되어 있습니다.

각 작업은 아래에 자세히 설명되어 있습니다. 좋은 결과가 있길 바랍니다.

작업 1. API 키 만들기

1. 이 작업에서는 Natural Language API에 요청을 전송할 때 이 작업과 다른 작업에서 사용할 API 키를 만들어야 합니다.

2. 다른 작업에 사용할 수 있도록 API 키를 저장합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. API 키 만들기

작업 2. 항목 분석을 요청하고 Natural Language API 호출하기

1. 이 작업에서는 SSH를 통해 프로비저닝된 인스턴스 에 연결합니다.

2. 다음으로 분석을 위해 Natural Language API에 전달할 nl_request.json이라는 JSON 파일을 만듭니다. JSON 파일에 다음 코드를 추가하여 보스턴시에 관한 텍스트를 분석하거나, content 객체에 직접 선택한 텍스트를 추가하여 해당 텍스트에 대한 항목 분석을 수행할 수 있습니다.

3. 이제 curl 명령어를 사용하여 이전에 저장한 API 키 환경 변수와 함께 요청 본문을 Natural Language API에 전달하거나, gcloud ML 명령어를 사용하여 텍스트를 분석할 수 있습니다.

4. 응답을 nl_response.json이라는 파일에 저장합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 항목 분석을 요청하고 Natural Language API 호출하기

작업 3. 음성 분석 요청을 만들고 Speech API 호출하기

1. 이 작업에 사용할 speech_request.json이라는 다른 JSON 파일을 만들고 샘플 오디오 파일의 URI 값을 사용하여 콘텐츠를 추가합니다.

2. 이제 curl 명령어를 사용하여 이전에 저장한 API 키 환경 변수와 함께 요청 본문을 Natural Language API에 전달하거나, gcloud ML 명령어를 사용하여 음성을 분석할 수 있습니다.

3. 응답을 speech_response.json이라는 파일에 저장합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 음성 분석 요청을 만들고 Speech API 호출하기

작업 4. Natural Language API로 감정 분석하기

이 작업에서는 Google Cloud Natural Language API를 사용하여 텍스트 감정을 분석해야 합니다. 이 API는 영화 리뷰와 같은 콘텐츠 샘플의 전반적인 태도(긍정적 또는 부정적)를 판단하려고 시도합니다. 인스턴스에서 sentiment_analysis.py라는 간단한 Python 애플리케이션 코드 파일이 이미 구성 및 생성되어 있습니다. 분석을 수행하기 위해 리들리 스콧 감독의 1982년 SF 액션 영화인 블레이드 러너에 대한 일련의 (가상 또는 가짜) 영화 리뷰를 테스트해 보겠습니다.

Natural Language API를 사용하여 감정 분석을 수행하려면 LanguageServiceClient 인스턴스의 analyze_sentiment 메서드를 호출하여 서비스에 액세스해야 합니다.

1. sentiment_analysis.py 파일에서 def analyze(movie_review_filename): 메서드를 편집하고 다음 작업을 수행하는 Python 코드를 사용하여 메서드를 완성해야 합니다.

   • LanguageServiceClient 인스턴스를 클라이언트로 인스턴스화합니다.
   • 텍스트 데이터가 들어있는 파일 이름을 변수로 읽습니다.
   • 파일의 콘텐츠로 Document 객체를 인스턴스화합니다.
   • 클라이언트의 analyze_sentiment 메서드를 호출합니다.

2. Google Cloud Storage에서 가상의 영화 리뷰 샘플을 다운로드합니다. gs://cloud-samples-tests/natural-language/sentiment-samples.tgz .

3. 샘플 파일의 압축을 풀고 관련 Python 명령어를 사용하여 파일 중 하나인 bladerunner-pos.txt에 대한 감정 분석을 실행합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. Natural Language API로 감정 분석하기

수고하셨습니다

Natural Language API와 Speech API를 사용하여 텍스트와 음성에서 항목 및 감정 분석을 성공적으로 수행했습니다.

Google Cloud 교육 및 자격증

Google Cloud 기술을 최대한 활용하는 데 도움이 됩니다. Google 강의에는 빠른 습득과 지속적인 학습을 지원하는 기술적인 지식과 권장사항이 포함되어 있습니다. 기초에서 고급까지 수준별 학습을 제공하며 바쁜 일정에 알맞은 주문형, 실시간, 가상 옵션이 포함되어 있습니다. 인증은 Google Cloud 기술에 대한 역량과 전문성을 검증하고 입증하는 데 도움이 됩니다.

설명서 최종 업데이트: 2023년 9월 20일

실습 최종 테스트: 2023년 9월 20일

Copyright 2025 Google LLC. All rights reserved. Google 및 Google 로고는 Google LLC의 상표입니다. 기타 모든 회사명 및 제품명은 해당 업체의 상표일 수 있습니다.