kevin kevinxhan

최근 인공지능을 활용한 챗봇에 대한 관심이 높아지고 있습니다. 챗봇 설계에 관한 좋은 글이 있어 번역을 해보았습니다. 이 글은 IBM DeveloperWorks에 기재된 Michael Yuan의 글을 번역한 것으로 의역이 있습니다. - 김정주([email protected])

대화형 챗봇 설계의 과제

사용자는 챗봇이 매우 간단하고 최소한의 요구만 하기에 좋아합니다. 그것은 대화식 문자 메시지처럼 간단해질 수 있습니다. 또한, 사용자는 자신이 선호하는 메시지 앱에 계속 머물기를 선호합니다. 앱, 웹 URL, 메뉴, 버튼, 광고, 크롬 및 기타 요소를 탐색하지 않고 바로 목표를 달성하고자 합니다. 그러나 이 단순성은 큰 설계 과제도 제시합니다. 챗봇은 사용자의 말을 정확하게 이해하고 적절히 행동해야 합니다. 이것은 오늘날 최고의 자연어 AI (인공 지능)에게도 매우 어려운 과제입니다.

현재 상태의 AI에서는, 대화식 문자 메시지 또는 대화식(Conversational) UI, 즉 CUI는 (안타깝게도) 거의 항상 잘 설계된 그래픽 UI(GUI)보다 열등합니다. GUI와 비교하여 CUI는 초기 단계에 있습니다. 커뮤니티로서 우리는 여전히 CUI의 디자인 패턴과 우수 사례를 모색하고 있습니다. 이 튜토리얼에서는 챗봇이 왜 실패하고 성공할 수 있는지 설명합니다.

텐서플로우 시작하기

글쓴이: 김정주([email protected])

이 문서는 텐서플로우 공식 페이지 내용을 바탕으로 만들어졌습니다.

소개

텐서플로우(TensorFlow)는 기계 학습과 딥러닝을 위해 구글에서 만든 오픈소스 라이브러리입니다. 데이터 플로우 그래프(Data Flow Graph) 방식을 사용하였습니다.

Description

I decided to hook up the node.js C libuv async IO library that uses IOCP on Windows and epoll/kqueue/event ports/etc. on Unix systems to handle HTTP traffic to test if this is a suitable HTTP front end for Dazzle.

There is no V8 javascript engine so it's not running node.js, only the libuv async IO eventing and some C for handling the HTTP parsing.

Setup

libuv is using default settings, zero tuning has been done.
Client requests coming from a single remote client machine (Linux) over the LAN.

	# https://www.quantopian.com/posts/technical-analysis-indicators-without-talib-code

	import numpy
	import pandas as pd
	import math as m

	#Moving Average
	def MA(df, n):
	MA = pd.Series(pd.rolling_mean(df['Close'], n), name = 'MA_' + str(n))
	df = df.join(MA)

	{
	"id": "marathon-lb-autoscale",
	"args":[
	"--marathon", "http://leader.mesos:8080",
	"--haproxy", "http://marathon-lb.marathon.mesos:9090",
	"--target-rps", "100",
	"--apps", "nginx_10000",
	"--interval", "3"
	],
	"cpus": 0.1,