ㅁ 전처리 확대

ㅇ 정의:
비정형 데이터에서 텍스트를 추출하여 분석 가능한 형태로 변환하는 작업을 포함하는 데이터 처리 단계.

ㅇ 특징:
– 비정형 데이터의 정형화에 초점을 둠.
– OCR과 같은 기술을 활용하여 텍스트를 추출.
– 데이터 품질 향상을 위한 정제 작업 포함.

ㅇ 적합한 경우:
– 문서, 이미지 등 비정형 데이터를 분석해야 할 때.
– 데이터 전처리 과정에서 텍스트 기반 분석이 필요한 경우.

ㅇ 시험 함정:
– 전처리 단계와 분석 단계의 구분을 혼동할 수 있음.
– OCR의 한계(정확도, 언어 지원 범위 등)를 간과하는 경우.

ㅇ 시험 대비 “패턴 보기” 예시:
O: 전처리 확대는 비정형 데이터를 정형 데이터로 변환하는 과정이다.
X: 전처리 확대는 데이터 분석 결과를 도출하는 단계이다.

================================

1. OCR

ㅇ 정의:
Optical Character Recognition의 약자로, 이미지나 문서에서 텍스트를 추출하는 기술.

ㅇ 특징:
– 텍스트 추출 정확도는 이미지 품질에 따라 달라짐.
– 다양한 언어와 폰트를 지원하는 소프트웨어 존재.
– 딥러닝 기반으로 점차 발전 중.

ㅇ 적합한 경우:
– PDF, 스캔 이미지에서 텍스트를 추출해야 할 때.
– 문서 디지털화 작업이 필요한 경우.

ㅇ 시험 함정:
– OCR이 모든 이미지에서 완벽히 작동한다고 생각할 수 있음.
– 텍스트 외의 비정형 정보(예: 그래프, 차트)를 처리하는 데 한계가 있다는 점을 간과.

ㅇ 시험 대비 “패턴 보기” 예시:
O: OCR은 이미지에서 텍스트를 추출하는 기술이다.
X: OCR은 이미지에서 모든 정보를 정형화한다.

================================

ㅁ 추가 학습 내용

1. OCR의 한계와 개선 방향
OCR(광학 문자 인식)의 주요 한계는 이미지 품질, 다양한 폰트의 복잡성, 그리고 다국어 지원의 제한 등입니다. 이미지 품질이 낮거나 왜곡된 경우, OCR의 정확도가 떨어질 수 있으며, 복잡한 폰트나 손글씨를 인식하는 데 어려움을 겪을 수 있습니다. 또한, 특정 언어에만 최적화된 OCR 모델은 다국어 텍스트를 처리하는 데 한계가 있습니다. 이를 극복하기 위한 최신 기술로는 딥러닝 기반 OCR 모델의 활용이 있습니다. 딥러닝 기술은 더욱 정교한 문자 인식과 다양한 언어 및 폰트 지원이 가능하게 하며, 데이터 증강 및 사전 학습된 다국어 모델을 통해 성능을 개선할 수 있습니다. 이러한 기술을 중심으로 OCR의 성능 향상 방안을 학습하는 것이 중요합니다.

2. OCR과 관련된 주요 기술
OCR과 관련된 주요 기술로는 상용 및 오픈소스 도구들이 있습니다. Tesseract OCR은 오픈소스 OCR 도구로, 다양한 언어 지원과 커스터마이징 가능성이 장점입니다. Google Vision API는 구글의 클라우드 기반 OCR 서비스로, 강력한 이미지 분석 기능과 다양한 언어 지원을 제공합니다. AWS Textract는 아마존의 OCR 서비스로, 문서에서 텍스트뿐만 아니라 구조화된 데이터를 추출하는 데 강점이 있습니다. 이들 도구를 비교하며 각각의 특징과 장단점을 학습하면 다양한 상황에서 적합한 도구를 선택할 수 있는 능력을 기를 수 있습니다.

3. OCR의 활용 사례
OCR은 다양한 산업 분야에서 활용되고 있습니다. 금융 분야에서는 수표 처리, 영수증 관리, 고객 문서 스캔 등에서 사용됩니다. 의료 분야에서는 진단서나 의료 기록의 디지털화, 환자 정보 관리 등에 활용됩니다. 법률 분야에서는 계약서나 법률 문서의 디지털화 및 검색, 분석 작업에 OCR이 기여하고 있습니다. 이 외에도 물류, 교육, 공공 서비스 등에서도 OCR 기술이 널리 사용됩니다. 각 분야에서 OCR이 어떤 문제를 해결하고 있는지 학습하면 실제 사례를 바탕으로 문제 해결 능력을 키울 수 있습니다.