Day 3 - SageMaker 빌트인 2: 텍스트·이미지·시계열·추천

어제는 정형 데이터 알고리즘을 다뤘다. 오늘은 데이터 형태가 특별할 때 — 텍스트, 이미지, 시계열, 희소 상호작용 — 쓰는 특화 빌트인 네 가지를 본다. 시험은 "데이터가 텍스트/이미지/시계열이다"라는 단서로 일반 XGBoost가 아니라 이들 특화 알고리즘으로 답을 민다.

BlazingText — 텍스트 분류와 단어 임베딩

Word2Vec과 텍스트 분류를 GPU로 매우 빠르게 처리하는 빌트인. 두 가지 모드가 있다.

• Word2Vec(비지도): 단어를 벡터로 임베딩. 유사 단어 탐색, 다운스트림 피처 생성.
• Text Classification(지도): 문서 → 레이블(감성/주제 등). fastText 기반.

모드 결정:
  레이블이 있고 문서를 분류 → supervised (text classification)
  레이블 없이 단어 벡터만   → Word2Vec (cbow / skipgram / batch_skipgram)

• 입력: 텍스트 파일(공백 토큰화). 지도 모드는 __label__<레이블> 문장 형식.
• 강점: 대규모 코퍼스에서 압도적 속도, 다국어, OOV(미등록 단어) 대응(subword).

💡 관련 이론: BlazingText의 Word2Vec은 "주변 단어로 중심 단어를 맞히거나(CBOW) 중심 단어로 주변을 맞히는(skip-gram)" 방식으로 의미가 비슷한 단어를 벡터 공간에서 가깝게 배치한다