금융 전략을 위한 머신러닝: 19가지 사례를 통해 익히는 금융 전략, 머신러닝, 데이터 과학

444

4

부

강화 학습과 자연어 처리

사용할 수 있는 다양한 사전 훈련된

NLP

모델일 수 있다. 기존

NLP

라이브러리에는 추론

단계에 집중할 수 있도록 일부 전처리 및 인코딩 단계가 포함된다.

더 많은 상관 변수, 기술 지표를 포함해 거래 전략을 구축할 수 있다. 혹은 관련성이 더 많은

금융 텍스트 데이터를 기반으로 더 정교한 전처리 단계와 모델을 사용해 감정 분석을 개선

할 수 있다.

10.4

실전 문제

2

: 챗봇 - 디지털 어시스턴트

챗봇은 사용자가 자연어로 대화하는 컴퓨터 프로그램이다. 사용자의 의도를 이해하고 조직의

비즈니스 규칙과 데이터를 기반으로 응답할 수 있다. 이러한 챗봇은 딥러닝과

NLP

기술로 음

성 데이터를 처리해 사람의 음성을 이해할 수 있다.

챗봇은 금융 서비스를 위해 여러 도메인에서 점점 더 많이 구현되고 있다. 소비자는 뱅킹 봇을

통해 잔액을 확인하고, 돈을 이체하고, 청구서를 지불하는 등의 작업을 수행한다. 소비자는 브

로커링 봇을 통해 투자 옵션을 찾고, 투자하고, 잔액을 확인할 수 있다. 고객지원 봇은 즉각적

인 응답을 제공해 고객 만족도를 크게 높인다. 뉴스 봇은 개별화된 시사 정보를 제공하는 반면

엔터프라이즈 봇은 직원이 잔여 휴가일을 확인하고, 비용을 기록하고, 재고 잔고를 확인하고,

거래를 승인할 수 있도록 한다. 챗봇은 ...