2. 서비스 배경 및 목적:

3. 인공지능 서비스 유사 사례 분석

4. 인공지능 모델의 입출력

5. 데이터셋 구축방안

6. 데이터셋 구성

7. 인공지능 모델 평가 방법

7.1 정확도(accuracy) 계산 방법:

(TP + TN) / (TP + TN + FP + FN)

TP(True Positive): 모델이 정확하게 양성(positive) 샘플을 예측한 경우

TN(True Negative): 모델이 정확하게 음성(negative) 샘플을 예측한 경우

FP(False Positive): 모델이 잘못된 양성 샘플을 예측한 경우

FN(False Negative): 모델이 잘못된 음성 샘플을 예측한 경우

7.2 재현율(recall) 계산 방법:

TP / (TP + FN)

7.3 정밀도(precision) 계산 방법:

TP / (TP + FP)

여기서 TP, TN, FP, FN은 이진 분류(binary classification)에서 예측 결과와 실제 결과 간의 차이를 측정하는 지표입니다.

이진 분류에서는 양성과 음성으로 구분되며, TP와 FP는 양성, TN과 FN은 음성에 해당합니다.

정확도는 모든 예측 결과에 대한 비율을 측정하는 지표이며, 재현율과 정밀도는 각각 양성 예측 결과에 대한 비율을 측정하는 지표입니다.

8. 인공지능 모델 성능 목표

9. 서비스 구축 계획 및 사용 시나리오

10. 서비스 기대 효과