미리 빌드된 문서 인텔리전스 모델 사용

이 연습에서는 Azure 구독에서 Azure AI 문서 인텔리전스 리소스를 설정합니다. Azure AI 문서 인텔리전스 및 C# 또는 Python을 모두 사용하여 분석을 위해 해당 리소스에 양식을 제출합니다.

Azure AI 문서 인텔리전스 리소스를 만듭니다.

Azure AI 문서 인텔리전스 서비스를 호출하려면 먼저 Azure에서 해당 서비스를 호스트할 리소스를 만들어야 합니다.

브라우저 탭의 https://portal.azure.com에서 Azure Portal을 열고 Azure 구독과 연결된 Microsoft 계정으로 로그인합니다.
Azure Portal 홈페이지에서 상단 검색 상자로 이동하여 문서 인텔리전스를 입력한 다음 Enter 키를 누릅니다.
문서 인텔리전스 페이지에서 문서 인텔리전스 만들기를 선택합니다.
문서 인텔리전스 만들기 페이지에서 다음을 사용하여 리소스를 구성합니다.
- 구독: Azure 구독.
- 리소스 그룹: DocIntelligenceResources와 같은 고유한 이름을 가진 리소스 그룹을 선택하거나 만듭니다.
- 지역: 사용자에게 가까운 지역을 선택합니다.
- 이름: 글로벌로 고유한 이름을 입력합니다.
- 가격 책정 계층: 무료 F0을 선택합니다. 사용 가능한 무료 계층이 없으면 표준 S0을 선택합니다.
그런 다음 검토 + 만들기와 만들기를 선택합니다. Azure에서 Azure AI 문서 인텔리전스 리소스를 만드는 동안 기다립니다.
배포가 완료되면 리소스로 이동을 선택합니다. 이 연습의 나머지 부분에 대해 이 페이지를 열어 둡니다.

읽기 모델 사용

먼저 Azure AI Document Intelligence Studio 및 읽기 모델을 사용하여 여러 언어로 문서를 분석해 보겠습니다. 분석을 수행하기 위해 방금 만든 리소스에 Azure AI Document Intelligence Studio를 연결합니다.

새 브라우저 탭을 열고 https://documentintelligence.ai.azure.com/studio에서 Azure AI Document Intelligence Studio로 이동합니다.
문서 분석에서 읽기 타일을 선택합니다.
계정에 로그인하라는 메시지가 표시되면 Azure 자격 증명을 사용합니다.
사용할 Azure AI 문서 인텔리전스 리소스를 묻는 메시지가 나타나면 Azure AI 문서 인텔리전스 리소스를 만들 때 사용한 구독 및 리소스 이름을 선택합니다.
왼쪽의 문서 목록에서 read-german.pdf를 선택합니다.
왼쪽 상단에서 분석 옵션을 선택한 다음 분석 옵션 창에서 언어 확인란(선택적 검색 아래)을 선택하고 저장을 클릭합니다.
왼쪽 위에서 분석 실행을 선택합니다.
분석이 완료되면 이미지에서 추출된 텍스트가 콘텐츠 탭의 오른쪽에 표시됩니다. 이 텍스트를 검토하고 정확도를 위해 원본 이미지의 텍스트와 비교합니다.
결과 탭을 선택합니다. 이 탭에는 추출된 JSON 코드가 표시됩니다.
결과 탭에서 JSON 코드의 아래쪽으로 스크롤합니다. 읽기 모델이 locale로 표시된 각 범위의 언어를 감지했음을 알 수 있습니다. 대부분의 범위는 독일어(언어 코드 de)로 되어 있지만 범위에서 다른 언어 코드를 찾을 수 있습니다(예: 영어 - 언어 코드 en - 마지막 범위 중 하나).

Visual Studio Code에서 앱 개발 준비

이제 Azure 문서 인텔리전스 서비스 SDK를 사용하는 앱을 살펴보겠습니다. 여기서는 Visual Studio Code를 사용하여 앱을 개발합니다. 앱의 코드 파일은 GitHub 리포지토리에 제공되었습니다.

팁: mslearn-ai-document-intelligence 리포지토리를 이미 복제한 경우 Visual Studio Code에서 엽니다. 그렇지 않은 경우에는 다음 단계에 따라 개발 환경에 복제합니다.

Visual Studio Code 시작
팔레트를 열고(Shift+Ctrl+P) Git: Clone 명령을 실행하여 https://github.com/MicrosoftLearning/mslearn-ai-document-intelligence 리포지토리를 로컬 폴더(아무 폴더나 관계없음)에 복제합니다.
리포지토리가 복제되면 Visual Studio Code에서 폴더를 엽니다.

참고: Visual Studio Code에서 열려는 코드를 신뢰하라는 팝업 메시지가 표시되면 팝업에서 예, 작성자를 신뢰합니다. 옵션을 클릭합니다.
리포지토리의 C# 코드 프로젝트를 지원하는 추가 파일이 설치되는 동안 기다립니다.

참고: 빌드 및 디버깅에 필요한 자산을 추가하라는 메시지가 표시되면 나중에를 선택합니다. 폴더에서 Azure 함수 프로젝트를 발견했습니다라는 메시지가 표시되면 해당 메시지를 안전하게 닫을 수 있습니다.

애플리케이션 사용

C# 및 Python용 애플리케이션과 문서 인텔리전스를 테스트하는 데 사용할 샘플 pdf 파일이 제공되었습니다. 두 앱 모두 동일한 기능을 제공합니다. 먼저, Azure 문서 인텔리전스 리소스를 사용할 수 있도록 애플리케이션의 일부 주요 부분을 완료합니다.

다음 청구서를 검사하고 해당 필드와 값 중 일부를 적어 둡니다. 이 청구서를 코드로 분석하게 됩니다.
Visual Studio Code의 탐색기 창에서 Labfiles/01-prebuild-models 폴더를 찾은 다음 언어 선택에 따라 C-Sharp 또는 Python 폴더를 확장합니다. 각 폴더에는 Azure 문서 인텔리전스 기능을 통합할 앱에 대한 언어별 파일이 포함되어 있습니다.
코드 파일이 포함된 CSharp 또는 Python 폴더를 마우스 오른쪽 단추로 클릭하고 통합 터미널 열기를 선택합니다. 그런 다음, 언어 기본 설정에 적합한 명령을 실행하여 Azure Form Recognizer(문서 인텔리전스의 이전 이름) SDK 패키지를 설치합니다.

C#:
```
 dotnet add package Azure.AI.FormRecognizer --version 4.1.0
```
Python:
```
 pip install azure-ai-formrecognizer==3.3.3
```

Azure 문서 인텔리전스 서비스를 사용할 코드 추가

이제 SDK를 사용하여 pdf 파일을 평가할 준비가 되었습니다.

Azure Portal에서 Azure AI 문서 인텔리전스 개요를 표시하는 브라우저 탭으로 전환합니다. 왼쪽 창의 리소스 관리에서 키 및 엔드포인트를 선택합니다. 엔드포인트 값의 오른쪽에 있는 클립보드로 복사 단추를 클릭합니다.
탐색기 창의 CSharp 또는 Python 폴더에서 기본 설정 언어에 대한 코드 파일을 열고 방금 복사한 문자열로 <Endpoint URL>을 바꿉니다.

C#: Program.cs
```
 string endpoint = "<Endpoint URL>";
```
Python: document-analysis.py
```
 endpoint = "<Endpoint URL>"
```
Azure Portal에서 Azure AI 문서 인텔리전스 키 및 엔드포인트를 표시하는 브라우저 탭으로 전환합니다. KEY 1 값 오른쪽에 있는 클립보드에 복사* 단추를 클릭합니다.
Visual Studio Code의 코드 파일에서 이 줄을 찾아 방금 복사한 문자열로 <API Key>를 바꿉니다.

C#
```
 string apiKey = "<API Key>";
```
Python
```
 key = "<API Key>"
```

주석 Create the client를 찾습니다. 그런 다음, 새 줄에서 다음 코드를 입력합니다.

 var cred = new AzureKeyCredential(apiKey);
 var client = new DocumentAnalysisClient(new Uri(endpoint), cred);

Python

 document_analysis_client = DocumentAnalysisClient(
     endpoint=endpoint, credential=AzureKeyCredential(key)
 )

주석 Analyze the invoice를 찾습니다. 그런 다음, 새 줄에서 다음 코드를 입력합니다.

 AnalyzeDocumentOperation operation = await client.AnalyzeDocumentFromUriAsync(WaitUntil.Completed, "prebuilt-invoice", fileUri);

Python

 poller = document_analysis_client.begin_analyze_document_from_url(
     fileModelId, fileUri, locale=fileLocale
 )

주석 Display invoice information to the user를 찾습니다. 그런 다음, 새 줄에서 다음 코드를 입력합니다.

 AnalyzeResult result = operation.Value;
    
 foreach (AnalyzedDocument invoice in result.Documents)
 {
     if (invoice.Fields.TryGetValue("VendorName", out DocumentField? vendorNameField))
     {
         if (vendorNameField.FieldType == DocumentFieldType.String)
         {
             string vendorName = vendorNameField.Value.AsString();
             Console.WriteLine($"Vendor Name: '{vendorName}', with confidence {vendorNameField.Confidence}.");
         }
     }

Python

 receipts = poller.result()
    
 for idx, receipt in enumerate(receipts.documents):
    
     vendor_name = receipt.fields.get("VendorName")
     if vendor_name:
         print(f"\nVendor Name: {vendor_name.value}, with confidence {vendor_name.confidence}.")

[!NOTE] 공급업체 이름을 표시하는 코드를 추가했습니다. 시작 프로젝트에는 고객 이름 및 청구서 합계를 표시하는 코드도 포함되어 있습니다.

변경 내용을 코드 파일에 저장합니다.
대화형 터미널 창에서 폴더 컨텍스트가 기본 설정 언어의 폴더인지 확인합니다. 그런 후 다음 명령을 입력하여 애플리케이션을 실행합니다.
C#에만 해당되는 내용으로서, 프로젝트를 빌드하려면 다음 명령을 입력합니다.

C#:
```
 dotnet build
```
코드를 실행하려면 다음 명령을 입력합니다.

C#:
```
 dotnet run
```
Python:
```
 python document-analysis.py
```

프로그램에는 신뢰 수준이 있는 공급업체 이름, 고객 이름, 청구서 합계가 표시됩니다. 보고서 값을 이 섹션의 시작 부분에서 연 샘플 청구서와 비교합니다.

정리

Azure 리소스 사용이 완료되면 추가 요금이 발생하지 않도록 Azure Portal에서 리소스를 삭제해야 합니다.

자세한 정보

문서 인텔리전스 서비스에 대한 자세한 내용은 문서 인텔리전스 설명서를 참조하세요.