25%
66,000원
초급자를 위해 준비한
[데이터 분석] 강의입니다.
딥러닝 자연어처리 기초부터 최신모델인 Transformer와 BERT까지 딥러닝 자연어 처리(Natural Language Processing[NLP])의 원리와 활용방법을 다양한 예제와 실습 코드 구현을 통해 학습합니다.
✍️
이런 걸
배워요!
이런 걸
배워요!
딥러닝을 활용한 자연어처리의 기초와 원리
RNN부터 Seq2Seq, Transformer, BERT로 이어지는 딥러닝 자연어 처리 기법의 발전과정
BERT를 내가 원하는 문제에 Fine-Tuning하는 법
딥러닝 자연어처리 기초부터 최신모델인 Transformer와 BERT까지
다양한 예제와 코드 실습을 통해 익혀보세요 😀
딥러닝 자연어 처리의 기본 원리부터 Transformer, BERT 최신 모델까지
다양한 예제와 실습을 통해 딥러닝 자연어처리의 원리를 탄탄하게 학습한뒤✍️,
Transformer와 BERT까지 최신 딥러닝 NLP 모델을 TensorFlow 2.0을 이용해서 다양한 예제에 대해 구현해봅시다.👨🏻💻
✅ 선수 강의
👋 본 강의는 TensorFlow 2.0과 딥러닝 기초에 대한 선수지식이 필요한 강의입니다. 반드시 아래 강의를 먼저 수강하시거나 그에 준하는 지식을 갖춘 뒤 본 강의를 수강하세요.
TensorFlow 2.0으로 배우는 딥러닝 입문
딥러닝 핵심 이론과 최신 TensorFlow 2.0을 이용한 딥러닝 코드 구현을 한번에 배울 수 있는 강의입니다.
이런 분들께 추천드려요!
🎓
학습 대상은
누구일까요?
학습 대상은
누구일까요?
딥러닝을 활용한 자연어처리 프로젝트를 진행해보고 싶은 분
딥러닝 자연어처리 기법의 원리를 학습하고 싶은 분
내가 원하는 문제에 BERT를 Fine-Tuning해보고 싶은 분
📚
선수 지식,
필요할까요?
선수 지식,
필요할까요?
Python 사용경험
선수강의 [TensorFlow 2.0으로 배우는 딥러닝 입문] 수강경험
안녕하세요
AISchool 입니다.
AISchool 입니다.
- AISchool ( http://aischool.ai/ )
- AISchool 유튜브 채널 운영 ( https://www.youtube.com/@aischool_ai )
- 서울대학교 인공지능 및 컴퓨터 비전 연구실 석사
- [솔라리스의 인공지능 연구실] 블로그 운영
- [텐서플로로 배우는 딥러닝] 집필
- S전자 컴퓨터 비전 관련 프로젝트 수행
- 기업대상 [AI 컨설팅 서비스] 제공
- 에이아이스쿨 [TensorFlow와 실습 프로젝트로 배우는 딥러닝-컴퓨터비전 Basic 코스] 강의 진행
커리큘럼
총 35 개
˙ 5시간 41분의 수업
이 강의는 영상, 수업 노트, 첨부 파일이 제공됩니다. 미리보기를 통해 콘텐츠를 확인해보세요.
섹션 0. 강의 소개
1 강
∙ 3분
섹션 1. 실습 안내 사항
1 강
실습 colab 링크 확인하는 법
섹션 2. 강의 슬라이드 다운로드
1 강
강의 슬라이드 다운로드
섹션 3. 자연어 처리란?
3 강
∙ 20분
섹션 4. 자연어 처리를 위한 기초 지식
6 강
∙ 39분
토크나이징(Tokenizing) & 원핫인코딩(One-hot Enconding)
06:30
자연어 처리를 위한 기초 수학
11:34
NLTK 라이브러리 & NLTK를 이용한 토크나이징
03:42
Google Colab 소개
06:45
자연어 처리를 위해 학습해야하는 Python 라이브러리들 - Pandas, Numpy, HuggingFace
04:15
실습 1 - 토크나이징과 원핫인코딩(One-hot Encoding) 실습
07:07
섹션 5. 언어 모델(Language Modelling) - 다음에 올 단어를 예측해보자
6 강
∙ 57분
언어모델(Language Modelling)의 개념과 활용사례 - GitHub Copilot
04:02
N-Gram 언어 모델
04:41
실습 1 - Count에 기반한 N-Gram 언어 모델(Language Modelling) 실습
18:19
Count에 기반한 N-Gram 모델의 문제점 & 자연어처리를 위한 순환신경망(RNN)
06:49
Char-RNN의 개념
06:51
실습 2 - Char-RNN을 활용한 언어 모델(Language Modelling) 실습
16:30
섹션 6. 임베딩(Embedding) - 단어를 의미있는 벡터로 변경해보자
3 강
∙ 45분
임베딩(Embedding)의 개념과 장점
11:43
Word2Vec 기법 소개
11:35
실습 1 - TensorFlow를 이용한 Word2Vec 구현
21:56
섹션 7. 기계번역(Neural Machine Translation) - 딥러닝을 이용해 번역을 수행해보자
4 강
∙ 38분
기계 번역 방법론의 진화
03:26
Seq2Seq 모델
07:21
Teacher Forcing
03:27
실습 1 - TensorFlow와 Seq2Seq 모델을 이용해서 포르투칼어-영어 번역 수행해보기
24:25
섹션 8. Transformer - 최신 NLP의 기술의 기반이 되는 핵심 모델을 학습해보자
2 강
∙ 50분
Transformer 모델 소개 - Attention is All You Need
22:52
실습 1 - Tensorflow와 Transformer 모델을 이용해서 포르투칼어-영어 번역 수행해보기
27:27
섹션 9. BERT - BERT의 원리와 기본 사용법을 살펴보자
4 강
∙ 47분
BERT(Bidirectional Encoder Representations from Transformers) 모델 소개
19:53
실습 1 - BERT를 이용해서 IMDB Movie Review Dataset에 대한 Text Classification 해보기 (BERT 영어 Fine-Tuning)
16:05
실습 2 - BERT를 이용해서 네이버 영화리뷰 데이터셋(NSMC)에 대한 Text Classification 해보기 (BERT 한국어 Fine-Tuning) colab 링크
실습 2 - BERT를 이용해서 네이버 영화리뷰 데이터셋(NSMC)에 대한 Text Classification 해보기 (BERT 한국어 Fine-Tuning)
미리보기
11:40
섹션 10. BERT 응용 - BERT를 다양한 자연어처리 Task에 응용해보자
4 강
∙ 38분
QA 응용 - SQuAD(Stanford Question Answering Dataset) 데이터셋 소개
07:18
실습 1 - QA 응용 - BERT를 이용해서 SQuAD(Stanford Question Answering Dataset) 데이터셋에 대한 Answer 예측해보기 (BERT 영어 Fine-Tuning)
16:20
QA 응용 - KorQuAD(Korean Question Answering Dataset) 데이터셋 소개
미리보기
03:06
실습 2 - QA 응용 - BERT를 이용해서 KorQuAD(Korean Question Answering Dataset) 데이터셋에 대한 Answer 예측해보기 (BERT 한국어 Fine-Tuning)
11:21
강의 게시일 : 2021년 12월 16일
(마지막 업데이트일 : 2024년 01월 06일)