Thumbnail
인공지능 자연어 처리

예제로 배우는 딥러닝 자연어 처리 입문 NLP with TensorFlow - RNN부터 BERT까지 대시보드

(4.3)
13개의 수강평 ∙  561명의 수강생
88,000원

월 17,600원

5개월 할부 시
지식공유자: AISchool
총 35개 수업 (5시간 41분)
수강기한: 
무제한
수료증: 발급
난이도: 
입문
-
초급
-
중급이상
지식공유자 답변이 제공되는 강의입니다
폴더에 추가 공유

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!
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 예제 실습을 통해 딥러닝 자연어처리의 원리를 탄탄하게 학습한뒤✍️, 
TransformerBERT까지 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?
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?
Python 사용경험
선수강의 [TensorFlow 2.0으로 배우는 딥러닝 입문] 수강경험

안녕하세요
AISchool 입니다.
AISchool의 썸네일
커리큘럼 총 35 개 ˙ 5시간 41분의 수업
이 강의는 영상, 수업 노트, 첨부 파일이 제공됩니다. 미리보기를 통해 콘텐츠를 확인해보세요.
섹션 0. 강의 소개
섹션 1. 실습 안내 사항
실습 colab 링크 확인하는 법
섹션 2. 강의 슬라이드 다운로드
강의 슬라이드 다운로드
섹션 3. 자연어 처리란?
자연어 처리 응용 문제영역 소개 1 10:06
자연어 처리 트렌드의 변화 미리보기 04:44
자연어 처리 용어 정리 05:15
섹션 4. 자연어 처리를 위한 기초 지식
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
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
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
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
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
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
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)
수강평 총 13개
수강생분들이 직접 작성하신 수강평입니다.
4.3
13개의 수강평
5점
4점
3점
2점
1점
VIEW 추천 순 최신 순 높은 평점 순 낮은 평점 순 평점 순 높은 평점 순 낮은 평점 순
stan thumbnail
5
이해에 도움이 많이 되었어요.
2023-09-30
Loui Jun thumbnail
5
다시한번 기본을 다지기 좋은 강의라 생각됩니다.
2023-05-04
thstmddns thumbnail
5
개념에 대해 차근히 설명해주셔서 좋았습니다.
2023-10-17
엄재영 thumbnail
5
강의 감사합니다
2023-11-26
fokyoum9 thumbnail
3
CODE 관련 부연 설명이 부족한 감이 있네요
2022-08-29