Thumbnail
BEST
인공지능 자연어 처리

딥러닝을 활용한 자연어 처리 (NLP) 과정 (기초부터 ChatGPT/생성 모델까지) 대시보드

(4.9)
10개의 수강평 ∙  333명의 수강생
88,000원

월 17,600원

5개월 할부 시
지식공유자: YoungJea Oh
총 69개 수업 (18시간 17분)
수강기한: 
무제한
수료증: 발급
난이도: 
입문
-
초급
-
중급이상
지식공유자 답변이 제공되는 강의입니다
폴더에 추가 공유

중급자를 위해 준비한
[데이터 분석] 강의입니다.

자연어 처리(NLP)는 인공지능의 가장 빠르게 성장하는 분야 중 하나입니다. 이 강의는 NLP의 기초부터 시작하여, 딥러닝을 이용한 최신 NLP 기술까지 폭넓게 다룹니다. 특히, ChatGPT와 같은 최첨단 생성 모델에 대한 심도 있는 이해를 제공합니다.

✍️
이런 걸
배워요!
자연어 처리의 개념
Tensorflow와 Keras를 활용한 Sequence Model 구축 방법
딥러닝을 활용한 자연어 처리 기법
GPT-3의 작동 원리
ChatGPT의 작동 원리
텍스트를 통한 이미지 생성 원리

최신 자연어 처리의 핵심, 쉽고 알차게!

혹시 내 얘기 아닌가요?

🥺

“기초적인 딥러닝 지식은 가지고 있는데 정작 어떻게 실무에 활용할지 모르겠어요.”

🙄

“자연어 처리가 대체 뭐죠? 어떻게 접근해야 할지 너무 막막하기만 해요.”

어느덧 인공지능 머신러닝 분야의 중요 기술로 자리잡은 자연어 처리(NLP; Natural Language Processing). 
자연어 처리를 위해 필요한 지식과 이론, 접근 방법, 실제 코드 작성법을 강의에 모두 담았습니다.


현대적 자연어 처리
핵심을 잡았습니다!

💡 자연어 처리 딥러닝 모델 핵심 기법 + 최신 전이 학습 모델 활용법을 한번에!

전통적인 자연어 처리 기법과 딥러닝을 활용한 자연어 처리는 전혀 다른 기술적 접근 방식을 가지고 있습니다. 구시대 기술을 공부하느라 시간 낭비하지 마세요! 그 대신 최신 자연어 처리 모델의 기술적 발전 방향과 활용 방법에 집중하는 것이 훨씬 중요합니다.

이 강의에서는 딥러닝과 텐서플로(Tensorflow) 기초를 학습한 분들을 대상으로 딥러닝 기술을 자연어 처리에 적용하는 방법을 알아봅니다. 뿐만 아니라 최첨단 자연어 처리 전이학습 모델의 활용법을 이해할 수 있는 실용적인 내용으로 강의를 구성하였습니다. 그럼, 함께 도전해봅시다!

현대적 자연어 처리 학습, 이런 분들께 추천합니다.

  • ✅ 파이썬 및 기본적인 딥러닝/머신러닝 개념을 이해한 개발자
  • ✅ 자연어 처리에 관심 있는 분

이 강의만의 특징을 
알려드립니다 📚

핵심만 쉬운 이론 학습

이론은 자연어 처리 구현에 꼭 필요한 핵심 내용 위주로 쉽고 빠르게 설명합니다.

실습 중심으로 실력을 쑥쑥

수강생이 커리큘럼을 따라 실습할 수 있도록 구성한 실습 위주의 강의입니다.

실제 활용까지 생각한 

실제 NLP를 활용하는 방법에 초점을 맞춰 커리큘렴을 체계적으로 구성하였습니다.

 추천 선수 과목 🚩

해당 과정은 선수 지식이 필요합니다.
파이썬 기초 및 머신러닝/딥러닝에 대한 이해가 갖춰진 상태에서 수강해 주시길 바랍니다.


Q&A를 확인해보세요! 💬

Q. 파이썬(Python) 언어를 몰라도 되나요?

이 강의는 파이썬으로 진행됩니다. 상단의 추천 선수 과목 안내를 보시면 빠른 Crash Course 강의 및 정식 파이썬 언어 강의를 소개해드리고 있습니다.

Q. 딥러닝을 전혀 몰라도 들을 수 있나요?

이 강의는 기초적인 딥러닝 모델애 대해 이해하고 있는 수강생을 대상으로 합니다. 상단의 추천 선수 과목 안내를 확인해 주시길 바랍니다.

📢 수강 전 확인해주세요!

  • 일부 수업 영상 오디오에서 노이즈가 들릴 수 있습니다. 수강신청 전 강의 [미리보기] 를 꼭 확인해 주시기 바랍니다.

이런 분들께 추천드려요!

🎓
학습 대상은
누구일까요?
파이썬 언어를 알고 있는 사람
기본적인 머신 러닝 개념을 가지고 있는 사람
자연어 처리에 관심 있는 사람
ChatGPT의 작동 원리가 궁금한 사람
생성형 AI 의 작동 원리가 궁금한 사람
텍스트로 부터 이미지가 생성되는 원리가 궁금한 사람
📚
선수 지식,
필요할까요?
파이썬 언어
딥러닝 기본 지식

안녕하세요
YoungJea Oh 입니다.
YoungJea Oh의 썸네일

오랜 개발 경험을 가지고 있는 Senior Developer 입니다. 현대건설 전산실, 삼성 SDS, 전자상거래업체 엑스메트릭스, 씨티은행 전산부를 거치며 30 년 이상 IT 분야에서 쌓아온 지식과 경험을 나누고 싶습니다. 현재는 인공지능과 파이썬 관련 강의를 하고 있습니다.

홈페이지 주소:

https://ironmanciti.github.io/

커리큘럼 총 69 개 ˙ 18시간 17분의 수업
이 강의는 영상, 수업 노트, 첨부 파일이 제공됩니다. 미리보기를 통해 콘텐츠를 확인해보세요.
섹션 0. 교육 환경 준비
선수 과목 안내 미리보기 강의 소개 미리보기 01:50
강의 자료 (강의 교재, 소스 코드)
Colab 사용법 09:44
섹션 1. 자연어 처리 Overview
Overview-1 미리보기 16:31
Overview-2 14:59
BOW, TFIDF, 단어의 vector화 개념 - 1 17:22
BOW, TFIDF, 단어의 vector화 개념 - 2 16:48
실습 - 문장의 Vector 표현 미리보기 23:41
Word Embedding - 개념 14:54
Word Embedding - Word2Vec 07:41
Word Embedding - Glove/FastText 02:43
섹션 2. Deep Learnig Sequence Model
RNN (Recurrent Neural Network) - overview 미리보기 12:36
RNN (Recurrent Neural Network) - 작동 원리 11:09
Keras LSTM - return_sequences, return_state parameter 이해하기 17:48
실습 - Keras LSTM - return_sequences, return_state parameter 이해하기 24:05
Sentiment Analysis (감성 분석) - 이론 미리보기 12:28
실습 - Sentiment Analysis (감성 분석) - IMDB - part1 38:15
실습 - Sentiment Analysis (감성 분석) - IMDB - part2 23:18
실습 - Sentiment Analysis (감성 분석) - Naver Movie 24:38
Tokenization / Tokenizer - 기본 개념 미리보기 14:35
실습 - Tokenization / Tokenizer 28:00
객체명 인식 (Named Entity Recognition) - 이론 10:59
실습 - Bidirectional LSTM NER model 만들기 - part 1 35:24
실습 - Bidirectional LSTM NER model 만들기 - part 2 23:34
섹션 3. Language Model
Language Model 이란 무었인가 ? 미리보기 05:52
Seq2Seq 기계 번역 모델 09:21
Teacher Forcing 설명 09:54
Encoder-Decoder Model 설명 - part1 12:58
Encoder-Decoder Model 설명 - part2 08:04
실습 - Encoder-Decoder 기계 번역 모델 만들기 - part1 미리보기 43:25
실습 - Encoder-Decoder 기계 번역 모델 만들기 - part2 47:43
Simple Chatbot - 이론 06:48
실습 - Simple Chatbot 만들기 42:19
섹션 4. Transformers
자연어 처리 모델의 발전 역사 미리보기 14:51 Transformer model 구조 미리보기 20:53
Attention 개념 설명 11:27
Self-Attention 계산 과정 설명 15:31
Scaled dot product & Multi-head attention 설명 11:43
Feed Forward Network 과 Hyper-parameter 설명 11:44
Positional Encding 설명 07:16
Decoder Overview 07:00
Decoder Self-Attention & softmax 출력 11:11
실습 - Transformer 번역기 분석 - Part1 미리보기 42:40
실습 - Transformer 번역기 분석 - Part2 38:58
실습 - Transformer 번역기 분석 - Part3 26:50
실습 - Transformer 번역기 code 분석 (Old Code) - Optional 27:37
섹션 5. 자연어 전이 학습 모델
자연어 전이 학습 개념 미리보기 14:09
현대적 전이 학습 모델 비교 (ELMO, BERT, GPT) 04:23
BERT와 GLUE Task 소개 16:34
Q&A Dataset Example 02:00
BERT의 구성과 훈련 방법 - part1 (MLM) 미리보기 09:59
BERT의 구성과 훈련 방법 - part2 (Next Sentence Prediction and Loss Function) 04:11
BERT의 Embedding Layers 06:34
BERT Fine Tuning Process 설명 03:38
실습 - Tensorflow Hub을 사용한 BERT Fine Tuning 41:32
Hugging Face Library 설명 미리보기 05:03
실습 - Hugging Face 라이브러리를 이용한 감성 분석 모델 작성 14:36
실습 - Hugging Face Pipeline 을 이용한 전이 학습 모델 활용 09:36
GPT-3 소개 및 활용 사례 15:36
CODEX DEMO 영상 06:09
섹션 6. ChatGPT와 이미지 생성 모델
ChatGPT 11:09
Vision Transformer 개요 - Transformer를 이미지 분류에 적용 12:12
실습 - Vision Transformer 구현 22:33
CLIP 개요 - Text 와 Image 의 상관 관계를 이해하는 모델 16:01
실습 - 사전 학습된 CLIP 모델 다루어 보기 17:45
DALL-E 소개 05:16
섹션 7. 부록
AI의 역사 10:18
생성형 AI의 역사 11:03
강의 게시일 : 2022년 12월 06일 (마지막 업데이트일 : 2024년 02월 23일)
수강평 총 10개
수강생분들이 직접 작성하신 수강평입니다.
4.9
10개의 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
황승환 thumbnail
4
수고하셨습니다
2023-12-29
YoungJea Oh thumbnail
5
현대적 자연어 처리의 궁금증을 확 풀어주는 강의 입니다.
2022-11-25
juwonno thumbnail
5
sdfsdfsdf
2023-12-21
hyerioh87 thumbnail
5
좋아요 이해하기가 쉬워요
2024-01-05
dl thumbnail
5
좋와요 .
2024-03-12