강의

N
챌린지

멘토링

N
클립

커뮤니티

BEST
AI Development

/

Natural Language Processing

Everyone's Korean Text Analysis and Natural Language Processing with Python

Python Korean Text Analysis and Natural Language Processing: Word Cloud Visualization, Morphological Analysis, Topic Modeling, Clustering, Similarity Analysis, Bag of Words and TF-IDF for Text Data Vectorization, Text Classification Using Machine Learning and Deep Learning, and How to Use Hugging Face

(4.9) 22 reviews

605 learners

  • todaycode
이론 실습 모두
텍스트분석
자연어처리
NLP
Text Mining
Machine Learning(ML)
data-clustering
Big Data

Reviews from Early Learners

What you will learn!

  • Word cloud visualization

  • Morphological analysis

  • Topic modeling

  • Clustering

  • Similarity analysis

  • Bag of Words and TF-IDF for Text Data Vectorization

  • Text classification using machine learning and deep learning (RNN, LSTM)

  • Utilizing BERT and koGPT2 with Hugging Face

📚 Get insights from complex documents with text analysis and natural language processing!

  • 💻 Understand the essence of language and learn how to effectively preprocess and analyze text data.

  • 🚀 Learn powerful NLP tools and text mining techniques to help you make more effective decisions by developing practical skills in business settings. 🛠 📊

  • 🗝 Find the key to transforming your business with Python text analytics. 💬 🔍

I recommend this to these people

📊 Planner, Marketer, Analyst 🕵‍♂️

  • Customer feedback, FGI, questions, complaints, data qualitative analysis

  • Understand market trends through online product review evaluation and analysis

  • Brand monitoring through market research and competitive product social media analysis

🔬 Researcher 🧪

  • Understanding social interactions and cultural phenomena through social media data

  • Extracting information from research papers

  • Analysis of extensive news articles, speeches, patents, and legal policy documents.

🎓 Student 📚

  • Complete text projects and assignments

  • Analysis of academic papers

  • Cultivating data literacy through information exploration based on text big data

  • Anyone who wants to gain insight from text and develop problem-solving skills

Learn about these things

Text preprocessing

  • Regular Expressions, Text Cleaning


  • Tokenization


  • Korean Morphological Analyzer KoNLPy

  • Pure Python Korean Morphological Analyzer PeCab

  • Noun extraction and

    Part-of-Speech Tagging

  • Stemming and Lemmatization

  • Stop Words

Word Cloud Visualization

Word Cloud Visualization

Word vectorization

  • Term Frequency Calculation

  • TF-IDF (Term Frequency-Inverse Document Frequency)

  • Word Embedding

Topic modeling through word vectorization

Topic modeling through word vectorization

Topic modeling, clustering, and similarity analysis

  • Latent Dirichlet Allocation (LDA)

  • Non-Negative Matrix Factorization (NMF)

  • Clustering similar documents through document clustering

  • Recommend documents and find similar documents through similarity analysis

NMF Topic Modeling

NMF Topic Modeling

Text classification

  • Text classification techniques using machine learning

  • Hyperparameter tuning methods to improve machine learning performance

  • How to measure classification quality

  • Tensorflow Deep Learning-based Classification DNN, RNN, LSTM

Text classification visualization

Text classification

Difference between text vectorization and embedding

  • Understanding the difference between vectorization and embedding

  • Using an Embedded Projector

  • Using deep learning models

  • Measuring model performance with TensorBoard

  • Text classification and visualization using the BERT model

Model performance evaluation using TensorBoard

Model performance evaluation using TensorBoard

Embedding Projector Visualization

Embedding Projector Visualization

Embedding Projector Visualization

Word distance via embedding projector

Understanding how to use hugging face and key language model tasks

  • ✍ Natural Language Generation

  • 📖 Document Summarization


  • 🌐 Language Translation

  • Latest text analysis trends and practical applications

How to use the official Hugging Face tutorial

How to use the official Hugging Face tutorial

What will you understand and be able to do well after attending the lecture?

  • 📝 Tokenization

    • Split text into individual words, phrases, sentences, etc.

  • 🏷 Part-of-Speech Tagging

    • Learn how to tag each token (word) with a part of speech (noun, verb, etc.) and remove particles, punctuation, etc.


  • 📚 Topic Modeling, Clustering, Similarity Analysis

    • Extracts hidden topics from a set of documents.

    • Clustering similar texts (data-clustering)

    • Find or recommend similar text.

  • 📊 Text Classification

    • Categorizes documents into predefined categories.

  • 😃 Sentiment Analysis

    • Analyze positive, negative, and neutral sentiments in text.

  • 🔑 Keyword Extraction

    • Extract important keywords or phrases from text.


Practice Materials - Available in two versions: Practice and Executable

Practice material without code input (*_input.ipynb)

Practice material without code input (*_input.ipynb)

Practice material with code entered (*_output.ipynb)

Practice material with code entered (*_output.ipynb)

You can follow along by looking at the code and practicing by providing a practice file (*_input.ipynb) that only has explanations without code and a practice file (*_output.ipynb) that includes code and explanations. You can also practice by looking at the explanations without code.

Theoretical data

Provides slides explaining the core contents of natural language processing (NLP) in over 200 pages

Over 200 pages of slides

Over 200 pages of slides

Korean Text Analysis for Everyone with Python (Gilbut Publishing)

Co-author of Everyone's Korean Text Analysis

Who created this course

What are you curious about?
Check it out first! 🙋‍♀

Q. Can non-majors also take the course?

If you understand the basic grammar of Python, you can easily listen to it even if you are not a major because it mainly uses the API of morphological analyzer, scikit-learn or pandas. This lecture is for those who want to utilize text analysis in various fields. It was created for the purpose of using text in business for planners, marketers, analysts, and non-IT researchers. Therefore, it may not be suitable for those who want to develop AI models directly or analyze them by writing formulas from the bottom up.

Q. Is it the same as the Everyone's Text Analysis book video released on YouTube ?

Most of this course is newly filmed. The videos released on the YouTube channel overlap with some of the content of Python, Pandas Basics, and Classification Basics. Also, topic modeling, clustering, similarity analysis, dimensionality reduction, and deep learning utilization are covered in much more detail than on YouTube. Before purchasing, check the videos on YouTube to see if they are what you were thinking about. => https://bit.ly/pytextbook-youtube

Q. Is the content the same as the book? Do I need to buy the book too?

There are some parts that overlap with the book and some that do not. Topic modeling, clustering, etc. are covered in more detail than in the book, and not all the examples in the book are covered.
You can take the course without the book. The book is recommended for those who want to reorganize the text into an organized form.

Q. What level of computer performance is required to take the course?

Any PC or laptop with at least 8GB of memory and about 20GB of remaining storage will do. If your computer's performance is low, you can try practicing through Google Colaboratory.

Q. To what extent does the class cover the content?

Starting with a small food review example corpus data, we cover Seoul 120 FAQ data, shopping reviews, and KLUE news topic data.
We cover tokenization, morphological analysis, topic modeling, clustering, similarity analysis, and machine learning.
We'll cover how to leverage previously shared models through HuggingFace.

Q. Does it cover mathematics, probability, or statistics?

Instead of directly learning math, probability, and statistics, we use scikit-learn, pandas, tensorflow, pytorch, and huggingface.

Things to note before taking the class

I don't recommend this to these people. 🚫

  • 🙅‍♂ Anyone who wants to learn the mathematical calculations and principles of the LLM model and create an LLM model from scratch

  • 🙅‍♂ Anyone who wants to develop LLM-based AI services

Practice environment

  • Operating System and Version (OS): Any operating system is fine as long as Python is installed and Jupyter or Colab is used.

  • Tools used: Jupyter or Google Colab.

  • PC specifications: If you have at least 8G of RAM and 20G of free storage space, you can easily take the course.

Learning Materials

  • We provide links to hands-on exercises via colab and Jupyter notebook files.

  • We provide two files, one with descriptions and code, and one with only descriptions so you can practice directly.

Please listen to some of the classes released through Inflearn Preview or YouTube Channel first and then decide whether to take the class.

You can preview some of the classes before taking the class. Check if it is the learning direction you want. ( => https://bit.ly/pytextbook-youtube ) Also, if you have any questions, please ask them through the inquiry before taking the class. In addition to the content on YouTube, the class covers a much wider range of tasks and deep learning utilization methods. It covers things that aren't on YouTube in more detail.

Player Knowledge and Notes

  • An understanding of basic Python syntax is required.

  • You should know how to use Jupyter or Google Colaboratory.


Recommended for
these people

Who is this course right for?

  • Business professionals who need text analysis

  • Researchers who need topic modeling or similarity analysis for research and papers

  • A student who wants to do a text analysis project

  • Job seeker looking to create a text analysis portfolio

Need to know before starting?

  • Basic Python Syntax

  • How to use Jupyter or Google Colab

Hello
This is

18,916

Learners

797

Reviews

1,336

Answers

4.8

Rating

6

Courses

  • Microsoft MVP(Python Developer Technologies)

  • 오늘코드 YouTube 📺 https://youtube.com/todaycode

  • “모두가 데이터에 친숙해지는 날이 오길”– 마이크로소프트웨어 (링크)

  • 네이버 커넥트 재단 부스트코스 데이터사이언스 강의 설계 및 교수자

  • 서울대 빅데이터혁신공유대학, 서울대 평생교육원, 연세대 DX Academy, 한신대 ABC Camp, 한양대 대학원, 전남대,

    한국능률협회, 삼성SDS 멀티캠퍼스, 멋쟁이사자처럼, 패스트캠퍼스, 모두의연구소 등 다수의 교육기관 및 기업 강의

  • 다양한 도메인(제약, 통신, 자동차, 커머스, 교육, 정부기관 등)의 기업 데이터 분석

  • 20년이상 게임, 광고, 교육 등 다양한 도메인에서 웹 백엔드 개발자 및 데이터 분석가 현업 경험

Curriculum

All

53 lectures ∙ (18hr 6min)

Course Materials:

Lecture resources
Published: 
Last updated: 

Reviews

All

22 reviews

4.9

22 reviews

  • 런던베이글님의 프로필 이미지
    런던베이글

    Reviews 7

    ∙

    Average Rating 5.0

    5

    100% enrolled

    네이버 부스트코스에서 박조은강사님 강좌 수강이후에 - 파이토치, 텐서플로우 기본 학습하고 이어서 진행했습니다. 비전공자가 듣기 쉽고 좋으며 90%이상 프로젝트실습 위주여서 추천드립니다... 어렵게 학습했던 딥러닝에 대해서 개념을 쉽게 다시 이해하기에도 좋았습니다. 유튜브에서 진행 하시는 마케팅분석도 강의로 제공해주시면 좋을거같습니다

    • geogeo2020님의 프로필 이미지
      geogeo2020

      Reviews 2

      ∙

      Average Rating 5.0

      5

      100% enrolled

      • ssyeonh님의 프로필 이미지
        ssyeonh

        Reviews 2

        ∙

        Average Rating 5.0

        5

        30% enrolled

        • iklee님의 프로필 이미지
          iklee

          Reviews 1

          ∙

          Average Rating 5.0

          5

          60% enrolled

          • 임지수님의 프로필 이미지
            임지수

            Reviews 1

            ∙

            Average Rating 5.0

            5

            100% enrolled

            좋은 내용 잘 들었습니다.

            $59.40

            todaycode's other courses

            Check out other courses by the instructor!

            캐글 설문조사로 데이터 분석 입문하기강의 썸네일

            캐글 설문조사로 데이터 분석 입문하기

            박조은

            캐글은 어떤 플랫폼일까요? 해마다 캐글에서는 전세계 사용자를 대상으로 설문조사를 합니다. 데이터 사이언스를 배우고자 할 때 여러 궁금증이 생깁니다. 지금 시작하기에 너무 늦지는 않았을까? Python과 R 중에 어떤 언어를 선택해야 할까? 급여는 어느 정도일까? 전세계 사용자의 응답을 통해 궁금증을 해소해 보세요! Pandas의 강력한 몇 가지 기능만으로 빈도수 분석과 데이터 시각화를 할 수 있습니다.

            초급

            초급

            Kaggle, Pandas, Seaborn

            캐글 설문조사로 데이터 분석 입문하기강의 썸네일

            캐글 설문조사로 데이터 분석 입문하기

            박조은

            파이썬 증권 데이터 수집과 분석으로 신호와 소음 찾기강의 썸네일

            파이썬 증권 데이터 수집과 분석으로 신호와 소음 찾기

            박조은

            투자 강의가 아닙니다. 증권 데이터를 통한 데이터 수집, 분석과 시각화를 다룹니다. 다양한 데이터 포맷을 다루며 다양한 텍스트 전처리 기법을 익힙니다. 시계열 데이터의 시각화 기법과 스케일에 대한 표현 방법 주가 데이터를 해석하기 위한 몇 가지 기법을 다룹니다. 이 강의는 데이터 분석을 통해 인사이트를 얻는 방법을 알아가는 강좌입니다. 주가 데이터를 통해 배운 내용을 시계열이 활용되는 수요량, 재고량, 판매량, 트래픽량 등의 데이터를 수집, 분석, 시각화에 활용해 볼 수 있도록 구성 되어있습니다.

            초급

            초급

            Python, Plotly, Pandas

            파이썬 증권 데이터 수집과 분석으로 신호와 소음 찾기강의 썸네일

            파이썬 증권 데이터 수집과 분석으로 신호와 소음 찾기

            박조은

            단 두 장의 문서로 데이터 분석과 시각화 뽀개기강의 썸네일

            단 두 장의 문서로 데이터 분석과 시각화 뽀개기

            박조은

            Pandas로 데이터 분석, 전처리, 머신러닝, 딥러닝에 활용하다 보면 늘 사용하는 기능 위주로 사용하게 됩니다. 이런 핵심적인 내용만을 모아 정리해 놓은 Pandas Cheat Sheet가 있습니다. 두꺼운 책으로 Pandas를 배우다 지치신 분들께 단 두 장의 문서로 Python Pandas를 알려드립니다. Pandas 공식 튜토리얼에서 제공하는 cheat sheet로 Pandas의 핵심 기능을 익혀봅니다.

            초급

            초급

            Python, Pandas

            단 두 장의 문서로 데이터 분석과 시각화 뽀개기강의 썸네일

            단 두 장의 문서로 데이터 분석과 시각화 뽀개기

            박조은

            공공데이터로 파이썬 데이터 분석 시작하기강의 썸네일

            공공데이터로 파이썬 데이터 분석 시작하기

            박조은

            이디야는 스타벅스 근처에 입점한다는 설이 있었습니다. 과연 이디야와 스타벅스의 매장입지는 얼마나 차이가 날까요? 2013년부터 2019년까지 부동산 가격 변동 추세가 아파트 분양가에도 반영될까요? 우리 동네에는 어떤 공원이 있을까요? 공공데이터 포털에 있는 데이터를 어떻게 활용하면 좋을까요? 공공데이터를 통해 여러 형태의 데이터를 다뤄보며 Python과 여러 데이터분석 라이브러리에 익숙해 지는 것을 목표로 합니다.

            초급

            초급

            Python, Pandas, Numpy

            공공데이터로 파이썬 데이터 분석 시작하기강의 썸네일

            공공데이터로 파이썬 데이터 분석 시작하기

            박조은

            캐글 실습으로 배우는 데이터 사이언스강의 썸네일

            캐글 실습으로 배우는 데이터 사이언스

            박조은

            머신러닝과 데이터 사이언스 경진대회 플랫폼인 캐글을 통해 데이터 분석과 머신러닝에 입문해 봅니다.

            초급

            초급

            Kaggle

            캐글 실습으로 배우는 데이터 사이언스강의 썸네일

            캐글 실습으로 배우는 데이터 사이언스

            박조은

            Similar courses

            Explore other courses in the same field!

            예제로 배우는 딥러닝 자연어 처리 입문 NLP with TensorFlow - RNN부터 BERT까지강의 썸네일

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

            AISchool

            딥러닝 자연어처리 기초부터 최신모델인 Transformer와 BERT까지 딥러닝 자연어 처리(Natural Language Processing[NLP])의 원리와 활용방법을 다양한 예제와 실습 코드 구현을 통해 학습합니다.

            초급

            초급

            딥러닝, NLP, Tensorflow

            예제로 배우는 딥러닝 자연어 처리 입문 NLP with TensorFlow - RNN부터 BERT까지강의 썸네일

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

            AISchool

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

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

            YoungJea Oh

            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.

            중급이상

            중급이상

            딥러닝, NLP, Tensorflow

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

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

            YoungJea Oh

            인공지능 탄생과 발전과정을 보면 AI 원리가 보인다.강의 썸네일

            인공지능 탄생과 발전과정을 보면 AI 원리가 보인다.

            AIDER_College

            AI는 갑자기 나타난 기술이 아닙니다. 70년간의 도전과 실패를 이해해야, AI의 현재와 미래를 제대로 볼 수 있습니다. 👉 “AI 역사를 이해하는 순간, 원리와 미래가 함께 보입니다.” 지금 바로 시작하세요!

            입문

            입문

            머신러닝, 딥러닝, 강화학습

            인공지능 탄생과 발전과정을 보면 AI 원리가 보인다.강의 썸네일

            인공지능 탄생과 발전과정을 보면 AI 원리가 보인다.

            AIDER_College

            인공지능은 어떻게 생각하고 배우는가? 머신러닝 완전 정복강의 썸네일

            인공지능은 어떻게 생각하고 배우는가? 머신러닝 완전 정복

            공룡선생

            세상을 바꾸는 AI의 모든 것을 단 4강으로 정복한다! 1강. 인공지능의 진짜 정체 AI는 마법이 아니다. 인간의 ‘지능’을 수식처럼 분석해 만든 디지털 두뇌! 똑똑한 척하는 인공지능의 핵심 구조를 낱낱이 파헤칩니다. 2강. 알고리즘, AI의 창의적(?) 사고법 고민하는 AI는 어떻게 해답을 찾을까? 바둑을 두고, 길을 찾고, 당신의 검색 결과를 예측하는 AI의 전략을 직접 만나보세요. 3강. AI 하드웨어, 상상을 현실로 만드는 엔진! 당신의 스마트폰 속 칩이 AI의 심장이다. CPU, GPU, TPU, 그리고 알 수 없는 그 이름들까지 전부 해부합니다. 4강. 머신러닝과 딥러닝의 대격돌! AI가 '배운다'는 건 대체 무슨 뜻인가? 고전적인 규칙 기반 AI에서, 요즘 핫한 챗GPT까지! 학습의 진화를 추적합니다.

            입문

            입문

            머신러닝, 딥러닝, 인공지능(AI)

            인공지능은 어떻게 생각하고 배우는가? 머신러닝 완전 정복강의 썸네일

            인공지능은 어떻게 생각하고 배우는가? 머신러닝 완전 정복

            공룡선생

            처음 해보는 맞춤형 LLM 만들기 – LoRA & QLoRA 파인튜닝 입문강의 썸네일

            처음 해보는 맞춤형 LLM 만들기 – LoRA & QLoRA 파인튜닝 입문

            HappyAI

            “LoRA 기반 경량 파인튜닝으로 나만의 맞춤형 LLM을 만들어보는 첫걸음!” 이 강의는 처음 LLM을 접하는 분도 쉽게 따라올 수 있도록 설계된 입문 실습 강의입니다. 복잡한 이론은 최소화하고, 모델 불러오기 → 데이터 적용 → 학습 → 결과 비교까지 전 과정을 단계별로 안내합니다. 짧은 시간 안에 LoRA·QLoRA와 같은 최신 경량 파인튜닝 기법의 흐름을 직접 경험하며, “LLM 파인튜닝이 이렇게 돌아가는구나”라는 감을 잡을 수 있습니다. 많은 자원이 없어도, 내 도메인에 특화된 LLM을 만들어보는 성취감을 직접 느껴보세요!

            입문

            입문

            딥러닝, NLP, 인공지능(AI)

            처음 해보는 맞춤형 LLM 만들기 – LoRA & QLoRA 파인튜닝 입문강의 썸네일

            처음 해보는 맞춤형 LLM 만들기 – LoRA & QLoRA 파인튜닝 입문

            HappyAI