멀티캠퍼스

통합검색

검색도우미 기능을 다시 켤때는
검색창에서 검색도우미 열기를 클릭하세요

과정상세

ChatGPT의 원리를 배우는 딥러닝 자연어 처리

thumbnail image
집합

교재제공 중급

ChatGPT의 원리를 배우는 딥러닝 자연어 처리

4.7

like 12

1,300,000원 (VAT없음)
학습기간
개폐강 확정일 2024.03.08

과정요약

과정요약
학습시간 09:30 ~ 17:30 ( 34시간 ) 난이도 중급
교육비 지원 고용보험 비환급 평가항목 출석률 100%
수료기준 총점 80점 이상시 수료 정원 24 명
교재정보

과정소개

자연어 처리에 필요한 기계학습과 딥러닝을 논의합니다. 
파이썬 기반 자연어 처리, 기계학습, 딥러닝 라이브러리를 활용해 한국어 데이터에 실제로 적용합니다. 

ChatGPT의 기반기술인 트랜스포머 신경망에 대한 학습
GPT-2기반 MiniChatGPT를 직접 만들어 그 원리를 이해하는 과정


특히,  영어가 아닌 한국어 텍스트를 실습에 활용하여
기존의 파이썬 한국어 라이브러리가 기계학습과 딥러닝을 적용하지 않는 한계를 해소합니다. 

※ 2024년부터 과정 커리큘럼이 일부 변경되었으니, 하단 과정목차를 참고해 주세요.
자연어처리 GPT 딥러닝 파이썬 중급
GPT의 원리를 배우는 딥러닝 자연어 처리
2023년 AI의 화두, ChatGPT

전 산업군에 AI 기술이 필수인 시대입니다. ChatGPT가 대체될 수 있는 다양한 비즈니스를 고려했을 때
딥러닝 알고리즘 및 언어 모델 원리에 대한 전문적 학습을 통해 최신 기술 동향을 이해하고
새로운 기술을 적용하여 혁신적인 제품 및 서비스를 개발하는데 기여할 수 있습니다. 

그래서 멀티캠퍼스에서는 재직자 대상 ChatGPT와 관련된 딥러닝 알고리즘 및 언어모델분야의 
교육을 통해 전문성을 향상시키고 IT기술분야 경쟁력을 강화하고자 합니다. 
무엇을 배우게 되나요? 

- 한국어 데이터의 형태소 분석
- 텍스트 데이터의 벡터 변환
- 텍스트 데이터에 적용하는 알고리즘
- 2020년대 최신의 딥러닝 언어모델
- ChatGPT의 원리를 이해하기 위한 MiniGPT 구현 
필요한 선수지식이 있어요.  

💻 최소
: 아래의 멀티캠퍼스 교육과정 중 1개라도 수강한 적이 있다. 
 『빅데이터를 위한 파이썬』
 『파이썬 입문』
 『파이썬 핵심』


💻 권장 
: 멀티캠퍼스 교육과정 중 『파이썬을 활용한 머신러닝』 『파이썬과 오픈소스를 활용한 딥러닝』
을 수강한 적이 있다. 


💻 아래 요소 중 3개 이상을 충족한다. 
  . 파이썬 스크립트를 읽고 이해할 수 있다. 
  . 파이썬 라이브러리(Numpy, Pandas 등)를 사용해 본 경험이 있다. 
  . 파이썬은 사용해보진 않았으나 다른 프로그래밍 언어를 능숙하게 활용하고 있거나 업무를 하고 있다.
  . Scikit-Learn 또는 TensorFlow/PyTorch 등의 프레임워크를 활용한 기계학습 및 딥러닝 경험이 있다. 
믿고 보는 그 강사의 명품 강의💎

멀티캠퍼스 AI 분야 스테디셀러 총 누적 수강생 2000명 이상! 🎉
『파이썬을 활용한 머신러닝』 『파이썬과 오픈소스를 활용한 딥러닝』의 담당강사가 강의합니다. 
💍 이성주 강사
- 現) 코드베이직 대표
- 대기업, 공공기관, 대학교 등 다수의 고객사 대상 인공지능/데이터사이언스 분야 강의
- 연세대학교 컴퓨터과학 박사 수료
- 『임베디드 안드로이드』, 『Android Developer Tools 필수 가이드, 기본편/심화편』, 『SciPy와 NumPy: 데이터/수치 분석을 위한 파이썬 라이브러리』 등 도서 출판

학습목표

  • 자연어 처리의 프로세스를 이해한다.
  • 자연어 처리에 필요한 기술적 개념을 실제 언어 데이터에 적용하는 실습을 통해 학습한다.
  • 자연어 처리에 활용되는 파이썬 기반 소프트웨어 라이브러리를 비롯해 산업에 활용 가능한 자원을 학습한다.
  • 다양한 형식으로 된 자연어 말뭉치 처리 기법을 학습한다.
  • 웹문서에서 텍스트를 추출해 자연어 말뭉치를 형성하는 기법을 학습한다.
  • 기계학습을 활용하는 자연어 이해에 선행하는 자연어 처리를 학습한다

학습대상

  • 파이썬 프로그래밍을 활용한 자연어 처리 방법 습득이 필요한 개발자
  • 빅데이터 분석에 텍스트 정보 처리가 필요한 개발자
  • 자연어 처리 기술을 챗봇, 음성인식 등의 서비스나 플랫폼에 적용하려는 개발자
  • 수집된 고객 의견에서 고객의 감정 또는 상태를 자동으로 판별해야 하는 고객 데이터 처리 전문가
  • 웹에서 수집한 언어 데이터를 수집, 처리하는 전문가
    • 1일차
      • 환경 설정
        • 기계학습/딥러닝을 활용한 자연어 처리를 위한 환경 설정하기 09:30 ~ 10:30
      • 말뭉치
        • 일반 텍스트, XML, JSON, 또는 표 형식으로 저장된 다양한 형태의 텍스트 데이터를 적재하기 10:30 ~ 11:30
      • 말뭉치
        • 일반 텍스트, XML, JSON, 또는 표 형식으로 저장된 다양한 형태의 텍스트 데이터를 적재하기 11:30 ~ 12:30
      • 말뭉치
        • 일반 텍스트, XML, JSON, 또는 표 형식으로 저장된 다양한 형태의 텍스트 데이터를 적재하기 13:30 ~ 14:30
      • 말뭉치
        • 일반 텍스트, XML, JSON, 또는 표 형식으로 저장된 다양한 형태의 텍스트 데이터를 적재하기 14:30 ~ 15:30
      • 전처리
        • 정규표현식을 활용하는 방법을 살펴보고, 정규식을 한글 데이터에 적용하는 기본 기법 살펴보기 15:30 ~ 16:30
      • 전처리
        • 한국어 말뭉치 전처리를 위해 정규식을 활용하는 기법을 살펴보기 16:30 ~ 17:30
    • 2일차
      • 형태소 분석
        • 지도 학습 기반 형태소 분석 소프트웨어를 비교 평가하고, 활용하기 09:30 ~ 10:30
      • 형태소 분석
        • 비지도학습 기반의 새로운 형태소 분석 기법을 이해하고 활용하기 10:30 ~ 11:30
      • 형태소 분석
        • 비지도학습 기반의 새로운 형태소 분석 기법을 이해하고 활용하기 11:30 ~ 12:30
      • 통계적 분석
        • 단어 뭉치 (BoW), N-Gram과 같은 통계적 방법론의 이해 13:30 ~ 14:30
      • 통계적 분석
        • 단어 뭉치 (BoW), N-Gram과 같은 통계적 방법론의 이해 14:30 ~ 15:30
      • 통계적 분석
        • 단어 뭉치 (BoW), N-Gram과 같은 통계적 방법론의 이해 15:30 ~ 16:30
      • 통계적 분석
        • 단어 뭉치 (BoW), N-Gram과 같은 통계적 방법론의 이해 16:30 ~ 17:30
    • 3일차
      • 신경망 기반
        • 신경망 기반의 자연어 처리 09:30 ~ 10:30
      • 신경망 기반
        • 신경망 기반의 자연어 처리 10:30 ~ 11:30
      • 신경망 기반
        • 신경망 기반의 자연어 처리 11:30 ~ 12:30
      • 단어 벡터
        • NPLM과 Word2Vec 13:30 ~ 14:30
      • 단어 벡터
        • NPLM과 Word2Vec 14:30 ~ 15:30
      • 단어 벡터
        • NPLM과 Word2Vec 15:30 ~ 16:30
      • 단어 벡터
        • NPLM과 Word2Vec 16:30 ~ 17:30
    • 4일차
      • 임베딩
        • 단어 벡터 임베딩 09:30 ~ 10:30
      • 임베딩
        • 단어 벡터 임베딩 10:30 ~ 11:30
      • 임베딩
        • 단어 벡터 임베딩 11:30 ~ 12:30
      • RNN
        • RNN Encoder Decoder 13:30 ~ 14:30
      • RNN
        • RNN Encoder Decoder 14:30 ~ 15:30
      • 트랜스포머
        • Attention 기반의 트랜스포머 네트워크 15:30 ~ 16:30
      • 트랜스포머
        • Attention 기반의 트랜스포머 네트워크 16:30 ~ 17:30
    • 5일차
      • BERT
        • BERT 모델의 구현과 활용 09:30 ~ 10:30
      • BERT
        • BERT 모델의 구현과 활용 10:30 ~ 11:30
      • BERT
        • BERT 모델의 구현과 활용 11:30 ~ 12:30
      • 텍스트 생성형 모델
        • GPT-2 모델의 구현과 활용 13:30 ~ 14:30
      • GPT
        • GPT-2 모델의 구현과 활용 14:30 ~ 15:30
      • GPT
        • GPT-2 모델의 구현과 활용 15:30 ~ 16:30

수강후기 12

평균평점

4.7 / 5.0

  • 4.25
    황*택

    2023.12.15

    학문적인 내용에 대해 이해가 많이 되었습니다.
  • 5
    임*엽

    2023.12.15

    설명을 잘해주시고 자세하게 알려주시지만, 처음에 너무 기초적인 내용까지 자세하게 설명해주셔서 나중 부분이 급하게 진행된 느낌이 있습니다
  • 4
    임*종

    2023.12.15

    자연어처리과정에 대해 이해하는 시간이었음 초 중반이 길어져서 후반부 시간이 다소 아쉬웠음
  • 4.75
    김*린

    2023.12.15

    강의의 최종 목표에 달성하기 위한 지식을 이해하기 쉽게 설명해주시고 강의내용에 흥미를 느끼고 스스로 생각해볼 수 있는 계기를 제공해주셔서 좋았습니다.
  • 5
    안*영

    2023.12.15

    ChatGPT의 원리에 대해 명확히 전달해주셨습니다. 강사님은 딥러닝과 데이터 처리에 대한 완벽한 이해를 갖고 계십니다. 도커 실습환경, 전자칠판, 동영상 제공 등을 통해 강사님의 지식을 잘 전달받을 수 있었습니다.

ChatGPT의 원리를 배우는 딥러닝 자연어 처리 관련과정