멀티캠퍼스 :: 과정상세보기

과정요약

과정요약
학습시간	34시간	난이도	중급
교육비 지원	고용보험 비환급	평가항목	출석률 100%
수료기준	총점 80점 이상시 수료	정원	24 명
교재정보	한국어 임베딩

과정소개

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

1. 한국어 텍스트를 실습에 활용
2. 기존의 파이썬 한국어 라이브러리들은 기계학습과 딥러닝 기법을 적용하지 않는 한계
3. TensorFlow+Keras 라이브러리를 활용한 딥러닝 모델을 한국어 텍스트에 적용

■ 아래와 같은 사전 지식이 갖춰져 있다면 <파이썬을 활용한 머신러닝> 과정을 매우 효과적으로 수강하실 수 있습니다.

최소
: 멀티캠퍼스 교육과정 <빅데이터를 위한 파이썬> <파이썬 입문 or 핵심>을 이미 수강하였다.

권장
: 멀티캠퍼스 교육과정 <파이썬을 활용한 머신러닝>, <파이썬과 오픈소스를 활용한 딥러닝>을 수강

아래 3가지 중 1개 이상을 충족한다.
. 파이썬 스크립트를 보고 그 의미를 알 수 있다.
. 파이썬 라이브러리(Numpy, Pandas 등)를 사용해 본 경험이 있다.
. 파이썬은 사용해보진 않았으나 다른 프로그래밍 언어를 능숙하게 활용하고 있거나 업무를 하고 있다.

■ 본 과정은 기존 <파이썬으로 배우는 자연어 처리 기술 입문> 과정이 교육일자 및 커리큘럼이 일부 변경(교육기간 3일->5일)되어 2020년 부터 개설되었습니다.

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

과정목차 34

1 일차
- 환경설정
  - Anaconda와 주피터 노트북
- 자료형
  - 파이썬 문자열 자료형을 활용한 텍스트 데이터 처리
- 자료구조
  - 파이썬 표준 자료구조를 활용한 텍스트 데이터 처리
- 텍스트 데이터 입출력
  - 텍스트 데이터 읽기/쓰기
- 텍스트 데이터 입출력
  - 유니코드와 인코딩
- 정규표현식
  - 정규표현식 메타 문자
- 정규표현식
  - 정규표현식의 한글 처리
2 일차
- 말뭉치
  - 일반 텍스트 말뭉치
- 말뭉치
  - XML 말뭉치
- 말뭉치
  - 분류가 있는 말뭉치
- 말뭉치
  - WordNet
- 한국어 말뭉치
  - 세종말뭉치 적재
- 한국어 말뭉치
  - 세종말뭉치 분석
- 한국어 말뭉치
  - 세종말뭉치 활용
3 일차
- 기계학습 기본
  - 지도학습
- 기계학습 기본
  - 최적화와 일반화; 과소적합과 과적합
- 기계학습 기본
  - 모델 평가 및 활용
- 텍스트 인코딩
  - 형태소 분리
- 텍스트 인코딩
  - 벡터 인코딩
- 자동 품사 예측
  - N-Gram 모델
- 자동 품사 예측
  - N-Gram 모델을 활용한 품사 예측
4 일차
- 딥러닝 라이브러리
  - TensorFlow와 Keras
- 신경망
  - 인공 신경망의 구조와 원리
- 신경망
  - 인공 신경망 모델의 구현과 활용
- 워드 임베딩
  - 원-핫-인코딩과 워드 임베딩 비교
- 워드 임베딩
  - 워드 임베딩 계층
- 워드 임베딩
  - 워드 임베딩 계층을 활용한 신경망 모델 구성
- 워드 임베딩
  - 세종 말뭉치를 활용한 워드 임베딩 모델 훈련
5 일차
- RNN
  - Recurrent Neural Network 원리
- RNN
  - Recurrent 계층 구현
- RNN
  - LSTM과 GRU
- RNN
  - Bidirectional RNN
- CNN
  - 합성곱 계층의 원리
- CNN
  - 시퀀스 데이터에 1차원 합성곱 계층 적용

수강후기 10

평균평점

4.5 / 5.0

5

곽*기
2022.10.21

고생많으셨습니다 너무 좋았습니다
3.5

김*주
2022.10.21

자연어처리 공부하고있는데 헷갈렸던 부분을 정리하는데 도움이 되었습니다! 일주일동안 강의해주시느라 고생하셨습니다 감사합니다.
5

유*현
2022.10.21

너무 유익한 교육이었습니다. 어려운 내용인데도 너무 쉽게 잘 알려주셔서 감사드려요.
5

우*영
2022.10.21

좋은 수업 제공해주셔서 정말 감사합니다!
4.5

옥*수
2022.10.21

같은 강사님 두번째 수업인데 왜 세개수업을 맡고 순차적으로 듣는게 좋은지 깨달았습니다. 다만, 홈페이지 설명에서 해당 사항을 확실하게 표기하고, 왜 선수과목이 머신러닝 -> 딥러닝 -> 자연어처리인지 아는 사람들이 수강을 하면 더 좋을 것 같다는 생각이 듭니다. 업무에 적용할 수 있다는 막연한 생각으로 오시면 얻어가는게 없을 수도 있습니다.

파이썬으로 배우는 딥러닝 자연어 처리 관련과정

집합

교재제공

파이썬과 오픈소스를 활용한 딥러닝