과정상세
ChatGPT의 원리를 배우는 딥러닝 자연어 처리
교재제공 중급
ChatGPT의 원리를 배우는 딥러닝 자연어 처리
카테고리
- AI 생성형AI
- 생성형AI 생성형AI
- 학습유형별 대면
- AI 자연어처리
과정요약
| 학습시간 | 34시간 | 난이도 | 중급 |
|---|---|---|---|
| 교육비 지원 | 고용보험 비환급 | 평가항목 | 출석률 100% |
| 수료기준 | 총점 80점 이상시 수료 | 정원 | 32 명 |
| 교재정보 | |||
과정소개
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.
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.
- 한국어 데이터의 형태소 분석
- 텍스트 데이터의 벡터 변환
- 텍스트 데이터에 적용하는 알고리즘
- 2020년대 최신의 딥러닝 언어모델
- ChatGPT의 원리를 이해하기 위한 MiniGPT 구현
💻 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.
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
과정목차 34
-
1 일차
-
환경 설정
- 기계학습/딥러닝을 활용한 자연어 처리를 위한 환경 설정하기
-
환경 설정
-
말뭉치
- 일반 텍스트, XML, JSON, 또는 표 형식으로 저장된 다양한 형태의 텍스트 데이터를 적재하기
- 일반 텍스트, XML, JSON, 또는 표 형식으로 저장된 다양한 형태의 텍스트 데이터를 적재하기
- 일반 텍스트, XML, JSON, 또는 표 형식으로 저장된 다양한 형태의 텍스트 데이터를 적재하기
- 일반 텍스트, XML, JSON, 또는 표 형식으로 저장된 다양한 형태의 텍스트 데이터를 적재하기
- 정규표현식을 활용하는 방법을 살펴보고, 정규식을 한글 데이터에 적용하는 기본 기법 살펴보기
- 한국어 말뭉치 전처리를 위해 정규식을 활용하는 기법을 살펴보기
-
형태소 분석
- 지도 학습 기반 형태소 분석 소프트웨어를 비교 평가하고, 활용하기
- 비지도학습 기반의 새로운 형태소 분석 기법을 이해하고 활용하기
- 비지도학습 기반의 새로운 형태소 분석 기법을 이해하고 활용하기
- 단어 뭉치 (BoW), N-Gram과 같은 통계적 방법론의 이해
- 단어 뭉치 (BoW), N-Gram과 같은 통계적 방법론의 이해
- 단어 뭉치 (BoW), N-Gram과 같은 통계적 방법론의 이해
- 단어 뭉치 (BoW), N-Gram과 같은 통계적 방법론의 이해
-
신경망 기반
- 신경망 기반의 자연어 처리
- 신경망 기반의 자연어 처리
- 신경망 기반의 자연어 처리
- NPLM과 Word2Vec
- NPLM과 Word2Vec
- NPLM과 Word2Vec
- NPLM과 Word2Vec
-
임베딩
- 단어 벡터 임베딩
- 단어 벡터 임베딩
- 단어 벡터 임베딩
- RNN Encoder Decoder
- RNN Encoder Decoder
- Attention 기반의 트랜스포머 네트워크
- Attention 기반의 트랜스포머 네트워크
-
BERT
- BERT 모델의 구현과 활용
- BERT 모델의 구현과 활용
- BERT 모델의 구현과 활용
- GPT-2 모델의 구현과 활용
- GPT-2 모델의 구현과 활용
- GPT-2 모델의 구현과 활용
수강후기 67
-
5이*혁
2025.05.30
알고리즘 원리를 이해하기 위해 코드를 직접 구현하여 결과를 확인하는 것이 많은 도움이 되었다 -
4.75고*별
2025.05.30
강사님 너무 잘 가르치세요. 대학원 수업에서 이해 못하던게 명쾌하게 이해됬습니다. -
5김*희
2025.05.30
수강생들의 상황에 대해 이해해주시려고 노력하시고 이해에 필요한 추가정보를 알려주시려고 노력하셨습니다. 감사합니다 -
3이*엽
2025.05.30
AI개발환경을 전반적으로 알 수 있었습니다. -
5김*홍
2025.05.30
강사님이 너무 친절히 잘 알려주십니다 중간중간 수업이 지루하지 않게 gpt에게 문의도 하며 동작원리도 설명해주십니다
ChatGPT의 원리를 배우는 딥러닝 자연어 처리 관련과정
교재제공