01.  [1. 자연어 처리를 위한 Preprocessing] 1-1 각종 텍스트 전처리 방법
02.  [1. 자연어 처리를 위한 Preprocessing] 1-2 정수인코딩과 패딩
03.  [1. 자연어 처리를 위한 Preprocessing] 1-3 언어모델
04.  [2. Word Embedding] 2-1 워드 임베딩과 원-핫 인코딩의 차이 이해
05.  [2. Word Embedding] 2-2 Word2vec VS. FastText VS. Glove 비교
06.  [2. Word Embedding] 2-3 랜덤 초기화 임베딩과 사전 훈련된 임베딩의 사용 사례 비교
07.  [3. 텍스트를 위한 딥러닝 모델 : 순환 신경망과 1차원 합성곱 신경망] 3-1 RNN의 many-to-one, many-to-many, Language Model 구조 이해
08.  [3. 텍스트를 위한 딥러닝 모델 : 순환 신경망과 1차원 합성곱 신경망] 3-2 RNN의 한계를 보완한 LSTM, GRU 소개
09.  [3. 텍스트를 위한 딥러닝 모델 : 순환 신경망과 1차원 합성곱 신경망] 3-3 1D CNN을 이용한 텍스트 처리 소개
10.  [4. 기계 번역과 챗봇을 위한 구현 방법 : Sequence to Sequence] 4-1 입력과 출력의 길이가 다른 many-to-many 문제를 위한 Sequence to Sequence 모델
11.  [4. 기계 번역과 챗봇을 위한 구현 방법 : Sequence to Sequence] 4-2 RNN의 Teacher Forcing 학습과 텍스트 방법 이해
12.  [4. 기계 번역과 챗봇을 위한 구현 방법 : Sequence to Sequence] 4-3 서브워드 토크나이징 소개
13.  [5. Transformer 모델] 5-1 Attention Mechanism
14.  [5. Transformer 모델] 5-2 Transformer Encoder 1
15.  [5. Transformer 모델] 5-3 Transformer Decoder 2
16.  [6. GPT와 LLM 이해하기] 6-1 ChatGPT API를 이용한 데이터 생성 노하우
17.  [6. GPT와 LLM 이해하기] 6-2 인컨텍스트 러닝 / 퓨샷 러닝
18.  [6. GPT와 LLM 이해하기] 6-3 대형 GPT를 활용하는 모델 튜닝 방법 : 로라 튜닝과 AI 산업에서의 주안점

항목	진도율	진행단계평가	최종평가	과제	총점
평가비율	100%	0%	0%	0%	100점
수료기준	80% 이상	0점 이상	0점 이상	0점 이상	0점 이상

등록된 강사정보가 없습니다.

등록된 후기가 없습니다.