-
챗GPT와 자연어 처리 원리의 이해 및 실습 종료(청강) 이수증
-
챗GPT와 자연어 처리 원리의 이해 및 실습
참여기관 목록
강좌소개
01 강의내용 및 학습목표
본 강좌는 자연어 처리(NLP) 및 딥러닝의 기본부터 심화 단계까지의 개념적 이해를 돕고, 실습 태스크를 통한 직접적인 AI 경험을 제공함으로써 AI 분야에 대한 진입 장벽을 낮추는 것을 목적으로 한다. 이 과정을 통해 학습자들은 자연어 처리와 딥러닝의 핵심 원리를 체계적으로 파악하고, 이론적 지식을 실제 AI 프로젝트에 적용하는 데 필요한 실무 경험을 쌓을 수 있다.
• 자연어 처리와 딥러닝의 기본 개념과 알고리즘을 이해하고 설명할 수 있다.
• 실제 AI 프로젝트를 경험하며 이론적 지식을 실습을 통해 적용할 수 있다.
• 모의 대회를 통해 학습한 내용을 종합적으로 검토하고, 실제 문제 해결에 적용할 수 있다.
02 담당 교수 소개
 |
천지영 교수
현) 서울사이버대학교 인공지능학과 조교수 현) 서울사이버대학교 빅데이터·AI센터 부센터장 현) 서울사이버대학교 AI융합대학 학장 [학력] 고려대학교 공학박사 |
|---|---|
 |
노건태 교수
현) 서울사이버대학교 빅데이터·정보보호학과 조교수 현) 서울사이버대학교 빅데이터·AI센터 센터장 현) 서울사이버대학교 공과대학 학장 [학력] 고려대학교 공학박사 |
 |
김태영 교수 (1,11,13,14,15주차)
현) 서울사이버대학교 대우교수 현) (주)인공지능팩토리 대표이사 현) 마이크로소프트 RD & MVP AI 현) 케라스 코리아 운영진 현) 캐글 코리아 운영진 현) 랭체인 코리아 운영진 [학력] 경북대학교 전자전기 학사 국가연구소대학교 위성시스템 및 활용공학 석사 경희대학교 우주탐사 박사수료 [경력] (주)인스페이스 기술이사 한국항공우주연구원 연구원 (주)인공지능팩토리 대표이사 |
 |
김준영 교수 (2,6,8주차)
현) 인공지능팩토리 데이터사이언스 팀장 [학력] 한국외국어대학교 국제관계학 석사 한국외국어대학교 일본어 학사 [경력] 인공지능팩토리 데이터사이언스 팀장 인공지능팩토리 데이터사이언스 연구원 패스트캠퍼스 데이터사이언스 준전문가 과정 코치 통일연구원 국제관계연구센터 연구원 |
 |
이성만 교수 (3,4,5주차)
현) 서울사이버대학교 특임교수 [학력] 국민대학교 경영대학원 AI빅데이터학과 석사 대전대학교 컴퓨터공학과 학사 [경력] KDB생명 IT운영 및 개발(팀장) 금호 아시아나IDT 금융시스템팀 티티인포 이커머스팀 / 솔루션팀 현대크라프트 수석연구원 |
 |
이관수 교수 (9,10주차)
현) 지앤지병원 수석연구원 현) 서울사이버대학교 빅데이터·정보보호학과 특임 교수 현) 멀티캠퍼스 강사 [학력] 국민대학교 경영대학원 공학석사(AI빅데이터전공) [경력] 한국농수산식품유통공사, 2022 농산물 가격예측 AI 경진대회 우수상 한국관광공사, 2022 관광데이터 AI 경진대회 장려상 한국고용정보원, 잡케어 추천알고리즘 경진대회 최우수상 (1등) 과학기술정보통신부/연구개발특구진흥재단, 제1회 연구개발특구 AI 스파크 챌린지 대상(1등) 한국농수산식품유통공사, 2021 농넷 농산물 가격예측 AI 경진대회 우수상(4등) 경희의료원, A.I.D.D. 2021 - 당뇨병 발병 예측 AI 모델 개발 챌린지 우수상(3등) 한국수자원공사, 제1회 K-water AI 알고리즘 개발 경진대회 우수상(2등) 녹색기술센터, 자연어 기반 기후기술분류 AI 경진대회 우승 (1등) 데이콘, 운동 동작 분류 AI 경진대회 입상(5등) 데이콘, 2020 D CUP Google Analytics 데이터 경진대회 입상(9등) |
 |
민규식 강사 (12주차)
현) 카카오 AI 엔지니어 [학력] 한양대학교 미래자동차공학과 박사 [경력] 카카오엔터프라이즈 AI 연구원 |
03 주차별 학습내용
• 강좌구성 : 총 16주
• 강좌개설 : 순차적으로 개설하며, 해당 주차일에 강의가 열립니다.
| 주차 | 주차명 | 소주제 |
|---|---|---|
| 1 | 챗GPT 개요 설명 및 실습 안내 | |
| 챗GPT 개요 | ||
| 학습 종류와 대규모 언어모델 | ||
| 실습 플랫폼 소개 | ||
| 2 | 자연어처리 입문 | |
| 자연어 처리란? | ||
| 인코딩, 인덱싱 | ||
| 원핫 인코딩 | ||
| 말뭉치, 토크나이저 | ||
| 임베딩과 벡터 표현 | ||
| 단어 문서 행렬, TF-IDF | ||
| Word2Vec의 핵심 아이디어 | ||
| N-gram | ||
| Word2Vec: skip-gram | ||
| 토크나이징, 임베딩, N-그램 실습 | ||
| 3 | 딥러닝 입문 | |
| 퍼셉트론 이해와 한계 극복 | ||
| 활성화 함수 및 손실 함수 | ||
| 경사하강법 | ||
| 역전파 | ||
| 작동과정과 일반화 | ||
| 퍼셉트론 구현 프레임워크 소개와 모델링 | ||
| 전처리 중요성 | ||
| 자연어 처리와 딥러닝 | ||
| 다층 퍼셉트론 모델 구현 - 이진분류 모델 | ||
| 다층 퍼셉트론 모델 구현 - 감성분석 모델 | ||
| 4 | 딥러닝 초급1 | |
| 인공신경망 고도화 | ||
| 순환신경망 이해 | ||
| RNN Cell 이해 | ||
| 자연어 전처리 | ||
| 장단기 메모리 이해 | ||
| LSTM Cell 이해 | ||
| LSTM 변형 | ||
| RNN, LSTM 적용 인공지능 모델 구현 - 이진분류 모델 | ||
| RNN, LSTM 적용 인공지능 모델 구현 - 감성분석 모델 | ||
| 5 | 딥러닝 초급2 | |
| 인공신경망 고도화 | ||
| seq2seq의 이해 | ||
| seq2seq 모델 구성 | ||
| seq2seq 모델 학습 | ||
| 데이터 전처리 | ||
| seq2seq 모델 예측 | ||
| 한계와 발전 | ||
| seq2seq 인공지능 모델 구현 - 기계번역 | ||
| seq2seq 인공지능 모델 구현 - 텍스트 요약 | ||
| 6 | 딥러닝 초급3 | |
| 시계열 모델 복습 | ||
| Attention의 개념 | ||
| Bahdanau Attention(Additive Attention) | ||
| Luong Attention(Dot Product Attention) | ||
| Self Attention | ||
| Attention 응용 인공지능 모델 구현 | ||
| 7 | 중간고사 | |
| 8 | 딥러닝 중급1 | |
| Attention 복습 | ||
| Transfomer 소개 | ||
| 인코더 | ||
| 디코더 | ||
| Transfomer 정리 | ||
| 사전학습 언어모델과 Transformer 모델 실습 | ||
| 9 | 딥러닝 중급2 | |
| BERT 개요 | ||
| BERT 입력 | ||
| BERT 사전학습 | ||
| BERT 미세조정 | ||
| Transformers 라이브러리 | ||
| BERT 모델을 이용한 Fine-tuning 구현 - BERT를 활용한 뉴스 주제 분류 | ||
| 10 | 딥러닝 중급3 | |
| GTP 개요 | ||
| Fine-tuning GPT | ||
| GPT-2 | ||
| GPT-3 | ||
| GPT-4 | ||
| GPT 모델을 이용한 Fine-tuning 구현 - GPT를 활용한 감성분석 | ||
| 11 | 딥러닝 중급4 | |
| LLM 모델 기반 태스크 정의 | ||
| 가짜 LLM 기반 댓글 감성 분류 자동화 | ||
| 딥러닝 기반 댓글 감성 분류 자동화 | ||
| 가짜 LLM 기반 댓글 답글 생성 태스크 | ||
| 딥러닝 기반 댓글 답글 생성 자동화 | ||
| 가짜 LLM 기반 챗봇 앱 | ||
| 딥러닝 기반 챗봇 앱 | ||
| 12 | 딥러닝 고급1 | |
| 강화학습의 개요 | ||
| 강화학습의 기초 이론 | ||
| RLHF 소개 및 기법 설명 | ||
| RLHF 실험 설정 및 결과 | ||
| 자연어 문제에서의 RLHF | ||
| RLHF 알고리즘 실습 | ||
| 13 | 딥러닝 고급2 | |
| OpenAI의 API를 활용한 앱개발 | ||
| OpenAI의 API를 활용한 댓글 분류 자동화 | ||
| OpenAI의 API를 활용한 자동화 답글 생성 태스크 | ||
| OpenAI 모델과 챗봇의 연동 | ||
| OpenAI를 활용한 대화 문맥 관리방법 | ||
| 함수 호출이 가능한 챗봇 | ||
| 14 | 챗GPT의 다양한 활용사례 소개 | |
| 챗GPT Plus & 플러그인 소개 | ||
| 챗GPT API 활용 앱 소개 | ||
| 챗GPT API 기반 Agent 소개 | ||
| 15 | 실시간 세미나 | |
| 모의대회 소개 및 시작, 질의응답 | ||
| 16 | 기말고사 | |
| 모의대회 스코어보드 공개 | ||
04 강좌 신청기간 및 강좌일정
• 강좌개강일정 : 2024년 4월 29일(월)
• 강좌신청기간 : 2024년 4월 29일(월) ~ 2024년 6월 16일(일)
• 강좌학습일정 : 2024년 4월 29일(월) ~ 2024년 6월 23일(일)
05 이수기준
• Pass/Fail (100점 만점에 종합성적 60점 이상인 경우 이수. 단, 기말고사 시 진행되는 모의대회에서 베이스라인 스코어를 넘는 경우에 한해 이수 기준을 적용함)
| 퀴즈 | 중간고사 | 기말고사(모의대회) |
|---|---|---|
| 30% | 30% | 40% |
• 퀴즈 : 매주
• 중간고사 : 1회(7주차)
• 기말고사 : 1회(16주차)
06 담당TA
 |
신영아 TA
고려대학교 석박사통합과정수료 연구 분야 : 분산 환경에서의 머신러닝 E-mail : yashin95@korea.ac.kr |
|---|
07 강좌 수준 및 선수요건
• 본 강좌는 인공지능에 대한 기본적인 이해, 파이썬 및 데이터 엔지니어링 지식을 필요로 합니다.
• 본 강좌의 강사진은 현업에서 활동 중인 전문가들로 구성되어 있으며, 실무 경험을 바탕으로 한 실질적인 지식과 인사이트를 제공합니다.
• 본 강좌는 자연어 처리와 딥러닝을 심도 있게 배우고자 하는 학습자를 대상으로 하며, 실무적 적용에 관심이 많은 학습자들에게 매우 유익할 것입니다.
08 교재 및 참고문헌
주교재 : 강의교안
주요 참고문헌
• 공개 오픈 소스 활용