영어로만 배웠던, 어렵기만 하던 자연어 처리! 이제, 언제 어디에서든 쉽게 한국어로 자연어 처리를 배워보세요. 강의 난이도를 확! 낮춰 비전공자/입문자들도 쉽게 배우실 수 있습니다.
자연어 처리에 대한 소개 및 실습 환경 구축부터, 크롤링을 활용한 텍스트 추출, 정제 및 분석 등 텍스트 분석을 위한 전 프로세스를 경험합니다.
일반적인 자연어 처리 강의는 영어로 된 논문 리뷰가 꼭 필요합니다. 논문 리뷰 이전에, 한국어로 된 데이터로 실습 및 프로젝트를 진행하며 쉽게 자연어 처리에 친숙해지세요.
자연어 처리 스킬을 당장 현업에 써야 하지만, 배우는 데에 오래 걸려 현업 적용보다는 자기역량 향상에 초점이 맞춰집니다. 이 강의는 실습부터 진행하기 때문에, 현업에 바로 적용됩니다.
비전공자에게도 쉬운
파이썬 설치부터 Tensorflow 설치, 다양한 이론과 실습 등 자연어 처리의 전 과정을, 비전공자도 쉽게 따라 하실 수 있습니다.
영어 분석은 그만!
본 강의는 맞춤법 교정, 형태소 분석 등을 배우며 한글로 이루어진 국내 실무에도 즉시 적용할 수 있습니다.
강의에서 못다한 이야기
실전 압축된 강의에서 부족함을 못 느낄만큼 강의에서 다룬 것 외 강사님의 노하우가 담긴 주석, 실습 코드 등 풍부한 스크립트를 제공합니다.
본 강의는 머신 러닝/딥러닝 모델의 입력을 위한 데이터 전처리의 전 과정을 간략하면서도 체계적으로 학습할 수 있도록 설계되었습니다. 또한 각 과정의 내용들은 실무 프로젝트에 주로 활용되는 것들을 중심으로 기술되었습니다. 9시간 30분 분량의 과정으로 텍스트 데이터 수집부터 분석모델 도입 프로젝트까지 학습하실 수 있도록 모든 과정을 담았습니다.
최근 자연어 처리(NLP) 관련 강의가 많이 등장하고 있지만, 그 예시나 연습은 주로 영어나 영어를 이용하게끔 되어 있는 라이브러리 등에 대한 사용이 주를 이루고 있습니다. 그러나 우리의 실제 서비스에서는 한글(보조적으로 영어)을 기반으로 한 언어 처리가 대부분입니다. 따라서 본 강의 또한 한국어를 위주로 여러 가지의 언어 처리 기법들을 학습할 수 있도록 도와드립니다.
(* 일부 강의자료는 자연어처리 분야 특성상 영어가 다소 포함될 수 있습니다.)
지금까지 온/오프라인에 상관없이 대부분의 자연어 처리 강의에서는 복잡한 이론을 위주로 설명하기 때문에, 실제 내 업무에 직접 도입하기는 어려웠습니다. 하지만 본 강의는, 해당 커리큘럼에 반드시 필요한 이론만 간단히 진행하고, 예제와 실습을 통한 실전 학습을 중점으로 진행되는 강의입니다. 이론과 관련한 보다 상세한 설명은 교재 이외에 별도의 자료에 첨부하여 제공해드리기 때문에 이론도 부족하지 않도록 완벽한 입문을 도와드립니다.
내 강의장에서 해당 강의를 이어보기하시면 왼쪽 상단에 "강의자료" 버튼이 있습니다.클릭 시 zip파일로 다운로드되며, 강의 자료와 실습코드, 그리고 강사님께 문의할 수 있는 연락처가 포함되어 있습니다.
실습을 위해 개인 PC가 꼭 필요합니다. OS는 Windows OS, Mac OS 모두 가능합니다.
자연어 처리 기술에 관심 있는데 비전공자/입문자라 두려우신 분
영어로만 배웠던 자연어 처리 기술을 한국어로 배우고 싶은 분
실제 업무 및 프로젝트에서 텍스트 데이터 분석을 활용하고 싶은 분
네! 가능합니다. 파이썬 설치부터 Tensorflow 설치, 각 코스별 소개, 다양한 이론과 실습까지 모두 비전공자를 위한 커리큘럼으로 구성했습니다. 비전공자로 시작하신 강사님께서 자연어 처리 입문을 강의해주시기 때문에, 여러분의 마음을 충분히 이해하셔서 더욱 쉽고 재미있게 배우실 수 있도록, 그리고 현업에 적용하실 수 있도록 도와드립니다.
오프라인 강의를 들으시는 분들이 생각보다 조금 어렵다는 말씀을 많이 해주셨습니다. 그래서 저희는 완전한 비전공자 분들을 위한 자연어 처리 입문/초급 강의를 오픈했습니다. 본 코스에서 충분한 학습을 진행하시면 보다 난이도 높은 오프라인 강의에서 더 빠르게 이해하고 실력을 비약적으로 향상시키실 수 있습니다.
SECTION 1. 강좌 및 자연어 처리 소개
1-1. 강좌 소개
1-2. 실습에 필요한 환경설정
SECTION 2. 웹, 이미지 등에서 글 추출하기
2-1. 웹페이지 탐색 및 크롤링 계획
2-2. 웹에서 글 추출하기 - BeautifulSoup 사용법
2-3. 웹에서 글 추출하기 - BeautifulSoup 사용한 크롤링
2-4. 웹에서 글 추출하기 - Selenium 소개 및 사용법
2-5. 웹에서 글 추출하기 - Selenium을 활용한 크롤링
2-6. 이미지에서 글 추출하기 - pyTesseract 설치 및 기본 사용법
2-7. 이미지에서 글 추출하기 - OCR 인식률을 높이는 방법 (1)
2-8. 이미지에서 글 추출하기 - OCR 인식률을 높이는 방법 (2)
2-9. PDF에서 글 추출하기 - 라이브러리 소개 및 사용법 (1)
2-10. PDF에서 글 추출하기 - 라이브러리 소개 및 사용법 (2)
SECTION 3. 데이터 정제하기
3-1. 정규표현식 - 기본 사용법
3-2. 정규표현식 - 불필요한 문자 및 문자열 제거하기 (1)
3-3. 정규표현식 - 불필요한 문자 및 문자열 제거하기 (2)
3-4. 정규표현식 - 문장, 문단 분리하기
3-5. 맞춤법 교정하기 - 라이브러리 소개 및 사용법
3-6. 맞춤법 교정하기 - 직접 수정하기 (1)
3-7. 맞춤법 교정하기 - 직접 수정하기 (2)
3-8. 자동화된 한글 텍스트 교정기 만들기 (1)
3-9. 자동화된 한글 텍스트 교정기 만들기 (2)
3-10. 유니코드 (Unicode)
SECTION 4. 데이터 분석하기
4-1. 형태적 분석 - 형태소 분석의 정의와 의의
4-2. 형태적 분석 - Konlpy 소개 및 사용법 (1)
4-3. 형태적 분석 - Konlpy 소개 및 사용법 (2)
4-4. 형태적 분석 - 형태소 분석의 활용 (1)
4-5. 형태적 분석 - 형태소 분석의 활용 (2)
4-6. 빈도 분석 - BoW (Bag of Words)
4-7. 빈도 분석 - Co-occurrence Matrix
4-8. 빈도 분석 - BPE (Byte Pair Encoding)
4-9. 빈도 분석 - 문서 통계정보 나타내기 (1)
4-10. 빈도 분석 - 문서 통계정보 나타내기 (2)
SECTION 5. 데이터 벡터화
5-1. 표현 학습과 단어 표현
5-2. 원-핫 인코딩 (One-hot Encoding)
5-3. 카운트 벡터 (Count Vector)
5-4. TF-IDF (Term Frequency-Inverse Document Frequency)
5-5. Word2Vec (Distributed Representations of Words)
5-6. GloVe (Global Vectors for Word Representation)
5-7. Gensim 라이브러리를 활용한 벡터화 (1)
5-8. Gensim 라이브러리를 활용한 벡터화 (2)
5-9. 시퀀스 벡터 (Sequence Vectors) (1)
5-10. 시퀀스 벡터 (Sequence Vectors) (2)
SECTION 6. 모델 적용하기 : 토픽 모델링, 감정 분류
6-1. 토픽 모델링 과제 소개
6-2. 잠재 의미 분석 (LSA) (1)
6-3. 잠재 의미 분석 (LSA) (2)
6-4. 잠재 디리클레 할당 (LDA) (1)
6-5. 잠재 디리클레 할당 (LDA) (2)
6-6. 잠재 디리클레 할당 (LDA) (3)
6-7. 감정 분류 과제 및 모델 소개
6-8. 네이버 영화 리뷰 데이터를 활용한 감정 분류 (1)
6-9. 네이버 영화 리뷰 데이터를 활용한 감정 분류 (2)
6-10. 네이버 영화 리뷰 데이터를 활용한 감정 분류 (3)
지금 보고 계시는 강의의 관련 태그로 다른 강의도 찾아보세요.
로그인 후 이용가능합니다.
로그인 페이지로 이동합니다.
