서비스 상용화를 위한
Tensorflow 기반 자연어처리

- 텍스트 분류부터 서비스 상용화까지

 

'자연어처리' 8주동안 체계적으로 마스터하세요.

'텐서플로와 머신러닝으로 시작하는 자연어처리' 저자이자, 딥러닝 알고리즘 기술 기반 상용 서비스를 개발중인 강사님이 강의를 진행합니다. 그동안 해결하기 어려웠던

 

  • 상용화에 유리한 Tensorflow 기반의 구현
  • Tensorflow & PyTorch 코드 제공
  • 자연어처리 핵심 논문의 깊이 있는 이해
  • ✓ 구글 트랜스포머모델 이론 및 실습

 

단순 모델 구현이 아닌, 데이터 분석 과정을 통해 데이터에 대한 이해를 바탕으로 텐서플로 자연어 처리 모델을 구현합니다. 자연어 처리를 실무에 바로 활용해보세요.

텐서플로와 머신러닝으로 시작하는 자연어처리
저자 직강!! 특별 이벤트

본 과정은 '텐서플로와 머신러닝으로 시작하는 자연어처리' 책으로 강의 진행하며, 수강생 전원에게 도서를 제공합니다.

일    정08.24 ~ 10.19 | 8회
매주 토요일 10:30 ~ 13:30 | 일 3시간
총 24시간 강의
*휴강일 : 09월 14일 (추석연휴)
정    원15명
준비물노트북
가    격140만 원100만 원
장    소러닝스푼즈 강의장
강남대로94길 15, S2빌딩 3층

*강남역 11번 출구 3분 거리 (지도확인)

지각만 안해도 15만원 환급이!?


서비스 상용화를 위한 Tensorflow 기반 자연어처리
15만원 환급 이벤트!


* 자세한 사항은 플러스 친구로 문의주세요
* 법인 수강생의 경우 타 강의 에서 쓸 수 있는 15만원 쿠폰을 지급합니다.

인공지능 서비스...자연어처리 기술 주목

VOC, 제품리뷰, 후기, 소셜미디어 등 방대한 양의 비정형 데이터를 분석하고 서비스에 접목하기 위해서 자연어처리 기술 수요가 증대되고 있습니다. 애플, 아마존 등의 해외 기업이 자연어처리 분야에서 앞서가고 있지만, 사용 가능한 언어가 한정된만큼 국내 서비스에 접목하고 사람의 언어 사용 습관을 이해하고 처리하기 위한 역량이 중요해지고 있습니다.

자연어처리 기본기부터 서비스 상용화까지

빠르게 변화하는 시장에서 서비스를 만들고 효과적으로 운영하기 위해서는 기술에 대한 정확한 이해를 바탕으로 서비스를 구현할 수 있는 역량이 무엇보다 중요합니다. 특히, 자연어처리 분야는 서비스를 운영하면서 개선해나갈 수 있는 깊이있는 이해와 구현 역량이 필요합니다. 본 강의는 텐서플로와 머신러닝으로 시작하는 자연어처리 저자이자, 인공지능 서비스 연구 개발을 하고 계신 현업 강사님이 직접 강의하며 그동안 축적된 경험과 서비스 상용화 노하우를 전달합니다.

자연어처리 실무 역량 강화를 위한 강의

1. 자연어처리 논문 이해부터 구현까지

자연어처리를 실무에 바로 활용할 수 있는 역량을 갖출 수 있도록 논문과 최신 기법에 대한 이론 학습은 물론, 실습을 통해 서비스를 구현해보는 수업입니다. 강사님이 핵심 개념을 최대한 이해하기 쉽게 풀어서 설명하고, 수강생마다 꼼꼼하게 확인하며 진행됩니다.

2. 챗봇 프로젝트로 배우는 성능 향상 기법

자연어처리는 사람마다 말하는 습관이 다른 부분에 대해 효과적으로 대응할 수 있어야 합니다. 따라서 우리 수업에서는 챗봇 서비스 프로젝트를 통해 최신 기법을 적용하며 성능을 향상하는 방법을 배울 수 있습니다.

3. Tensorflow는 기본, PyTorch 까지

딥러닝 분야에서 Tensorflow 와 PyTorch는 가장 많이 활용되고 있는 프레임워크입니다. 각각의 프레임워크가 가지는 장/단점으로 인해 병행하여 사용하고 있는 경우가 많죠. 본 과정은 Tensorflow를 통해 자연어처리 기법을 배우고, 동일한 모델을 구현한 PyTorch 코드도 함께 제공됩니다.

4. 인공지능 서비스 개발 현업 강사

에듀테크 기업에서 자연어처리를 활용한 인공지능 서비스 개발을 현재도 활발히 하고 계신 강사님이 직접 강의를 진행합니다. 그동안 기수강생분들이 고민하고 있던 서비스 개선과 자연어처리 활용법에 대한 가이드를 제공합니다.

강의 특징


텐서플로, 파이토치

구현 코드 모두 제공


자연어처리 실습은 서비스 상용화에 매우 유용한 최신 버전의 Tensorfow 를 기반으로 진행되며, 동일한 모델의 PyTorch 코드도 함께 제공됩니다. 자연어처리 중에서도 실무에 가장 많이 활용되는 세가지 TASK (분류, 유사도, 생성) 논문을 이해하고 직접 구현해보면서 실무에 바로 적용할 수 있는 역량을 갖추세요.


'텐서플로와 머신러닝으로 시작하는 자연어 처리'

저자 직강


인공지능(AI)과 딥러닝 알고리즘 기술 기반의 상용 서비스 연구 개발을 하고 계신 현업 강사님이 직접 실무 경험과 노하우를 전달합니다. 책으로 배울 수 있는 내용을 넘어, 실제 상용 서비스를 위한 기술과 노하우를 통해 역량을 키워보세요.


자연어 처리 기본부터

구글 트랜스포머 모델까지


서비스 상용화를 위한 자연어처리 이해를 위해 무엇이 필요한지를 먼저 생각하고 준비된 강의입니다. 자연어 처리의 기본부터, BERT의 기반이 되는 구글 트랜스 포머 모델까지 체계적으로 배우세요. 세부적인 모듈에 대한 이해를 바탕으로 최신 버전의 Tensorflow를 활용해 직접 구현까지 합니다.

핵심 주제

자연어 처리에 필요한 방법들의 이론을 이해하고, 직접 구현해봅니다.

Basic TensorFlow

tf.data / tf.estimator / tensorflow 모듈 비교 및 사용법

Word Representation

NLP의 가장 기본이 되는 Text를 벡터로 표현하는 다양한 기법

Text Classification

네이버 영화 리뷰 데이터의 감정 예측

Text Similarity

Quora의 데이터를 활용한 Text쌍의 유사도 측정을 통한 중복 예측

Sequence to Sequence

기계 번역 분야의 핵심 모델의 이해와 구현

Transformer

Google Transformer 모델을 사용하여 더 좋은 성능의 챗봇 개발

Attention Mechanism

최근의 모든 모델의 핵심이 되는 기법인 Attention에 대한 이해와 구현

TensorFlow를 사용해보고 기본적이 지식이 있다.
DNN/RNN/CNN에 대해서 기본적인 지식이 있다.
LSTM/GRU에 대해서 차이를 알고 이해하고 있다.
기본적인 Activation / Loss function / Optimizer에 대해 지식이 있다.
 
본 과정은 텐서플로 모듈에 대한 리뷰가 포함되어 있지만,
위의 사전 체크 리스트에 해당되시는 분들에게 적합한 강의 입니다.
 

수강대상

자연어처리 기반의
새로운 서비스를 개발하려는 분

자연어처리
관심이 많으신 분

텐서플로를 활용한 자연어처리 기본부터
최신 기법까지 알고 싶은 분

자연어처리 이론과 구현
모두 놓치지 않고 완성하고 싶은 분

딥러닝 이론을 바탕으로
자연어처리 기법까지 완성하고 싶은 분

지금 당장 실무에서
자연어처리 기반 서비스 구현이 필요하신 분

수강후기

혼자서 이론적 내용을 이해하기 위해 노력해보고, 코드로도 작성해봤는데 풀리지 않았던 점들이 있어 찾던 중 강의 수강을 하게 되었습니다. 8주라는 비교적 긴 시간동안 이었지만, 그 시간을 통해 충분히 강사님께 물어보고 궁금했던 점들을 해결할 수 있었기 때문에 오히려 만족스러웠습니다. 혼자 터득하기 힘들었던 점이 많으셨던 분들께는 강사님의 Q&A를 적극 활용할 것을 추천드립니다.

수강생 서00님 후기 (회사원)

저는 다른 것보다 자연어 처리와 관련한 최신 논문을 명확히 이해할 수 있었던 점이 가장 만족해요. 트랜스포머 모델에 대해서는 여러 사례들에 대해서만 알 수 있었는데 실제로 수업을 통해 구현도 해보고, 실무에서 사용하고 계신 강사님의 노하우를 알게 되어 더욱 많은 도움이 되었어요.

수강생 이OO 님 후기 (회사원)

커리큘럼

모든 과정은 저자님이 함께 매시간 이론과 실습을 진행합니다.

* 주제를 클릭하면 상세 커리큘럼이 나옵니다.

Part 1. 텐서플로 기초

기존의 텐서플로의 tf.Session / Feed-dict 방식의 모델링 방식이 아닌 최신 모델링 기법인 tf.Estimator/ tf.data 모듈을 통해 더욱 쉽고 빠르게 모델을 만드는 방법에 대해서 알아봅니다.

이론

  • High Level API인 Estimator를 사용해 간단하게 딥러닝 모델을 구축하고 실험하는 방법
  • 기존의 복잡한 Placeholder&feed_dict 방법의 데이터 파이프라인을 tf.data를 사용해 쉽게 구현하는 데이터 파이프라인으로 교체
  • 다양한 딥러닝 모듈(CNN/RNN/Dense)에 대한 소개 및 간단한 사용법 소개

실습

  • tf.estimator와 tf.data를 사용해 dummy text dataset을 분류하는 모델 만들기

Part 2. 자연어처리 기초

모든 자연어처리 내용의 기반이 되는 text를 vector로 표현하는 방법인 "Word Representation"에 대해서 알아본 후 Text Classification Task 중 텍스트의 감정을 추출 하는 Sentiment Analysis 모델을 직접 구현해봅니다.

단어를 벡터로 표현하는 방법인 Word Representation에 대해서 알아본 후 다양한 Representation 기법들을 직접 학습하고 사용하는 방법에 대해서 알아보도록 합니다. 
 

이론

  • Word Representation 이란?
  • 다양한 Word Representation 기법들
  • Pre-trained word vector

실습

  • one-hot / bag-of-words / word2vec Word Representation 기법 소개

Text Classification의 대표적인 논문 "Convolutional Neural Networks for Sentence Classification"을 알아본 후 네이버 영화 리뷰 데이터를 해당 논문의 모델을 사용해서 감정을 예측 해봅니다. 
 

이론

  • Text Classification 방법론
  • Y.Kim의 "Convolutional Neural Networks for Sentence Classification" 모델 소개

실습

  • "Convolutional Neural Networks for Sentence Classification" 모델 구현
  • 구현한 모델로 네이버 영화 리뷰 데이터 감정 분석하기

Part 3. Text Similarity

Text Classification을 넘어서 텍스트 끼리의 유사도를 측정하는 Text Similarity Task 에 대해서 알아본 후 Kaggle의 텍스트 유사도 측정 문제에 직접 도전해봅니다.

두 문장이 유사한 문장인지 아닌지, 예를 들어 두 질문의 중복 유무를 판단할 수 있는 텍스트 유사도 측정을 위해서 Text Similarity Task에 대해서 알아봅니다. 
 

이론

  • Text Similarity 방법론
  • "Siamese Recurrent Architectures for Learning Sentence Similarity" 모델 소개

실습

  • MaLSTM 모델 구현

Part 4. 자연어처리 성능 향상

자연어처리 꽃이라 불리는 챗봇의 근간이 되는 기계 번역(Machine Translation) Task에 대해 알아본 후, 한글 데이터를 활용해서 딥러닝 기반 서비스를 직접 만들어 봅니다. 이후 성능을 향상시키기 위해 Attention Mechanism을 적용시켜 보고, Google의 Transformer 모델을 사용함으로써 더 나은 서비스를 구현해봅니다.

딥러닝 기반의 챗봇을 만들기 위해서 Text Generation의 기반이 되는 기계 번역 분야의 핵심 모델인 Sequence to Sequence(Encoder-Decoder) 모델에 대해서 알아본 후 챗봇 데이터를 적용시켜 성능을 확인해봅니다. 
 

이론

  • Text Generation / Machine Translation Task 소개
  • K.Cho의 "Learning Phrase Representations Using RNN Encoder-Decoder for Statistical Machine Translation" 모델, Google의 "Sequence to Sequence Learning with Neural Networks" 모델 소개

실습

  • Sequence to Sequence 모델을 사용한 Chatbot구현(1)

최근 대부분의 자연어 처리 모델에 추가적으로 적용되는 기법인 "Attention Mechanism"에 대해서 알아본 후 지난 회차에 구현해본 모델에 Attention 기법을 적용시켜서 성능을 비교 분석 해봅니다. 
 

이론

  • Attention Mechanism 소개
  • 다양한 Attention Mechanism 비교(Additive/Dot-Product/Self Attention etc.)
  • Bert 논문 소개

실습

  • Sequence to Sequence 모델에 Attention Mechanism을 적용하여 성능 향상시키기
  • 다양한 Attention Mechanism 구현해보기
  • "A Structured Self-attentive Sentence Embedding" 논문의 모델 구현

최근 가장 좋은 성능을 보이는 모델(e.g. BERT, GPT, GPT-2 etc)들이 차용하고 있는 Transformer 모델이 어떻게 구성되어 있는지, 모델의 세부적인 모듈들(e.g. Self-Attention, Query/Key/Value, Multi-head Attention etc)은 어떤 의미를 가지는지 알아보도록 합니다. 
 

이론

  • Google의 "Attention is All You Need" 모델 소개
  • Google의 "Attention is All You Need" 모델에 나오는 모듈 세부 설명

 

지난 회차에서 알아본 Transformer 모델에 대한 설명을 바탕으로 기존에 구현했던 Sequence to Sequnece 챗봇 모델을 Transformer 모델로 바꿔서 직접 구현 해보도록 합니다. 
 

실습

  • Attention is All You Need 모델 구현하기
자연어처리

모든 수강생 분들께는 강사님의 저서를
무료로 제공해 드립니다!

추천사

김성훈(홍콩과기대, 네이버Clova AI)

"이론적인 설명에서 그치지 않고 데이터셋을 자세히 들여다보면서 인사이트를 얻고, 코드 레벨까지 깊게 내려가면서 이론을 손으로 만지듯 더듬으면서 이해할 수 잇게 해주며, 간단한 딥러닝 코드가 만들어 내는 경이로운 정확도를 직접 확인할 수 있게 해주는 멋진 가이드가 될 것이다."

박규병(카카오브레인 AI Researcher)

"딥러닝의 필수 요소에 대한 소개, 트랜스포머 같은 최신 모델에 대한 구체적인 설명까지 필요한 내용을 빠짐없이 다뤘습니다. 자연어 처리에 입문하려는 분들에게 이 책이 하나의 선택지로 자리하게 된 것을 다행스럽게 생각합니다."

정지훈(경희사이버대 선임 강의 교수, 모두의 연구소 Chief Vision Officer)

"단순히 최신 딥러닝 기반 자연어 처리 기술을 소개하는 것이 아니라 실질적인 코딩과 한국어의 특성 등을 충분히 어필하고 있기에 실제 자연어 처리를 도입해서 새로운 서비스나 앱등을 개발하려는 분들에게 큰 도움이 될 것이다."

주재걸(고려대 컴퓨터학교 교수)

"복잡한 이론적 내용 때문에 어렵게만 여겨지던 딥러닝을 이 책을 통해 많은 사람들이 쉽고 재미있게 배울 수 있을 것이다."

조대협(구글, 조대협의 블로그)

"이런 좋은 책을 한글로 써주신 저자분께 감사드리며, 자연어 처리에 관심이 있는 분들께 많은 도움이 되리라 생각합니다. 강추합니다."

강사소개 및 인터뷰

자연어처리 강사

조중현

현) Riiid AI Research
- '텐서플로와 머신러닝으로 시작하는 자연어처리' 저자
- 자연어 처리 블로그 운영(https://reniew.github.io)
- Creating A Neural Pedagogical Agent by Jointly Learning to Review and Assess 논문 저자

1. 자기소개 부탁드립니다.

안녕하세요. 텐서플로와 머신러닝으로 시작하는 자연어처리 저자 조중현입니다. 업무 자동화 뿐만아니라, 사내 정보를 활용한 인공지능 서비스 등 자연어처리를 통해 다양한 서비스가 제공되고 있지만, 아직까지 그 역량과 노하우를 공유할 수 있는 기회는 많지 않습니다. 본 과정을 통해 그동안 책을 집필하고, 서비스를 만드는 과정에서 쌓은 노하우를 강의를 통해 전달드리고자 이렇게 강의 개설을 하게 되었습니다.

 

2. 강의에서는 주로 어떤 내용을 다룰 예정이시고, 어떤 형태로 진행되나요?

텐서플로와 머신러닝을 활용한 자연어처리 분야의 전반을 다룰 예정입니다. 강의 구성은 이론 설명과 해당 이론을 직접 구현해보는 시간으로 준비하였습니다. 텐서플로 모듈, 텍스트 분류, 텍스트 유사도, 챗봇 만들기까지 각 파트에 해당되는 모델의 논문을 이해하고 직접 구현할 수 있도록 하여 기초부터 실전까지, 자연어처리를 충분히 활용하여 실무에서 서비스를 상용화하는 것을 목표합니다. 강의 내용은 텐서플로와 머신러닝으로 시작하는 자연어처리 책과 별도의 교안을 기반으로 진행됩니다.

 

3. 본 강의 내용을 수강생분들이 어떻게 활용할 수 있을까요?

- 일상 언어로 대화할 수 있는 AI 채팅로봇을 도입해 업무에 활용한 A기업
- 계약서를 분석하고, 정보를 추출하는 업무를 수행하는 금융 서비스
- 서비스 안내를 대신해줄 수 있는 챗봇을 개발한 B기업

위의 사례처럼, 딥러닝을 활용한 자연어처리는 특정한 분야에만 한정되지 않고 다양한 분야에서 서비스가 제공되고 있으며, 앞으로도 그 활용도는 점차 커질 것입니다. 다양한 데이터와 결합하여 서비스가 발전하는 만큼 수강생 여러분들이 가지고 있는 데이터를 기반으로 더욱 심화된 자연어처리 분야를 스스로 발전시켜 나갈 수 있도록, 텐서플로와 머신러닝을 활용한 자연어처리 기본기를 갖출 수 있는 강의가 될 수 있도록 준비하였습니다.

 

4. 주로 어떤 분야에 있는 분들이 수강대상에 적합할까요?

자연어처리를 통해 주어진 수많은 데이터를 인간의 관점으로 해석하고, 그 속에서 미처 발견하지 못했던 패턴이나 특징들을 정확히 파악할 수 있습니다. 따라서 자연어처리가 활용될 수 있는 분야는 매우 넓습니다. 특히 딥러닝을 활용한 자연어처리는 빅데이터를 효과적으로 분석할 수 있게 해주며, 본 강의 목표는 상용 서비스 구현까지로 하기 때문에 당장 자연어처리가 필요하신 분들께 적합 합니다.

 

5. 다른 강의와 어떤 차별점이 있나요?

이론, 구현 두 부분에 있어 어느 하나 치중되어 있지 않고 분야에 대한 확실한 개념적 이해, 구현 능력까지 모두 기를 수 있도록 준비했습니다. 뿐만 아니라, 자연어 처리의 가장 기초인 단어 표현, 텍스트 분류부터 중급, 심화에 속하는 구글의 트랜스포머 모델까지 넓은 범위의 내용을 다루고 있습니다.

 

6. 마지막으로 수강생들에게 하고 싶으신 말

본 과정을 수강함으로써 최대한 많은 것을 얻어 갈 수 있으셨으면 좋겠습니다. 이번 강의를 듣는다면 텐서플로 자연어 처리 분야에 대한 전반적인 이해와 능력을 확실하게 쌓을 수 있으실 것이라 생각합니다.

 

수강료 140만 원100만 원
수강신청은 결제 순으로 선착순 마감될 수 있습니다.
개강 후 환불은 학원법 시행령 <제18조 제3항> 수강료 반환기준에 의거합니다.

 

*환불 세부규정 확인하기 (클릭)

40만 원 할인, 놓치지 마세요!

▼ 딥러닝 입문 강의 찾고 계신가요? ▼

지금 놓치시면
2달을 기다리셔야 합니다.
놓치시면 2달을
기다리셔야 합니다.