자연어처리 썸네일

텐서플로와 머신러닝으로 시작하는 자연어처리
- 텍스트 분류부터 서비스 상용화까지

 

'자연어처리' 8주동안 체계적으로 마스터하세요.

자연어 처리에 대한 깊이 있는 이해는 물론, 실무에서 바로 활용할 수 있도록 텍스트 분류부터 딥러닝을 활용한 챗봇 서비스 구현까지 목표로 진행됩니다.

- 상용화 가능한 텐서플로 기반의 구성
- 자연어 처리 핵심 논문으로 깊이 있는 이해
- 현재 가장 강력한 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    정06.01 ~ 07.20 | 8회
매주 토요일 10:30 ~ 13:30 | 일 3시간
총 24시간 강의
정    원15명
준비물노트북
가    격150만 원110만 원
장    소러닝스푼즈 강의장
강남대로94길 15, S2빌딩 4층

*강남역 11번 출구 3분 거리 (지도확인)

이해와 구현부터, 성능 향상까지


자연어처리 분야 베스트셀러 저자 직강

두분의 저자님이 매주 이론과 실습을 코칭해드려,
상용화 가능한 서비스 구현까지 목표합니다.

자연어처리

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."

강의 특징

러닝스푼즈에서 수강해야 하는 이유


바로 상용화 가능한

텐서플로 기반


본 강의 내용은 상용화 가능한 Tensorflow를 기반으로 준비되어 있습니다. 자연어처리(NLP)중에서도 실무에 가장 많이 사용하는 세가지 TASK(분류, 유사도, 생성)의 논문을 이해하고 직접 구현해보면서, 자연어 처리를 실무에 바로 적용할 수 있는 역량을 갖출 수 있습니다.

 

※Tensorflow 2.0에 사용가능한 API Base


'텐서플로와 머신러닝으로 시작하는 자연어 처리'

저자 직강

'텐서플로와 머신러닝으로 시작하는 자연어 처리' 책을 바탕으로, 두 분의 저자님이 경험과 노하우를 전달합니다. 본 강의 는 조교 제도가 아니라, 두 분의 저자님이 매주 직접 수업을 진행하시며, 이론과 실습을 밀착 가이드합니다. 챗봇 및 AI 연구를 활발히 하고 계신 두 저자님으로 부터 깊이있는 이해와 노하우를 함께 가져가세요.


자연어 처리 기본부터

구글 트랜스포머 모델까지

자연어 처리를 현업에 활용하기 위해 무엇이 필요한지를 먼저 생각하고 강의 준비를 하였습니다. 자연어 처리의 기본기부터 최신 버전의 텐서플로를 기반으로 자연어 처리하는 것은 물론, BERT의 기반이 되는 구글의 트랜스 포머 모델까지 체계적으로 배우세요. 세부적인 모듈에 대한 이해를 바탕으로, 트랜스 포머 모델을 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

인간의 언어를 기계가 이해 할수 있도록 하는 Word Representation 다양한 기법

Text Classification

네이버 영화 리뷰 데이터의 감정 예측

Text Similarity

텍스트 유사도 측정을 알아본 후 Kaggle 대회에 직접 참여

Sequence to Sequence

기계 번역 분야의 핵심 모델의 이해와 구현

Transformer

Google Transformer 모델을 사용하여 더 좋은 성능의 챗봇 개발

수강대상

'자연어처리'를 활용한
새로운 서비스/앱을 개발하려는 분

'자연어처리'에
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'까지 완성하고 싶은 분

지금 당장 실무에서
챗봇 구현이 필요하신 분

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.
 

커리큘럼

모든 과정은 저자님 두 분이 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 알아본 후 Kaggle의 대회에 직접 참여 해봅니다. 
 

이론

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

실습

  • MaLSTM 모델 구현

Part 4. ChatBot 만들기

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

실습

  • Sequence to Sequence 모델을 사용한 Chatbot구현(2)
  • Sequence to Sequence 모델에 Attention Mechanism을 적용하여 성능 향상시키기

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

강사소개 및 인터뷰

자연어처리 강사

전창욱 저자님

현) 네이블 챗봇 개발
- 2019 텐서플로와 머신러닝으로 시작하는 자연어처리 저자
- 2019 KorQuAD DeepNLP ONE Team (6등 진행중, 2019.3.28)
- 2019 DeepNLP 랩장
- 2018 국어 정보처리 시스템 경진대회 금상 수상

- 2017 서울혁신챌린지 혁신상 수상
- 2016 국립과학관 관장상 수상
- 2016 Seoul Maker Pair 참가
- 2016 Google Hacker Fair 참가

자연어처리 강사

조중현 저자님

현) Riiid AI Researcher
- 2019 텐서플로와 머신러닝으로 시작하는 자연어처리 저자
- 중앙대학교 수학 학사
- 자연어 처리 블로그 운영(https://reniew.github.io)

' 텐서플로와 머신러닝으로 시작하는 자연어처리 '두 저자님이 매주 함께 진행합니다.

1. 자기소개 부탁드립니다.

안녕하세요. 텐서플로와 머신러닝으로 시작하는 자연어처리 저자 전창욱, 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 150만 원110만 원
 
수강신청은 결제 순으로 선착순 마감될 수 있습니다.
개강 후 환불은 학원법 시행령 <제18조 제3항> 수강료 반환기준에 의거합니다.
 
*환불 세부규정 확인하기 (클릭)

(한정이벤트) 40만 원 할인, 놓치지 마세요!

▼ 딥러닝 입문 강의 찾고 계신가요? ▼