문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
코스 개요
자세한 학습 내용 개요
- NLP 도입
- NLP 이해
- NLP 프레임워크
- NLP의 상용 응용 사례
- 웹에서 데이터 스크레이핑
- 여러가지 API를 활용한 텍스트 데이터 검색
- 텍스트 코퍼스 작업 및 콘텐츠와 관련 메타데이터 저장
- Python 사용의 이점 및 NLTK 입문 코스
- 코퍼스와 데이터셋에 대한 실무적 이해
- 왜 코퍼스가 필요한가?
- 코퍼스 분석
- 데이터 속성의 유형
- 코퍼스를 위한 다양한 파일 형식
- NLP 애플리케이션을 위한 데이터셋 준비
- 문장 구조 이해
- NLP의 구성 요소
- 자연어 이해
- 형태소 분석 - 접두사, 단어, 토큰, 품사 태그
- 구문 분석
- 의미 분석
- 모호성 처리
- 텍스트 데이터 전처리
- 코퍼스 - 원시 텍스트
- 문장 토큰화
- 원시 텍스트에 대한 스테밍
- 원시 텍스트에 대한 레마타이제이션
- 정지 단어 제거
- 코퍼스 - 원시 문장
- 단어 토큰화
- 단어 레마타이제이션
- 단어-문서/문서-단어 행렬 활용
- 텍스트를 n-그램 및 문장으로 토큰화
- 실용적 및 맞춤화된 전처리
- 코퍼스 - 원시 텍스트
- 텍스트 데이터 분석
- NLP의 기본 기능
- 파서와 파싱
- 품사 태깅과 태거
- 명사 실체 인식
- N-그램
- 단어의 백(Bag of words)
- NLP의 통계적 기능
- NLP를 위한 선형 대수 개념
- NLP를 위한 확률 이론
- TF-IDF
- 벡터화
- 인코더와 디코더
- 정규화
- 확률 모델
- 고급 기능 엔지니어링과 NLP
- word2vec의 기초
- word2vec 모델의 구성 요소
- word2vec 모델의 논리
- word2vec 개념의 확장
- word2vec 모델의 적용
- 사례 연구: 단어의 백(Bag of words)의 응용: 단순화 및 실제 루른(Luhn) 알고리즘을 활용한 자동 텍스트 요약
- NLP의 기본 기능
- 문서 클러스터링, 분류 및 주제 모델링
- 문서 클러스터링 및 패턴 마이닝(계층적 클러스터링, k-means, 클러스터링 등)
- TFIDF, 자카드 유사도, 코사인 유사도를 활용한 문서 비교 및 분류
- 나이브 베이즈 및 최대 엔트로피를 활용한 문서 분류
- 중요한 텍스트 요소 식별
- 차원 축소: 주성분 분석, 고유값 분해, 비음수 행렬 분해
- 잠재 의미 분석(LSA)을 활용한 주제 모델링 및 정보 검색
- 실체 추출, 감성 분석 및 고급 주제 모델링
- 긍정 vs 부정: 감성의 정도
- 항목 반응 이론
- 품사 태깅 및 그 응용: 텍스트에 언급된 인물, 장소, 조직 찾기
- 고급 주제 모델링: 잠재 디리클레 배분(LDA)
- 사례 연구
- 비정형 사용자 리뷰 마이닝
- 제품 리뷰 데이터의 감성 분류 및 시각화
- 검색 로그를 통한 사용 패턴 마이닝
- 텍스트 분류
- 주제 모델링
요건
NLP의 원리에 대한 지식과 이해, 그리고 비즈니스에서의 AI 적용에 대한 인식이 요구됩니다.
21 시간
회원 평가 (1)
개별 지원
Simon the 2nd - Cboost
코스 - ROS: Programming for Robotics
기계 번역됨
