Course Outline

대화형 AI 및 소형 언어 모델(SLM)에 대한 소개

  • 대화형 AI의 기본 개념
  • SLM의 개요 및 그 장점
  • 대화형 애플리케이션에서의 SLM 사례 연구

대화 흐름 설계

  • 인간-AI 상호작용 설계 원칙
  • 매력적이고 자연스러운 대화 제작
  • 사용자 경험(UX) 고려 사항

고객 서비스 봇 개발

  • 고객 서비스 봇의 사용 사례
  • 고객 서비스 플랫폼에 SLM 통합
  • AI로 일반적인 고객 문의 처리

SLM 상호작용을 위한 학습

  • 대화형 AI를 위한 데이터 수집
  • 대화 시스템에서 SLM을 위한 학습 기법
  • 특정 상호작용 시나리오를 위한 모델 미세 조정

상호작용 품질 평가

  • 대화형 AI를 평가하기 위한 지표
  • 사용자 테스트 및 피드백 수집
  • 평가에 기반한 반복적 개선

음성 및 다중 모드 상호작용

  • SLM과 음성 인식 결합
  • 다중 모드 상호작용(텍스트, 음성, 시각) 설계
  • 음성 보조 프로그램 및 채팅봇의 사례 연구

개인화 및 맥락 이해

  • 상호작용을 개인화하기 위한 기법
  • 맥락 인식 대화 처리
  • 개인화된 AI의 프라이버시 및 데이터 보안

윤리적 고려 사항 및 편견 완화

  • 대화형 AI를 위한 윤리적 프레임워크
  • 상호작용에서 편견 식별 및 완화
  • AI 커뮤니케이션의 포용성과 공정성 보장

배포 및 확장

  • 대화형 AI 시스템 배포 전략
  • SLM의 대규모 사용을 위한 확장
  • 배포 후 AI 상호작용 모니터링 및 유지보수

캡스톤 프로젝트

  • 선택된 도메인에서 대화형 AI의 필요성 식별
  • SLM을 사용하여 프로토타입 개발
  • 대화형 애플리케이션 테스트 및 발표

최종 평가

  • 캡스톤 프로젝트 보고서 제출
  • 기능적인 대화형 AI 시스템 시연
  • 혁신, 사용자 참여 및 기술 실행에 기반한 평가

요약 및 다음 단계

Requirements

  • 인공지능과 머신러닝의 기본 이해
  • Python 프로그래밍에 능숙함
  • 자연어 처리 개념에 대한 경험

대상

  • 데이터 과학자
  • 머신러닝 엔지니어
  • AI 연구원 및 개발자
  • 제품 관리자와 UX 디자이너
 14 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories