Course Outline

Conversational AI 및 소규모 언어 모델(SLM) 소개

  • 대화형 AI의 기본
  • SLM 개요 및 장점
  • 대화형 애플리케이션의 SLM 사례 연구

대화 흐름 설계

  • 인간-AI 상호작용 디자인의 원리
  • 매력적이고 자연스러운 대화 만들기
  • 사용자 경험(UX) 고려 사항

고객 서비스 봇 구축

  • 고객 서비스 봇 사용 사례
  • SLM을 고객 서비스 플랫폼에 통합
  • 일반적인 고객 문의를 AI로 처리

상호작용을 위한 SLM 교육

  • 대화형 AI를 위한 데이터 수집
  • 대화 시스템에서 SLM을 위한 훈련 기술
  • 특정 상호 작용 시나리오에 대한 모델 미세 조정

상호작용 품질 평가

  • 대화형 AI 평가를 위한 측정항목
  • 사용자 테스트 및 피드백 수집
  • 평가를 기반으로 한 반복 개선

음성 지원 및 다중 모드 상호 작용

  • SLM에 음성 인식 통합
  • 다중 모드 상호 작용 설계(텍스트, 음성, 시각적)
  • 음성 비서 및 챗봇 사례 연구

개인화 및 상황별 이해

  • 상호작용을 개인화하는 기술
  • 상황 인식 대화 처리
  • 개인화된 AI의 개인정보 보호 및 데이터 보안

윤리적 고려사항 및 편견 완화

  • 대화형 AI를 위한 윤리적 프레임워크
  • 상호 작용의 편견 식별 및 완화
  • AI 커뮤니케이션의 포괄성과 공정성 보장

배포 및 확장

  • 대화형 AI 시스템 배포 전략
  • 광범위한 사용을 위한 SLM 확장
  • 배포 후 AI 상호 작용 모니터링 및 유지 관리

캡스톤 프로젝트

  • 선택한 도메인에서 대화형 AI의 필요성 식별
  • SLM을 사용하여 프로토타입 개발
  • 대화형 애플리케이션 테스트 및 제시

최종 평가

  • 캡스톤 프로젝트 보고서 제출
  • 기능적인 대화형 AI 시스템 시연
  • 혁신성, 사용자 참여, 기술적 실행을 바탕으로 한 평가

요약 및 다음 단계

Requirements

  • 인공지능에 대한 기본 이해와 Machine Learning
  • Python 프로그래밍 능력
  • 자연어 처리 개념 경험

청중

  • 데이터 과학자
  • 머신러닝 엔지니어
  • AI 연구자 및 개발자
  • 제품 관리자 및 UX 디자이너
 14 Hours

Number of participants


Price per participant

Upcoming Courses