Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
딥 러닝을 이용한 자연어 처리 입문 00. ★★ 입문자를 위한 조언 (Q&A) 00. 글쓴이 소개 및 e-mail 00. 비공개 콘텐츠 & E-book 구매 안내 00. 자연어처리 오픈 카카오톡방 000. Part 1. 기본 과정 01. 자연어 처리(natural language processing) 준비하기 01-01 아나콘다(Anaconda)와 코랩(Colab) 01-02 필요 프레임워크와 라이브러리 01-03 자연어 처리를 위한 NLTK와 KoNLPy 설치하기 01-04 판다스(Pandas) and 넘파이(Numpy) and 맷플롭립(Matplotlib) 01-05 머신 러닝 워크플로우(Machine Learning Workflow) 02. 텍스트 전처리(Text preprocessing) 02-01 토큰화(Tokenization) 02-02 정제(Cleaning) and 정규화(Normalization) 02-03 어간 추출(Stemming) and 표제어 추출(Lemmatization) 02-04 불용어(Stopword) 02-05 정규 표현식(Regular Expression) 02-06 정수 인코딩(Integer Encoding) 02-07 패딩(Padding) 02-08 원-핫 인코딩(One-Hot Encoding) 02-09 데이터의 분리(Splitting Data) 02-10 한국어 전처리 패키지(Text Preprocessing Tools for Korean Text) 03. 언어 모델(Language Model) 03-01 언어 모델(Language Model)이란? 03-02 통계적 언어 모델(Statistical Language Model, SLM) 03-03 N-gram 언어 모델(N-gram Language Model) 03-04 한국어에서의 언어 모델(Language Model for Korean Sentences) 03-05 펄플렉서티(Perplexity, PPL) 03-06 조건부 확률(Conditional Probability) 04. 카운트 기반의 단어 표현(Count based word Representation) 04-01 다양한 단어의 표현 방법 04-02 Bag of Words(BoW) 04-03 문서 단어 행렬(Document-Term Matrix, DTM) 04-04 TF-IDF(Term Frequency-Inverse Document Frequency) 05. 벡터의 유사도(Vector Similarity) 05-01 코사인 유사도(Cosine Similarity) 05-02 여러가지 유사도 기법 06. 머신 러닝(Machine Learning) 개요 06-01 머신 러닝이란(What is Machine Learning?) 06-02 머신 러닝 훑어보기 06-03 선형 회귀(Linear Regression) 06-04 자동 미분과 선형 회귀 실습 06-05 로지스틱 회귀(Logistic Regression) 06-06 로지스틱 회귀 실습 06-07 다중 입력에 대한 실습 06-08 벡터와 행렬 연산 06-09 소프트맥스 회귀(Softmax Regression) 06-10 소프트맥스 회귀 실습 07. 딥 러닝(Deep Learning) 개요 07-01 퍼셉트론(Perceptron) 07-02 인공 신경망(Artificial Neural Network) 훑어보기 07-03 행렬곱으로 이해하는 신경망 07-04 딥 러닝의 학습 방법 07-05 역전파(BackPropagation) 이해하기 07-06 과적합(Overfitting)을 막는 방법들 07-07 기울기 소실(Gradient Vanishing)과 폭주(Exploding) 07-08 케라스(Keras) 훑어보기 07-09 케라스의 함수형 API(Keras Functional API) 07-10 케라스 서브클래싱 API(Keras Subclassing API) 07-11 다층 퍼셉트론(MultiLayer Perceptron, MLP)으로 텍스트 분류하기 07-12 피드 포워드 신경망 언어 모델(Neural Network Language Model, NNLM) 08. 순환 신경망(Recurrent Neural Network) 08-01 순환 신경망(Recurrent Neural Network, RNN) 08-02 장단기 메모리(Long Short-Term Memory, LSTM) 08-03 게이트 순환 유닛(Gated Recurrent Unit, GRU) 08-04 케라스의 SimpleRNN과 LSTM 이해하기 08-05 RNN 언어 모델(Recurrent Neural Network Language Model, RNNLM) 08-06 RNN을 이용한 텍스트 생성(Text Generation using RNN) 08-07 문자 단위 RNN(Char RNN) 09. 워드 임베딩(Word Embedding) 09-01 워드 임베딩(Word Embedding) 09-02 워드투벡터(Word2Vec) 09-03 영어/한국어 Word2Vec 실습 09-04 네거티브 샘플링을 이용한 Word2Vec 구현(Skip-Gram with Negative Sampling, SGNS) 09-05) 글로브(GloVe) 09-06 패스트텍스트(FastText) 09-07 자모 단위 한국어 FastText 학습하기 09-08 사전 훈련된 워드 임베딩(Pre-trained Word Embedding) 09-09 엘모(Embeddings from Language Model, ELMo) 09-10 임베딩 벡터의 시각화(Embedding Visualization) 09-11 문서 벡터를 이용한 추천 시스템(Recommendation System using Document Embedding) 09-12 문서 임베딩 : 워드 임베딩의 평균(Average Word Embedding) 09-13 Doc2Vec으로 공시 사업보고서 유사도 계산하기 09-14 실전! 한국어 위키피디아로 Word2Vec 학습하기 10. RNN을 이용한 텍스트 분류(Text Classification) 10-01 케라스를 이용한 텍스트 분류 개요(Text Classification using Keras) 10-02 스팸 메일 분류하기(Spam Detection) 10-03 로이터 뉴스 분류하기(Reuters News Classification) 10-04 IMDB 리뷰 감성 분류하기(IMDB Movie Review Sentiment Analysis) 10-05 나이브 베이즈 분류기(Naive Bayes Classifier) 10-06 네이버 영화 리뷰 감성 분류하기(Naver Movie Review Sentiment Analysis) 10-07 네이버 쇼핑 리뷰 감성 분류하기(Naver Shopping Review Sentiment Analysis) 10-08 BiLSTM으로 한국어 스팀 리뷰 감성 분류하기 11. NLP를 위한 합성곱 신경망(Convolution Neural Network) 11-01 합성곱 신경망(Convolution Neural Network) 11-02 자연어 처리를 위한 1D CNN(1D Convolutional Neural Networks) 11-03 1D CNN으로 IMDB 리뷰 분류하기 11-04 1D CNN으로 스팸 메일 분류하기 11-05 Multi-Kernel 1D CNN으로 네이버 영화 리뷰 분류하기 11-06 사전 훈련된 워드 임베딩을 이용한 의도 분류(Intent Classification using Pre-trained Word Embedding) 11-07 문자 임베딩(Character Embedding) 12. 태깅 작업(Tagging Task) 12-01 케라스를 이용한 태깅 작업 개요(Tagging Task using Keras) 12-02 양방향 LSTM를 이용한 품사 태깅(Part-of-speech Tagging using Bi-LSTM) 12-03 개체명 인식(Named Entity Recognition) 12-04 개체명 인식의 BIO 표현 이해하기 12-05 BiLSTM을 이용한 개체명 인식(Named Entity Recognition, NER) 12-06 BiLSTM-CRF를 이용한 개체명 인식 12-07 문자 임베딩(Character Embedding) 활용하기 99) ===텐서플로우 1버전 코드 (구버전)=== 12-01 양방향 LSTM을 이용한 개체명 인식(Named Entity Recognition using Bi-LSTM) 12-02 양방향 LSTM과 CRF(Bidirectional LSTM + CRF) 12-03 양방향 LSTM과 문자 임베딩(Char embedding) 13. Part 2. 심화 과정 13. 서브워드 토크나이저(Subword Tokenizer) 13-01 바이트 페어 인코딩(Byte Pair Encoding, BPE) 13-02 센텐스피스(SentencePiece) 13-03 서브워드텍스트인코더(SubwordTextEncoder) 13-04 허깅페이스 토크나이저(Huggingface Tokenizer) 14. RNN을 이용한 인코더-디코더 14-01 시퀀스-투-시퀀스(Sequence-to-Sequence, seq2seq) 14-02 Word-Level 번역기 만들기(Neural Machine Translation (seq2seq) Tutorial) 14-03 BLEU Score(Bilingual Evaluation Understudy Score) 15. 어텐션 메커니즘 (Attention Mechanism) 15-01 어텐션 메커니즘 (Attention Mechanism) 15-02 바다나우 어텐션(Bahdanau Attention) 15-03 양방향 LSTM과 어텐션 메커니즘(BiLSTM with Attention mechanism) 16. 트랜스포머(Transformer) 16-01 트랜스포머(Transformer) 16-02 트랜스포머를 이용한 한국어 챗봇(Transformer Chatbot Tutorial) 16-03 셀프 어텐션을 이용한 텍스트 분류(Multi-head Self Attention for Text Classification) 17. BERT(Bidirectional Encoder Representations from Transformers) 17-01 NLP에서의 사전 훈련(Pre-training) 17-02 버트(Bidirectional Encoder Representations from Transformers, BERT) 17-03 구글 BERT의 마스크드 언어 모델(Masked Language Model) 실습 17-04 한국어 BERT의 마스크드 언어 모델(Masked Language Model) 실습 17-05 구글 BERT의 다음 문장 예측(Next Sentence Prediction) 17-06 한국어 BERT의 다음 문장 예측(Next Sentence Prediction) 17-07 센텐스버트(Sentence BERT, SBERT) 18. 실전! BERT 실습하기 18-01 코랩(Colab)에서 TPU 사용하기 18-02 transformers의 모델 클래스 불러오기 18-03 KoBERT를 이용한 네이버 영화 리뷰 분류하기 18-04 TFBertForSequenceClassification를 이용한 분류 18-05 KoBERT를 이용한 KorNLI 풀어보기 (다중 클래스 분류) 18-06 KoBERT를 이용한 개체명 인식(Named Entity Recognition) 18-07 KoBERT를 이용한 기계 독해(Machine Reading Comprehension) 18-08 BERT의 문장 임베딩(SBERT)을 이용한 한국어 챗봇 18-09 벡터 데이터베이스 Faiss를 이용한 임베딩 검색기(Semantic Search) 18-10 문서 임베딩 모델(BGE-M3) 파인 튜닝하기 19. GPT(Generative Pre-trained Transformer) 19-01 지피티(Generative Pre-trained Transformer, GPT) 19-02 GPT-2를 이용한 문장 생성 19-03 GPT-2를 이용한 한국어 챗봇 19-04 GPT-2를 이용한 네이버 영화 리뷰 분류 19-05 GPT-2를 이용한 KorNLI 분류 20. 사전 훈련된 인코더-디코더 모델 20-01. 인코더와 디코더 20-02. BART(Bidirectional Auto-Regressive Transformers) 20-03. BART 파인 튜닝 실습: 뉴스 요약 20-04. T5 파인 튜닝 실습: 요약 생성기 21. 토픽 모델링(Topic Modeling) 21-01 잠재 의미 분석(Latent Semantic Analysis, LSA) 21-02 잠재 디리클레 할당(Latent Dirichlet Allocation, LDA) 21-03 사이킷런의 잠재 디리클레 할당(LDA) 실습 21-04 BERT를 이용한 키워드 추출 : 키버트(KeyBERT) 21-05 한국어 키버트(Korean KeyBERT)를 이용한 키워드 추출 21-06 BERT 기반 복합 토픽 모델(Combined Topic Models, CTM) 21-07 BERT 기반 한국어 복합 토픽 모델(Korean CTM) 21-08 버토픽(BERTopic) 21-09 한국어 버토픽(Korean BERTopic) 22. 텍스트 요약(Text Summarization) 22-01 어텐션을 이용한 텍스트 요약(Text Summarization with Attention mechanism) 22-02 문장 임베딩 기반 텍스트 랭크(TextRank Based on Sentence Embedding) 23. 질의 응답(Question Answering, QA) 23-01 메모리 네트워크(Memory Network, MemN)를 이용한 QA 23-02 MemN으로 한국어 QA 해보기 24. 교육 문의