상단 메뉴
본 강좌는 자연어 처리와 관련된 분야에서 다양한 활동을 하는 교수, 강사, 개발자 등이 알기 쉽게 설명한 내용을 모아서 딥러닝, 자연어 처리를 학습하고자 하는 분들에게 제공합니다. 딥러닝 기반 자연어 처리에서 중요한 개념인 RNN과 CNN에 대해 자세히 알려드립니다.
클래스 소개
- 시퀀스 모델링(RNN)과 합성 곱 신경망(CNN)
- 기존에 알고 있던 딥러닝 지식을 자연어 처리 분야에 적용해보고 싶으신 분
- 리뷰나 소통이 활발한 플랫폼 서비스를 운영하는 개발자
- 딥러닝, 자연어 처리 분야로 커리어를 계획하고 있는 취업 준비생
- 딥러닝, 자연어 처리의 기본 개념 및 원리
- 기초적인 통계 지식
- 파이썬 기초
본 강좌와 함께 CNN, RNN에 대해 자세히 알아보실까요?
컴퓨터가 인간의 언어를 잘 분석할 수 있도록 하는 자연어 처리 기술, 이제 AI와 자연어 처리는 따로 떼어 생각할 수 없는 요소가 되었습니다.
그래서 관심을 가지는 분들도 많고, 또한 AI 분야로 취업하기 위해 준비 중인 취준생분들도 많으시죠?
그런 분들을 위해 딥러닝 및 자연어 처리를 실무에 바로 적용할 수 있도록 기본적인 분석 기법에 대해 쉽고 자세하게 설명해드립니다.
그렇다면, 왜 배워야 할까요?
합성곱 신경망(CNN)이란?
이미지로부터 고수준의 추상화된 특징을 추출하거나 질감 정보를 처리하는 최적의 방법으로써 이미 2012년 ILSVRC(Imagenet Large Scale Visual Recognition Challenge)에서 기존 알고리즘들을 압도적으로 제치고 객체 인식에 대단히 뛰어난 성능이 검증되었습니다. 그리고 순환 신경망(RNN)은 어떤 특정 부분이 반복되는 구조를 통해 순서를 학습하기에 효과적인 딥 러닝 기법입니다. 즉, 합성곱 신경망(CNN)과 순환 신경망(RNN)은 딥러닝, 인공지능, 자연어 처리 분야에서 가장 기본이 되는 신경망 네트워크로서, 반드시 학습이 필요한 주제입니다. 본 강좌는 CNN과 RNN의 기본적인 원리 및 구현 방법 등에 대해 상세히 알려드립니다. 또한 전문가들의 강좌를 모아 체계적인 커리큘럼을 구성하였기 때문에 CNN과 RNN에 관련된 기본적인 기술을 습득하실 수 있을 것입니다.
어떤 내용을 배울지
살펴볼까요?
⚪ 딥러닝에서 아주 중요한 개념이며, 자연어 처리에서도 가장 활용도가 높은 RNN에 대해 학습하고,
RNN에 뿌리를 두고 있는 또 다른 기법인 LSTM, GRU 등에 대해 학습합니다.
⚪ 합성곱 신경망 CNN의 개요를 비롯해 CNN을 활용했을 때의 효율적인 측면과 CNN의 구조를 학습합니다.
강사 소개
안녕하세요 :) <데이터사이언스> 분야의 클래스와 동영상을 추천하는 두런AI입니다. 데이터사이언스 분야에 관심이 있으시다면 저를 자주 마주치게 될 거 에요. 😁 저는 여러분들이 시청했던 동영상의 내용과 패턴을 학습합니다. 그리고 마침 딱! 필요했던 클래스를 만날 수 있도록 도와드립니다. “누구나 쉽게 배운다” 라는 두런의 미션을 위해 두런AI는 끊임없이 성장할 것입니다.
