AI취업과정
AI 구현의 핵심 기술인 머신러닝&딥러닝
A부터 Z까지.
교육과정의 개월수를 선택하여 세부과정을 볼 수 있습니다.
머신러닝&딥러닝을 위한 파이썬 기초
● 파이썬 기본 문법
● 파이썬 라이브러리 : 넘파이(numpy) ● 파이썬 라이브러리 : 판다스(pandas)
● 파이썬 라이브러리 : 판다스(pandas) ● 데이터 수집 : open API
● 데이터 전처리
기초 통계 및 데이터 수집
● 데이터 탐색 / 시각화 ● 시계열 데이터 분석
● 정형 데이터 분석 종합 실습 1) iris 데이터 분석 2) 타이타닉 데이터 분석 3) 중고 자동차 가격 데이터 분석
● 퍼셉트론 ● DecisionTree ● DecisionTree 분류 모델 실습 1) 붓꽃 데이터 품종 예측 2) 타이타닉 탑승객 생존 예측 3) 당뇨병 예측
● DecisionTree 분류 모델 실습 1) 붓꽃 데이터 품종 예측 2) 타이타닉 탑승객 생존 예측 3) 당뇨병 예측 ● 평가 방법 개선과 GirdSerchCV를 이용한 Decision Tree 분류 모델 성능 개선 ● over-sampling을 통한 불균형 데이터 처리
자연어 처리 및 텍스트 데이터 분석
● 앙상블 모델 1) RandomForest 분류 모델 실습 2) LightGBM 분류 모델 실습 3) XGBoost 분류 모델 실습 ● 분류 평가 기준 ● 지도 학습을 이용한 회귀(regression)
● 회귀 트리 모델 실습 1) DecisionTree 회귀 모델 2) RandomForest 회귀 모델 3) LightGBM 회귀 모델 4) XGBoost 회귀 모델 ● 비지도 학습을 이용한 군집화(clustering) ● 설명 가능한 AI : SHAP
● 개인 프로젝트
● 개인 프로젝트
인공신경망의 원리와 keras
● 토큰화(tokenization) 1) nltk 라이브러리를 이용한 토큰화 - 문장 단위 토큰화 - 단어 단위 토큰화 2) 한글 형태소 단위 토큰화 - mecab 형태소 분석기 - kiwi 형태소 분석기 ● 단어 빈도수 분석 및 wordcloud를 이용한 시각화
● 특성 추출 - 임베딩(Embedding) 1) BoW(Bag of Words) 2) word2vec ● 코사인 유사도를 이용한 텍스트 유사도 분석
● 순환 신경망 모델(RNN)을 이용한 텍스트 감성 분석 ● Transformer 모델- self attention
● Transformer 모델- self attention ● BERT 모델 : 텍스트 감성 분석 1) 서브 워드(subword) 단위 토큰화
파이토치 딥러닝 구현 및 최신 트랜드
● BERT 모델 : 텍스트 감성 분석 2) BERT 다국어 모델을 이용한 텍스트 감성 분석 3) 한국어 BERT 모델을 이용한 텍스트 감성 분석
● HuggingFace 라이브러리 활용 1) 문서 분류(text-classification) 2) 문서 요약(text summarization) 3) 기계 독해(MRC) 4) 문장 생성(text generation)
● 한글 텍스트 맞춤법 교정을 위한 대규모 언어 모델(LLM) 파인튜닝 ● 문장 유사도를 이용한 ChatBot 개발
● 자연어 처리와 융합된 이미지 분류 모델 1) Vision Transformer 모델 2) 이미지 유사도 측정
다양한 모델을 활용한 강화학습
● 생성형 AI : 챗GPT API와 RAG, LangChain(랭체인), ollama 활용법 1) 챗GPT API 사용법 2) prompt engineering(프롬프트 엔지니어링) 3) 챗GPT API를 이용 : 고객 리뷰 감성 분석 4) RAG와 챗GPT API를 이용: 고객응대매뉴얼에 기반한 챗봇 구현
● 생성형 AI : 챗GPT API와 RAG, LangChain(랭체인), ollama 활용법 5) LangChain 사용법 6) LangChain과 챗GPT API를 이용: 고객 리뷰 감성 분석 7) LangChain과 챗GPT API를 이용: 최신 정보를 포함한 뉴스 기사 생성 8) ollama 사용법
● 개인 프로젝트
● 개인 프로젝트
더보기
더보기
더보기