본문 바로가기

배우고 싶은 강좌를 찾아보세요.

추천 강좌

    다국어 설정

    강좌소개
    강좌소개
    • 현대 인공지능 시대에서 자연어 처리(NLP)는 인간과 컴퓨터 간의 소통을 가능하게 하는 핵심 기술로 자리 잡았습니다. 이 강좌는 언어 모델과 딥러닝의 최신 기술을 중심으로 NLP의 기본 원리와 응용 방법을 심도 있게 학습하도록 설계되었습니다. 특히, 대규모 언어 모델(LLM) 및 최적화 기술을 기반으로 한 자연어 처리의 발전 과정과 실제 응용 사례를 다루며, 기술적 성과뿐 아니라 윤리적, 사용자 중심의 설계 원칙까지 포함한 전반적인 이해를 목표로 합니다. 이를 통해 학습자는 언어와 기술의 상호작용을 탐구하고, 이를 활용한 혁신적인 응용 가능성을 제시할 수 있는 역량을 기르게 될 것입니다.

    • 왜 「딥러닝 기반 자연어 처리」를 수강해야 하는가?

      NLP는 인공지능 분야에서 가장 빠르게 발전하고 있는 영역 중 하나로, 언어를 이해하고 생성하는 기술을 통해 다양한 산업과 연구 분야에 실질적인 변화를 일으키고 있습니다. 언어 모델의 작동 원리부터 최신 기술까지 다루는 이 강좌는 학습자들이 최신 연구 동향을 파악하고, 이를 실질적으로 응용할 수 있는 역량을 갖추도록 돕습니다. 더욱이, 윤리적 설계와 사용자 중심의 시스템 설계라는 새로운 관점을 통해 기술의 사회적 영향력을 함께 고민할 수 있는 기회를 제공합니다.

    학습목표
    • 「딥러닝 기반 자연어 처리」의 목표는 무엇인가?

      이 강좌의 목표는 다음과 같습니다:

      1. 자연어 처리의 기본 개념과 작동 원리를 이해하고, 이를 기반으로 언어 모델의 설계와 구현에 대한 깊이 있는 통찰을 제공합니다.
      2. 최신 기술(Transformer, Pretraining, Fine-tuning, RLHF )을 학습하고, 이를 실제 문제 해결에 응용할 수 있는 방법을 익힙니다.
      3. Human-centered NLP와 윤리적 설계 원칙을 탐구하여 기술의 사회적 책임과 인간 중심의 설계를 구현할 수 있는 능력을 개발합니다.
      4. 학습자가 NLP와 딥러닝의 최신 연구와 발전 동향을 이해하고, 이를 통해 학문적 또는 산업적 기여를 할 수 있는 기회를 제공합니다.

      결국, 이 강좌는 학습자가 NLP와 딥러닝 기술을 단순히 배우는 것을 넘어, 이를 활용하여 더 나은 세상을 만드는 데 기여할 수 있는 전문가로 성장하는 데 그 목적이 있습니다.

    강좌 운영일정
    • 수강신청기간 : 2025.1.7. ~ 2025.1.31.
    • 강좌운영기간 : 2025.1.7. ~ 2025.1.31.
    이수 및 평가기준
    • 전체 100점 중 60점 이상인 경우(퀴즈 10%+과제 20%+중간고사 30%+기말고사 40%)
    수업계획서
    주차 주차명(주제) 차시 차시명(학습내용) 평가방법
    1

    Introduction to NLP

    1-1

    NLP란 무엇인가?

    1-2

    NLP 시스템 구축 개요

    1-3

    기계학습 기반 NLP

    퀴즈(1)
    2

    Recurrent Neural Networks

    2-1

    최신 NLP 과제: 언어 모델링

    2-2

    새로운 신경망 계열: 순환 신경망(RNN)

    2-3

    RNN의 한계

    퀴즈(1)
    3

    LSTM and Neural Machine Translation

    3-1

    Exploding gradients & vanishing gradients

    3-2

    LSTMs

    3-3

    Machine translation

    퀴즈(1)
    4

    Transformers

    4-1

    트랜스포머가 자연어 처리 (및 머신 러닝)에 미치는 영향

    4-2

    순환 신경망에서 어텐션 기반 자연어 처리 모델에 이르기까지

    4-3

    트랜스포머 모델 이해

    퀴즈(1)
    5

    Pretraining

    5-1

    워드 임베딩에서 모델 사전 학습의 동기 부여

    5-2

    세 가지 방식의 모델 사전 학습

    5-3

    사전 학습이 무엇을 가르치는지에 대한 생각

    퀴즈(1)
    6

    Post-training

    6-1

    Zero-Shot & Few-Shot In-Context Learning

    6-2

    Instruction finetuning

    6-3

    인간 선호에 맞춘 최적화(DPO/RLHF)

    퀴즈(1)
    7

    Benchmarking and Evaluation

    7-1

    Close-ended evaluation

    7-2

    Open-ended evaluation

    7-3

    현재 LLM 평가와 도전과제

    퀴즈(1), 과제(1)
    8 중간고사 8-1
    8-2
    8-3 중간고사
    9

    Efficient Neural Network Training

    9-1

    Mixed Precision Training

    9-2

    multi-GPU training

    9-3

    parameter-efficient fine-tuning(PEFT)

    퀴즈(1)
    10

    Reasoning and Agents

    10-1

    Reasoning

    10-2

    Orca

    10-3

    language model agents

    퀴즈(1)
    11

    Post DPO Era

    11-1

    ChatGPTRLHF

    11-2

    DPO 모델 이후의 연구 동향

    11-3

    "좋은" 모델을 파인튜닝하는 방법

    퀴즈(1)
    12

    Code Genration

    12-1

    AST를 생성하는 과정

    12-2

    코드 맥락과 다중 턴 상호작용 모델링

    12-3

    디코딩과 추론 방법

    퀴즈(1)
    13

    Human-Centered NLP

    13-1

    Human-centered NLP

    13-2

    NLP 시스템의 평가와 윤리

    13-3

    인간의 피드백을 통한 학습

    퀴즈(1)
    14

    NLP, linguistics, and philosophy

    14-1

    주요 개념과 주요 과제들

    14-2

    AI 발전의 두 가지 주요 접근 방식

    14-3

    AI가 우리 사회에 미칠 영향

    퀴즈(1), 과제(1)
    15 기말고사 15-1
    15-2
    15-3 기말고사
    강좌운영진
    • 교수자 : 김영빈

      소속: 중앙대학교 첨단영상대학원 영상학과 교수

    • 교수팀 운영 TA: 최주원

      소속: 중앙대학교 대학원 AI학과 박사 재학

    • 교수팀 운영 TA: 윤정민

      소속: 중앙대학교 대학원 AI학과 박사 재학

    분야 공학 (컴퓨터 · 통신)

    난이도 전공심화

    운영기관 중앙대학교

    이수증 미발급

    주차 15 주

    학습인정시간 10시간 00분 (11시간 55분)

    수강신청기간 24.01.07 ~ 25.01.31

    강좌운영기간 24.01.07 ~ 25.01.31

    전화번호 02-820-5937

    자막언어 한국어 외 1건

    강좌언어 한국어(ko)

    추천강좌
    같은기관강좌