로그인
회원가입
lnb영역
수강신청
컨텐츠 내용
- 수강신청
- 과정정보
이미지 인식과 자연어처리 생성형 AI 모델
과정소개
생성형 AI의 이미지 인식과 자연어 처리 모델을 배우는 강좌입니다. CNN을 활용한 이미지 인식 모델의 원리부터 객체 인식 기술까지 다루며, 자연어 처리 원리와 퍼셉트론 및 RNN 기반의 언어 모델을 학습합니다. 또한, 실습을 통해 CNN과 RNN 모델을 직접 다뤄보며 생성형 AI의 핵심 기술을 익힙니다.
학습목표
- CNN을 활용한 이미지 인식 모델의 원리 이해하기
- 객체 인식과 이미지 분류 기술 학습하기
- 자연어 처리 모델의 구조와 퍼셉트론, RNN 원리 익히기
- 인코더-디코더 구조를 활용한 번역 시스템 이해하기
- 객체 인식과 이미지 분류 기술 학습하기
- 자연어 처리 모델의 구조와 퍼셉트론, RNN 원리 익히기
- 인코더-디코더 구조를 활용한 번역 시스템 이해하기
교육대상
- 생성형 AI의 이미지 인식 및 자연어 처리에 관심 있는 사람
- CNN과 RNN 기반 AI 모델을 학습하고 싶은 개발자, 연구자
- 생성형 AI 모델의 원리를 실습을 통해 배우고 싶은 사람
- 인공지능 기술을 활용한 데이터 분석 및 응용에 관심 있는 사람
- CNN과 RNN 기반 AI 모델을 학습하고 싶은 개발자, 연구자
- 생성형 AI 모델의 원리를 실습을 통해 배우고 싶은 사람
- 인공지능 기술을 활용한 데이터 분석 및 응용에 관심 있는 사람
수료기준
| 평가기준 | 총점 |
|---|---|
| 반영비율 | 100점 |
| 이수(과락)기준 | 60점 |
※ 수료기준은 각 평가항목의 점수가 수료기준 점수 이상이고 총점이 60점 이상이어야 합니다.
| 차시 | 강의명 |
|---|---|
| 1차시 | 이미지 인식 모델, CNN |
| 2차시 | AI 인식을 위한 이미지 모델 |
| 3차시 | 이미지 분류와 객체인식의 원리 |
| 4차시 | 실습) CNN 이미지 모델 |
| 5차시 | 인공지능의 자연어 처리 원리 |
| 6차시 | 퍼셉트론과 RNN 기반 자연어 처리 방법 |
| 7차시 | 번역 시스템의 인코더와 디코더 |
| 8차시 | 실습) RNN 영화의 리뷰 분류하기 |