We may earn an affiliate commission when you visit our partners.
Andrew Ng
and
Kian Katanforoosh
딥 러닝 전문화의 다섯 번째 과정에서는 시퀀스 모델과 음성 인식, 음악 합성, 챗봇, 기계 번역, 자연어 처리(NLP) 등과 같은 흥미로운 애플리케이션에 익숙해질 것입니다.
이 과정을 이수하면 순환 신경망(RNN)과 GRU 및 LSTM과 같이 일반적으로 사용되는 변형을 구축 및 훈련하고, RNN을 문자 수준의 언어 모델링에 적용하며, 자연어 처리 및 단어 임베딩에 대한 경험을 얻을 수 있으며, HuggingFace 토크나이저 및 트랜스포머 모델을 사용하여 NER 및 질문에 답하기 같은 다양한 NLP 작업을 해결합니다.
딥 러닝 전문화 과정은 딥 러닝의 기능, 과제 및 결과를 이해하고 최첨단 AI 기술의 개발에 참여할 준비를 하는 데 도움이 되는 기본 프로그램입니다. 경력을 쌓기 위한 지식과 기술을 습득할 수 있도록 도와줌으로써 AI 세계에서 최종적인 단계를 맡을 수 있는 길을 제공합니다.
Register for this course and see more details by visiting:
OpenCourser.com/course/ro7es2/sikweonseu
What's inside
Syllabus
순환 신경망
LSTM, GRU 및 양방향 RNN을 포함하여 시계열 데이터에 뛰어난 성능을 보이는 모델 유형 및 여러 변형 및 순환 신경망 확인.
자연어 처리 및 단어 임베딩
자연어 처리의 딥 러닝는 가장 강력한 조합입니다. 단어 벡터 표현 및 임베딩 레이어를 사용하여 감정 분석, 명명된 엔터티 인식 및 신경망 기계 번역을 비롯한 다양한 애플리케이션에서 뛰어난 성능으로 순환 신경망을 훈련합니다.
Read more
Syllabus
순환 신경망
LSTM, GRU 및 양방향 RNN을 포함하여 시계열 데이터에 뛰어난 성능을 보이는 모델 유형 및 여러 변형 및 순환 신경망 확인.
자연어 처리 및 단어 임베딩
자연어 처리의 딥 러닝는 가장 강력한 조합입니다. 단어 벡터 표현 및 임베딩 레이어를 사용하여 감정 분석, 명명된 엔터티 인식 및 신경망 기계 번역을 비롯한 다양한 애플리케이션에서 뛰어난 성능으로 순환 신경망을 훈련합니다.
Read more
시퀀스 모델 및 주의 메커니즘
입력 시퀀스가 주어졌을 때 모델이 주의를 집중할 위치를 결정하는 데 도움이 되는 알고리즘인 주의 메커니즘을 사용하여 시퀀스 모델을 보강합니다. 그런 다음 음성 인식과 오디오 데이터를 처리하는 방법을 살펴봅니다.
트랜스포머 네트워크
Good to know
Good to know
Know what's good ,
what to watch for , and
possible dealbreakers
Examines various types of sequence models, their performance with time series data, and their variants, including LSTM, GRU, and bidirectional RNNs
Provides hands-on experience with applying RNNs for text-based applications such as sentiment analysis, named entity recognition, and neural machine translation
Introduces attention mechanisms, a powerful technique for enhancing sequence models
Covers transformer networks, a cutting-edge type of sequence model that has revolutionized natural language processing
Can be complemented by other courses in deep learning to build a strong foundation in the field
Requires basic knowledge of deep learning and neural networks
Save this course
Save 시퀀스 모델 to your list so you can find it easily later:
Save
Save
Activities
Be better prepared
before
your course. Deepen your understanding
during
and
after
it. Supplement your coursework and achieve mastery of the topics covered
in 시퀀스 모델 with these
activities:
NLP 분야의 멘토 찾기
Show steps
NLP 분야에 대한 지도와 지원을 제공하여 학습 경험을 향상시킵니다.
Show steps
-
LinkedIn, Meetup 등의 플랫폼에서 멘토 탐색하기
-
공통 관심사와 전문성을 공유하는 멘토 찾기
-
멘토와 정기적인 회의 일정 잡기
Review RNNs
Show steps
This course builds upon your understanding of RNNs, so it's important to review the basics before starting. This will help you follow along with the lectures and discussions more easily.
Show steps
-
Go over your notes or textbook chapters on RNNs.
-
Watch online videos or tutorials on RNNs.
-
Practice implementing simple RNNs in a programming language.
RNN 문제 풀이 연습하기
Show steps
개념 적용을 강화하고 결함 있는 지역 파악에 도움이 됩니다.
Browse courses on
RNN
Show steps
-
문제 모음 찾기
-
문제 풀기
-
해답 확인 및 오류 분석하기
Four other activities
Expand to see all activities and additional details
Show all seven activities
NLP 관련 워크숍이나 밋업 참석하기
Show steps
실무자로부터 최신 트렌드와 기술을 배우는데 도움이 됩니다.
Browse courses on
NLP
Show steps
-
관련 워크숍이나 밋업 찾기
-
등록하고 참석하기
-
전문가와 네트워킹하고 질문하기
TensorFlow 순환 신경망 자습서 탐구하기
Show steps
RNN 구현 및 훈련에 대한 실습적 이해를 제공하여 코스 개념을 보완합니다.
Browse courses on
TensorFlow
Show steps
-
TensorFlow 설치 및 설정하기
-
튜토리얼 자료 다운로드하기
-
튜토리얼 단계 따르기 및 예제 실행하기
반복적인 시퀀스 예측 연습하기
Show steps
순환 신경망과 시퀀스 모델을 이해하는 데 도움이 됩니다.
Browse courses on
RNN
Show steps
-
다양한 시퀀스 데이터 세트에서 예측 작업 수행하기
-
RNN과 LSTM, GRU와 같은 다양한 모델 탐구하기
-
모델 성능 평가하고 최적의 하이퍼파라미터 조정하기
음성 또는 텍스트 데이터를 사용한 NLP 프로젝트 구축하기
Show steps
시퀀스 모델과 NLP를 현실 세계 문제에 적용하는 데 도움이 됩니다.
Browse courses on
NLP
Show steps
-
프로젝트 범위와 목표 정의하기
-
데이터 수집 및 처리하기
-
적절한 모델 선택 및 훈련하기
-
모델 평가 및 배포하기
NLP 분야의 멘토 찾기
Show steps
NLP 분야에 대한 지도와 지원을 제공하여 학습 경험을 향상시킵니다.
Show steps
Show steps
Show steps
- LinkedIn, Meetup 등의 플랫폼에서 멘토 탐색하기
- 공통 관심사와 전문성을 공유하는 멘토 찾기
- 멘토와 정기적인 회의 일정 잡기
Review RNNs
Show steps
This course builds upon your understanding of RNNs, so it's important to review the basics before starting. This will help you follow along with the lectures and discussions more easily.
Show steps
Show steps
Show steps
- Go over your notes or textbook chapters on RNNs.
- Watch online videos or tutorials on RNNs.
- Practice implementing simple RNNs in a programming language.
RNN 문제 풀이 연습하기
Show steps
개념 적용을 강화하고 결함 있는 지역 파악에 도움이 됩니다.
Browse courses on
RNN
Show steps
Show steps
Show steps
- 문제 모음 찾기
- 문제 풀기
- 해답 확인 및 오류 분석하기
Four other activities
Expand to see all activities and additional details
Show all seven activities
NLP 관련 워크숍이나 밋업 참석하기
Show steps
실무자로부터 최신 트렌드와 기술을 배우는데 도움이 됩니다.
Browse courses on
NLP
Show steps
Show steps
Show steps
- 관련 워크숍이나 밋업 찾기
- 등록하고 참석하기
- 전문가와 네트워킹하고 질문하기
TensorFlow 순환 신경망 자습서 탐구하기
Show steps
RNN 구현 및 훈련에 대한 실습적 이해를 제공하여 코스 개념을 보완합니다.
Browse courses on
TensorFlow
Show steps
Show steps
Show steps
- TensorFlow 설치 및 설정하기
- 튜토리얼 자료 다운로드하기
- 튜토리얼 단계 따르기 및 예제 실행하기
반복적인 시퀀스 예측 연습하기
Show steps
순환 신경망과 시퀀스 모델을 이해하는 데 도움이 됩니다.
Browse courses on
RNN
Show steps
Show steps
Show steps
- 다양한 시퀀스 데이터 세트에서 예측 작업 수행하기
- RNN과 LSTM, GRU와 같은 다양한 모델 탐구하기
- 모델 성능 평가하고 최적의 하이퍼파라미터 조정하기
음성 또는 텍스트 데이터를 사용한 NLP 프로젝트 구축하기
Show steps
시퀀스 모델과 NLP를 현실 세계 문제에 적용하는 데 도움이 됩니다.
Browse courses on
NLP
Show steps
Show steps
Show steps
- 프로젝트 범위와 목표 정의하기
- 데이터 수집 및 처리하기
- 적절한 모델 선택 및 훈련하기
- 모델 평가 및 배포하기
Career center
Learners who complete 시퀀스 모델 will develop knowledge and skills
that may be useful to these careers:
Natural Language Processing Engineer
Natural Language Processing Engineer
Natural Language Processing Engineers develop and apply natural language processing algorithms to solve problems in the field of language. This course would be a useful step towards becoming a Natural Language Processing Engineer, as it covers topics such as recurrent neural networks, sequence models, and natural language processing.
Computational Linguist
Computational Linguist
Computational Linguists develop and apply natural language processing algorithms to solve problems in the field of language. This course would be useful for Computational Linguists because it covers topics such as recurrent neural networks, sequence models, and natural language processing.
Artificial Intelligence Engineer
Artificial Intelligence Engineer
Artificial Intelligence Engineers design, develop, and maintain artificial intelligence systems. Taking this course would be a useful step towards becoming an Artificial Intelligence Engineer, since deep learning is a type of artificial intelligence.
Machine Learning Engineer
Machine Learning Engineer
Machine Learning Engineers are responsible for developing and deploying machine learning models. They work on tasks such as building data pipelines, training models, and evaluating performance. This course would help someone who wants to be a Machine Learning Engineer because it covers topics such as recurrent neural networks, sequence models, and natural language processing.
Data Scientist
Data Scientist
A Data Scientist blends fields of mathematics, computer science, and statistics to extract insights from data. As deep learning is a subset of machine learning and machine learning is a subset of artificial intelligence, taking this course would help build a foundation for a career as a Data Scientist. This course would be especially helpful since Data Scientists need to be able to use deep learning models for tasks like natural language processing, computer vision, and speech recognition.
Algorithm Engineer
Algorithm Engineer
Algorithm Engineers design, develop, test, and deploy algorithms to solve business problems. Taking this course would be a good step towards an Algorithm Engineer position since deep learning is a type of algorithm used to make computers do complex tasks. Deep learning models are also commonly used in machine learning and artificial intelligence, which are both fields relevant to Algorithm Engineers.
Research Scientist
Research Scientist
A Research Scientist conducts research to advance scientific knowledge and technology. Taking this course may be helpful for a Research Scientist that is working in a field that uses deep learning, such as natural language processing, computer vision, or speech recognition.
Data Analyst
Data Analyst
Data Analysts analyze data to extract insights and inform decision-making. This course may be helpful for Data Analysts who want to learn more about deep learning, as deep learning is used for tasks like natural language processing, computer vision, and speech recognition.
Software Engineer
Software Engineer
A Software Engineer designs, develops, and maintains software applications. Taking this course would be a useful step towards becoming a Software Engineer, since deep learning is used in many software applications, such as natural language processing, computer vision, and speech recognition.
Product Manager
Product Manager
Product Managers manage the development and launch of new products. This course may be helpful for Product Managers who want to learn more about how deep learning can be used to develop innovative new products.
Business Analyst
Business Analyst
Business Analysts analyze business processes and make recommendations for improvement. This course may be helpful for Business Analysts who want to learn more about how deep learning can be used to improve business processes.
Project Manager
Project Manager
Project Managers plan, execute, and close projects. This course may be helpful for Project Managers who are working on projects that involve deep learning.
Sales Engineer
Sales Engineer
Sales Engineers sell technical products and services. This course may be helpful for Sales Engineers who want to learn more about deep learning so that they can sell deep learning-based products and services.
Technical Writer
Technical Writer
Technical Writers create technical documentation for software and other products. This course may be helpful for Technical Writers who want to learn more about deep learning so that they can write documentation for deep learning-based products.
Marketing Manager
Marketing Manager
Marketing Managers plan and execute marketing campaigns. This course may be helpful for Marketing Managers who want to learn more about how deep learning can be used to improve marketing campaigns.
For more career information including salaries, visit:
OpenCourser.com/course/ro7es2/sikweonseu
Reading list
We've selected 11 books
that we think will supplement your
learning. Use these to
develop background knowledge, enrich your coursework, and gain a
deeper understanding of the topics covered in
시퀀스 모델.
이 책은 음성 인식과 자연어 처리를 다루는 표준적인 교과서로, 시퀀스 모델을 사용하여 음성 인식 문제를 해결하는 데 대한 이해를 돕는 데 도움이 될 수 있습니다.
Save
딥 러닝 분야의 기본 개념과 기술을 이해하는 데 도움이 되는 포괄적인 책입니다.
Keras 프레임워크를 사용하여 딥 러닝 모델을 구축하는 방법에 대한 실용적인 안내서입니다.
딥 러닝에 대한 포괄적인 온라인 책으로, 기본 개념부터 첨단 기술까지 다룹니다.
이 책은 순환 신경망을 자세히 설명하고 있어서, 시퀀스 모델의 기본 원리를 이해하는 데 도움이 될 수 있습니다.
자연어 처리에 대한 딥 러닝 기법을 다루는 책으로, NLP 관련 내용을 보완하는 데 유용합니다.
이 책은 PyTorch를 사용하여 자연어 처리 작업을 구현하는 데 중점을 두고 있어서, 순환 신경망과 자연어 처리를 배우는 데 유용한 참고 자료가 될 수 있습니다.
이 책은 신경망의 설계와 구현에 대한 포괄적인 안내서로, 시퀀스 모델을 구현하는 데 도움이 될 수 있는 기본 지식을 제공합니다.
이 책은 Keras 라이브러리를 사용하여 딥러닝 모델을 구현하는 데 중점을 두고 있어서, 시퀀스 모델을 구현하는 데 도움이 될 수 있습니다.
이 책은 합성곱 신경망을 자세히 설명하고 있어서, 시퀀스 모델을 구현하는 데 사용될 수 있는 기본 개념을 이해하는 데 도움이 될 수 있습니다.
Save
이 책은 딥러닝의 기본 개념과 기술을 자세히 설명하고 있어서, 시퀀스 모델을 배우기에 앞서 딥러닝에 대한 배경 지식을 얻는 데 도움이 될 수 있습니다.
For more information about how these books relate to this course, visit:
OpenCourser.com/course/ro7es2/sikweonseu
Share
Similar courses
Here are nine courses similar to
시퀀스 모델.
심층 신경망 개선: 하이퍼파라미터 튜닝, 정규화 및 최적화
OpenCourser.com/course/3j1fk2/simceung
심층 신경망 개선: 하이퍼파라미터 튜닝, 정규화 및 최적화
Most relevant
컨볼루션 신경망
OpenCourser.com/course/75xjcx/keonbolrusyeon
컨볼루션 신경망
Most relevant
머신 러닝 프로젝트 구조화
OpenCourser.com/course/gffzqn/meosin
머신 러닝 프로젝트 구조화
Most relevant
신경망 및 딥 러닝
OpenCourser.com/course/j6uyud/singyeongmang
신경망 및 딥 러닝
Most relevant
머신 러닝 기초: 사례 연구 접근 방식
OpenCourser.com/course/qfqt75/meosin
머신 러닝 기초: 사례 연구 접근 방식
Most relevant
TensorFlow 2 시작하기
OpenCourser.com/course/k4clk6/tensorflow
TensorFlow 2 시작하기
Most relevant
컴퓨터 비전 분야에서의 딥 러닝 응용 사례
OpenCourser.com/course/ji1zbv/keompyuteo
컴퓨터 비전 분야에서의 딥 러닝 응용 사례
Most relevant
파이썬의 데이터 과학 소개
OpenCourser.com/course/njxcxb/paisseonyi
파이썬의 데이터 과학 소개
Most relevant
모두를 위한 머신 러닝
OpenCourser.com/course/txt1ha/modureul
모두를 위한 머신 러닝
Most relevant
Effort
주당 5시간 기준일 경우 이 과정 완료에는 일반적으로 5주가 소요됩니다.
Level
Intermediate
Via
Coursera
Institution
DeepLearning.AI
Instructors
Andrew Ng
Kian Katanforoosh
Language
한국어
Transcripts
English
العربية
Good to know
Examines various types of sequence models, their performance with time series data, and their variants, including LSTM, GRU, and bidirectional RNNs
Provides hands-on experience with applying RNNs for text-based applications such as sentiment analysis, named entity recognition, and neural machine translation
Introduces attention mechanisms, a powerful technique for enhancing sequence models
Covers transformer networks, a cutting-edge type of sequence model that has revolutionized natural language processing
Can be complemented by other courses in deep learning to build a strong foundation in the field
Requires basic knowledge of deep learning and neural networks
Our mission
OpenCourser helps millions of learners each year. People visit us to learn workspace skills, ace their exams, and nurture their curiosity.
Our extensive catalog contains over 50,000 courses and twice as many books. Browse by search, by topic, or even by career interests. We'll match you to the right resources quickly.
Find this site helpful? Tell a friend about us.
Affiliate disclosure
We're supported by our community of learners. When you purchase or subscribe to courses and programs or purchase books, we may earn a commission from our partners.
Your purchases help us maintain our catalog and keep our servers humming without ads.
Thank you for supporting OpenCourser.
© 2016 - 2024 OpenCourser