Enroll Course: https://www.coursera.org/learn/sequence-models-in-nlp
자연어 처리(NLP) 분야는 최근 몇 년 사이에 급격히 발전하였습니다. 특히, 심층 학습(deep learning)의 발전으로 인해 텍스트 처리와 분석이 더욱 정교해졌습니다. 그 중에서도 Coursera의 ‘자연어 처리(NLP) 전문화 과정’ 중 세 번째 과정인 자연어 처리와 순차 모델은 NLP의 다양한 측면을 깊이 있게 탐구할 수 있는 좋은 기회를 제공합니다.
이 과정에서는 다음과 같은 중요한 주제를 배울 수 있습니다:
- 소셜 미디어 분석: GLoVe 단어 임베딩을 사용하여 트윗의 감정 분석을 수행하는 신경망 학습.
- 언어 생성: Gated Recurrent Unit(GRU) 언어 모델을 활용하여 인공적으로 셰익스피어의 텍스트를 생성.
- 명명된 개체 인식(NER): LSTM과 선형 레이어를 사용한 신경망을 훈련하여 텍스트에서 중요한 정보를 추출.
- 질문 비교: ‘사이안즈(Siamese)’ LSTM 모델을 사용하여 말이 다르더라도 의미가 동일한 질문을 식별.
강의 구성은 다음과 같습니다:
언어 모델링을 위한 순환 신경망(RNN)
전통적인 언어 모델의 제한점에 대해 배우고, RNN과 GRU가 어떻게 순차 데이터를 사용하여 텍스트 예측을 하는지 살펴봅니다. 이후 셰익스피어의 텍스트 데이터를 활용하여 자신의 다음 단어 생성기를 만드는 실습을 진행합니다!
장기 단기 기억 네트워크(LSTM) 및 명명된 개체 인식
LSTM이 어떻게 기울기 소실 문제를 해결하는지 배우고, NER 시스템이 텍스트에서 중요한 정보를 신속하게 추출하는 방법을 알아봅니다. 이후 Kaggle 데이터를 사용하여 LSTM을 활용한 NER 시스템을 만드는 실습을 진행합니다!
사이안즈 네트워크
두 개의 동일한 네트워크로 구성되어 결국 함께 병합되는 특별한 유형의 신경망인 사이안즈 네트워크를 배우고, Quora의 데이터셋에서 질문 중복을 식별하는 자신의 사이안즈 네트워크를 만들어 봅니다.
이 과정은 자연어 처리와 머신러닝에 대한 기본 지식이 있는 분들에게 특히 추천합니다. 각 주제는 실습이 풍부하고, 실제 데이터를 다루는 프로젝트를 통해 경험을 쌓을 수 있어 매우 유익합니다. NLP에 대한 이해를 깊이 있게 하고 싶은 분들은 꼭 수강해 보시길 권장합니다!
Enroll Course: https://www.coursera.org/learn/sequence-models-in-nlp