1. |
|
챗봇과 AI 정보보호의 필요성 |
챗봇과 AI 정보보호의 전반적인 개요와 필요성에 대해 이해할 수 있다. |
|
|
|
인공지능 개요 및 역사 |
인공지능 개요 및 역사에 대해 설명할 수 있다. |
|
|
|
인공지능의 범위 |
인공지능, 머신러닝 및 딥러닝의 범위에 대해 이해할 수 있다. |
|
|
|
챗봇의 개요 및 역사 |
챗봇의 개요 및 역사에 대해 설명할 수 있다. |
|
|
|
챗봇의 활용분야 및 서비스 사례 |
챗봇의 활용 분야 및 서비스 사례에 대해 설명할 수 있다. |
|
|
|
형성평가 |
형성평가 |
|
2. |
|
인공지능과 챗봇의 미래 |
인공지능과 챗봇의 미래에 대해 이해할 수 있다. |
|
|
|
챗봇 시스템의 구성 |
챗봇 시스템의 구성과 챗봇 클라이언트 구축 방법에 대해 설명할 수 있다. |
|
|
|
챗봇 엔진의 구성 : 전처리/NLP |
챗봇 엔진의 구성 중 전처리와 자연어 처리(NLP)에 대해 설명할 수 있다. |
|
|
|
챗봇 엔진의 구성 : NLU/NLG |
챗봇 엔진의 구성 중 자연어 이해(NLU)와 자연어 생성(NLG)에 대해 설명할 수 있다. |
|
|
|
형성평가 |
형성평가 |
|
3. |
|
문자열 인식 |
컴퓨터의 문자열 인식에 대해 이해할 수 있다. |
|
|
|
자연어 형태소 분석 |
형태소 분석기를 이용하여 영문/한글 형태소 분석을 수행할 수 있다. |
|
|
|
Word2Vec |
분산표현 워드 임베딩 방법인 Word2Vec를 살펴보고 CBOW와 skip-gram에 대해 설명할 수 있다. |
|
|
|
Word2Vec의 활용 |
gensim 패키지를 이용하여 Word2Vec을 적용할 수 있다. |
|
|
|
형성평가 |
형성평가 |
|
4. |
|
챗봇과의 대화 |
챗봇이 대화를 이어가는 방식에 대해 이해할 수 있다. |
|
|
|
챗봇의 핵심 용어 |
챗봇의 핵심 용어를 설명할 수 있다. |
|
|
|
형태소 분석기를 이용한 NER |
형태소 분석기를 이용하여 개체명 인식을 구현할 수 있다. |
|
|
|
OpenAPI를 이용한 NER |
OpenAPI를 이용하여 개체명 인식을 구현할 수 있다. |
|
|
|
OpenAPI를 이용한 NER(실습) |
실습을 통하여 OpenAPI를 이용한 NER을 이해할 수 있다. |
|
|
|
형성평가 |
형성평가 |
|
5. |
|
챗봇 엔진과 Dialogflow |
Dialogflow를 이용하여 챗봇엔진 동작원리를 이해할 수 있다. |
|
|
|
Dialogflow 개요 |
Dialogflow를 통해 챗봇 핵심 개념과 챗봇 엔진을 설명할 수 있다 |
|
|
|
Dialogflow 서비스 구축 |
Dialogflow를 챗봇 엔진으로 활용하기 위한 서비스 설정을 적용할 수 있다. |
|
|
|
Dialogflow 서비스 구축(실습) |
실습을 통하여 Dialogflow API 호출을 이해할 수 있다. |
|
|
|
Dialogflow 정보보호 서비스 챗봇 |
Dialogflow를 활용하여 정보보호 서비스 챗봇을 구현할 수 있다. |
|
|
|
Dialogflow 정보보호 서비스 챗봇(실습) |
실습을 통하여 Dialogflow 정보보호 서비스 챗봇을 이해할 수 있다. |
|
|
|
형성평가 |
형성평가 |
|
6. |
|
그래프(Grapth) DB란? |
Graph DB의 개념에 대해 이해할 수 있다. |
|
|
|
Graph DB 개요 |
정보보안 지식베이스 구축을 위한 Graph DB 개요를 설명할 수 있다. |
|
|
|
Grapth DB 활용 |
Graph DB를 활용하여 Database를 생성할 수 있다. |
|
|
|
Graph DB 저장 및 조회 |
Graph DB를 활용하여 그래프 데이터를 저장 및 조회할 수 있다. |
|
|
|
Graph DB 저장 및 조회(실습) |
실습을 통하여 Cypher Query MATCH 구문을 이해할 수 있다. |
|
|
|
형성평가 |
형성평가 |
|
7. |
|
Graph DB와 지식베이스 |
Graph DB를 이용한 지식베이스 구축에 대해 이해할 수 있다. |
|
|
|
Graph DB 파이썬 연동 |
Graph DB와 파이썬 연동을 적용할 수 있다. |
|
|
|
Graph DB 파이썬 연동(실습) |
실습을 통하여 Graph DB 파이썬 연동에 대해 이해할 수 있다. |
|
|
|
정보보호 지식베이스 구축 |
Graph DB를 이용하여 정보보호 지식베이스 구축할 수 있다. |
|
|
|
정보보호 지식베이스 구축(실습) |
실습을 통하여 정보보호 지식베이스 저장에 대해 이해할 수 있다. |
|
|
|
정보보호 지식베이스 활용 |
구축된 정보보호 지식베이스를 활용할 수 있다. |
|
|
|
정보보호 지식베이스 활용(실습) |
실습을 통하여 정보보호 지식베이스를 활용할 수 있다. |
|
|
|
형성평가 |
형성평가 |
|
8. |
|
중간고사 |
중간고사 |
|
9. |
|
딥러닝과 NER |
딥러닝 학습을 이용한 NER의 장점에 대해 이해할 수 있다. |
|
|
|
개체명 인식을 위한 RNN |
개체명 인식을 위한 RNN에 대해 설명할 수 있다. |
|
|
|
개체명 인식을 위한 LSTM |
LSTM, Bi-directional LSTM 및 CRF에 대해 설명할 수 있다. |
|
|
|
개체명 인식을 위한 LSTM(실습) |
실습을 통하여 NER을 위한 LSTM 및 Bi-directional LSTM을 이해할 수 있다. |
|
|
|
Bi-directional LSTM과 CRF를 이용한 개체명 인식 |
Bi-directional LSTM과 CRF를 이용하여 개체명 인식을 적용할 수 있다. |
|
|
|
Bi-directional LSTM과 CRF를 이용한 개체명 인식(실습) |
실습을 통하여 한국어 NER을 위한 학습을 이해할 수 있다. |
|
|
|
형성평가 |
형성평가 |
|
10. |
|
Open API와 위키백과 QA API |
위키백과 QA API의 기능에 대해 이해할 수 있다. |
|
|
|
챗봇 질의응답(QA)을 위한 OpenAPI |
챗봇 질의응답(QA)를 위한 OpenAPI를 적용할 수 있다. |
|
|
|
챗봇 질의응답(QA)을 위한 웹 크롤링 |
챗봇 질의응답(QA)를 위한 크롤링과 스크래핑을 설명할 수 있다. |
|
|
|
챗봇 질의응답(QA)을 위한 웹 크롤링 적용 |
챗봇 질의응답(QA)를 위한 크롤링을 적용할 수 있다. |
|
|
|
형성평가 |
형성평가 |
|
11. |
|
트랜스포머의 등장 |
트랜스포머의 개념에 대해 이해할 수 있다. |
|
|
|
Sequence to Sequence 모델 |
Seq2Seq 모델의 개념과 문제점을 설명할 수 있다. |
|
|
|
트랜스포머를 위한 어텐션(1) |
어텐션의 개념과 적용과정을 설명할 수 있다. |
|
|
|
트랜스포머를 위한 어텐션(2) |
어텐션의 개념과 적용과정을 설명할 수 있다. |
|
|
|
트랜스포머(Transformer)(1) |
트랜스포머의 개념과 구조를 설명할 수 있다. |
|
|
|
트랜스포머(Transformer)(2) |
트랜스포머의 개념과 구조를 설명할 수 있다. |
|
|
|
형성평가 |
형성평가 |
|
12. |
|
AI 자연어처리(NLP) 모델 'GPT-3' |
혁신적인 AI 자연어처리(NLP) 모델 'GPT-3'에 대한 개요를 이해할 수 있다. |
|
|
|
최신 인공지능 언어모델 종류 |
최신 인공지능 모델의 종류에 대해 설명할 수 있다. |
|
|
|
최신 인공지능 언어모델 : BERT 계열 |
최신 인공지능 모델에 대해 설명할 수 있다. |
|
|
|
최신 인공지능 언어모델 : GPT 및 기타 계열 |
최신 인공지능 모델에 대해 설명할 수 있다. |
|
|
|
전이학습(Transfer Learning) |
사전 훈련 언어모델을 활용하기 위한 전이학습에 대해 설명할 수 있다. |
|
|
|
형성평가 |
형성평가 |
|
13. |
|
언어처리 AI 모델 학습 방법론 발표사례 |
국제학회 EMNLP에서 발표한 국내 인공지능 스타트업의 언어처리 AI모델 학습방법론 발표사례에 대해 이해할 수 있다. |
|
|
|
BERT 모델의 개요 |
BERT 모델의 개요에 대해 설명할 수 있다. |
|
|
|
BERT 모델 전이학습 개요 |
BERT 모델 전이학습 개요에 대해 설명할 수 있다. |
|
|
|
BERT 모델 적용 |
BERT 모델을 적용할 수 있다. |
|
|
|
BERT 모델 적용(실습) |
실습을 통하여 BERT pre-trained 모델을 이해할 수 있다. |
|
|
|
형성평가 |
형성평가 |
|
14. |
|
딥러닝 기반 AI 모델 '버트(BERT)' 모델 적용사례 |
의학·생명 분야 인공지능 국제대회에서 우승한 국내 바이오버트'(BioBERT) 모델 사례에 대해 이해할 수 있다. |
|
|
|
BERT 모델 QA fine-tuning |
BERT 모델의 BERT 모델 QA fine-tuning을 수행할 수 있다. |
|
|
|
BERT 모델 QA fine-tuning(실습) |
실습을 통하여 BERT pre-trained 모델에 대해 이해할 수 있다. |
|
|
|
BERT QA fine-tuning 모델 예측 |
BERT QA fine-tuning 모델을 이용하여 예측을 수행할 수 있다. |
|
|
|
BERT QA 모델 정보보호 챗봇 적용 |
BERT QA 모델 정보보호 챗봇에 적용할 수 있다. |
|
|
|
형성평가 |
형성평가 |
|
15. |
|
기말고사 |
기말고사 |
|