강의 계획서

1. 1주차

   1. 챗봇과 AI 정보보호의 필요성

   2. 인공지능 개요 및 역사

   3. 인공지능의 범위

   4. 챗봇의 개요 및 역사

   5. 챗봇의 활용분야 및 서비스 사례

   6. 형성평가

2. 2주차

   1. 인공지능과 챗봇의 미래

   2. 챗봇 시스템의 구성

   3. 챗봇 엔진의 구성 : 전처리/NLP

   4. 챗봇 엔진의 구성 : NLU/NLG

   5. 형성평가

3. 3주차

   1. 문자열 인식

   2. 자연어 형태소 분석

   3. Word2Vec

   4. Word2Vec의 활용

   5. 형성평가

4. 4주차

   1. 챗봇과의 대화

   2. 챗봇의 핵심 용어

   3. 형태소 분석기를 이용한 NER

   4. OpenAPI를 이용한 NER

   5. OpenAPI를 이용한 NER(실습)

   6. 형성평가

5. 5주차

   1. 챗봇 엔진과 Dialogflow

   2. Dialogflow 개요

   3. Dialogflow 서비스 구축

   4. Dialogflow 서비스 구축(실습)

   5. Dialogflow 정보보호 서비스 챗봇

   6. Dialogflow 정보보호 서비스 챗봇(실습)

   7. 형성평가

6. 6주차

   1. 그래프(Grapth) DB란?

   2. Graph DB 개요

   3. Grapth DB 활용

   4. Graph DB 저장 및 조회

   5. Graph DB 저장 및 조회(실습)

   6. 형성평가

7. 7주차

   1. Graph DB와 지식베이스

   2. Graph DB 파이썬 연동

   3. Graph DB 파이썬 연동(실습)

   4. 정보보호 지식베이스 구축

   5. 정보보호 지식베이스 구축(실습)

   6. 정보보호 지식베이스 활용

   7. 정보보호 지식베이스 활용(실습)

   8. 형성평가

8. 8주차

   1. 중간고사

9. 9주차

   1. 딥러닝과 NER

   2. 개체명 인식을 위한 RNN

   3. 개체명 인식을 위한 LSTM

   4. 개체명 인식을 위한 LSTM(실습)

   5. Bi-directional LSTM과 CRF를 이용한 개체명 인식

   6. Bi-directional LSTM과 CRF를 이용한 개체명 인식(실습)

   7. 형성평가

10. 10주차

    1. Open API와 위키백과 QA API

    2. 챗봇 질의응답(QA)을 위한 OpenAPI

    3. 챗봇 질의응답(QA)을 위한 웹 크롤링

    4. 챗봇 질의응답(QA)을 위한 웹 크롤링 적용

    5. 형성평가

11. 11주차

    1. 트랜스포머의 등장

    2. Sequence to Sequence 모델

    3. 트랜스포머를 위한 어텐션(1)

    4. 트랜스포머를 위한 어텐션(2)

    5. 트랜스포머(Transformer)(1)

    6. 트랜스포머(Transformer)(2)

    7. 형성평가

12. 12주차

    1. AI 자연어처리(NLP) 모델 'GPT-3'

    2. 최신 인공지능 언어모델 종류

    3. 최신 인공지능 언어모델 : BERT 계열

    4. 최신 인공지능 언어모델 : GPT 및 기타 계열

    5. 전이학습(Transfer Learning)

    6. 형성평가

13. 13주차

    1. 언어처리 AI 모델 학습 방법론 발표사례

    2. BERT 모델의 개요

    3. BERT 모델 전이학습 개요

    4. BERT 모델 적용

    5. BERT 모델 적용(실습)

    6. 형성평가

14. 14주차

    1. 딥러닝 기반 AI 모델 '버트(BERT)' 모델 적용사례

    2. BERT 모델 QA fine-tuning

    3. BERT 모델 QA fine-tuning(실습)

    4. BERT QA fine-tuning 모델 예측

    5. BERT QA 모델 정보보호 챗봇 적용

    6. 형성평가

15. 15주차

    1. 기말고사