Skip to main content

​
Natural Language Processing

자연어 처리(NLP)의 핵심 개념과 실무 기술을 체계적으로 학습합니다. 텍스트 전처리부터 Transformer 아키텍처, 사전학습 언어 모델, 그리고 LLM 활용까지의 완전한 학습 경로를 제공합니다.

​
학습 경로

아래 다이어그램은 NLP 탭의 전체 학습 순서를 보여줍니다. 각 단계는 이전 단계의 지식을 기반으로 합니다.
추천 시작점: NLP를 처음 접하신다면 NLP 개론에서 전체 흐름을 파악한 후, 텍스트 전처리부터 순서대로 진행하세요. 이미 Transformer를 이해하고 계신다면 사전학습 언어 모델이나 NLP 태스크로 바로 이동할 수 있습니다.

​
DL 선수 지식 체크리스트

NLP 탭은 딥러닝 기초 지식을 전제로 합니다. 아래 항목을 확인해 주세요.
항목필수 수준참고
신경망 기초퍼셉트론, 역전파, 손실 함수 이해DL 탭
PyTorch텐서 연산, nn.Module, DataLoader 사용DL 탭
시퀀스 모델RNN/LSTM의 동작 원리 이해DL 탭
임베딩벡터 표현의 의미와 학습 원리DL 탭
위 항목 중 2개 이상 익숙하지 않다면, DL 탭을 먼저 학습하는 것을 권장합니다.

​
학습 그룹

NLP 개론

규칙 기반에서 LLM까지, NLP의 발전 역사와 주요 태스크를 소개합니다

NLP 전체 지도

학습 경로와 후행 탭(RAG, Agent, Fine-Tuning)과의 연결 관계를 시각화합니다

텍스트 전처리

토큰화, 한국어 형태소 분석, 텍스트 정제, 벡터화를 다룹니다

Attention과 Transformer

Self-Attention부터 Transformer 전체 아키텍처까지 수식과 코드로 구현합니다

사전학습 언어 모델

BERT, GPT, LLaMA 등 주요 PLM의 구조와 특성을 비교 분석합니다

NLP 핵심 태스크

분류, NER, QA, 요약, 번역 등 실무 태스크를 HuggingFace로 구현합니다

프롬프트 엔지니어링

Few-shot, Chain-of-Thought, ReAct 등 프롬프트 설계 기법을 학습합니다

LLM 활용 실무

API 활용, Function Calling, Output Parsing, 안전장치 적용을 다룹니다

실무 프로젝트

감성 분석, 챗봇, 문서 QA 등 종합 프로젝트를 진행합니다