최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 인공신경망 기계번역(NMT)의 OOV 문제를 완화하기 위한 서브 워드 분절 방법론을 다루며, 특히 한국어의 용언 활용을 효과적으로 처리하기 위해 음절의 종성을 분리하는 새로운 토큰화 방법을 제안한다. 실험 결과, 제안하는 방법론이 기존의 서브 워드 분절 방법론보다 높은 성능을 보였다.
챗GPT 업무 활용 마스터 : 기업 내 언어모델 도입과 활용을 위한 실전 가이드
챗GPT 업무 활용 마스터
Connectionist, statistical, and symbolic approaches to learning for natural language processing
Neural machine translation
Translation memories : Systeme, Konzepte, linguistische Optimierung
텐서플로 2와 케라스로 구현하는 딥러닝 : 회귀, CNN, GAN, RNN, NLP, AutoML까지 딥러닝의 모든 것
Recent advances in natural language processing III : selected papers from RANLP 2003
Envisioning machine translation in the information future : 4th Conference of the Association for Machine Translation in the Americas, AMTA 2000, Cuernavaca, Mexico, October 10-14, 2000 : proceedings
자연어 처리와 컴퓨터 언어학 : 파이썬으로 개발하는 자연어 처리 서비스
Guiding language learning
Knot theory
Recent advances in speech understanding and dialog systems
Computational linguistics and intelligent text processing : 7th international conference, CICLing 2006, Mexico City, Mexico, February 19-25, 2006 : proceedings
Essential speech and language technology for Dutch : results by the STEVIN programme
파이썬 텍스트 마이닝 완벽 가이드 : 자연어 처리 기초부터 딥러닝 기반 BERT 모델까지
정보 검색의 이론과 실제 : 검색엔진을 구현하고 평가하는 방법
Natural language processing : the PLNLP approach
Automatic speech and speaker recognition : advanced topics
Algorithmic learning theory : 6th international workshop, ALT '95, Fukuoka, Japan, October 18-20, 1995 : proceedings
Semisupervised learning in computational linguistics
한국융합학회논문지
김진성, 김경민, 손준영, 박정배, 임희석Applied Sciences (Switzerland)
Lee J.,Lee J.,Lee M.,Jang G.J.Machine Translation
Boito M.Z.,Villavicencio A.,Besacier L.언어
김민석; 박수지; 신효필Applied Sciences (Switzerland)
Garg K.D.,Shekhar S.,Kumar A.,Goyal V.,Sharma B.,Chengoden R.,Srivastava G.Machine Translation
Grönroos S.A.,Virpioja S.,Kurimo M.IETE Technical Review
Sharma, Vijay Kumar; Mittal, Namita; Vidyarthi, AnkitLREC 2022: THIRTEEN INTERNATIONAL CONFERENCE ON LANGUAGE RESOURCES AND EVALUATION
Bhattarai, Bimal; Granmo, Ole-Christoffer; Jiao, LeiIEEE/ACM Transactions on Audio Speech and Language Processing
Zhang Z.,Zhao H.,Ling K.,Li J.,Li Z.,He S.,Fu G.지능정보연구
김태용; 이명진; 김우영; 손의성; 김우주PROCEEDINGS OF THE 2021 ACM DESIGNING INTERACTIVE SYSTEMS CONFERENCE (DIS 2021)
Cho, Won Ik; Cheon, Sung Jun; Kang, Woo Hyun; Kim, Ji on; Kim, Nam SooInquiry (United Kingdom)
Balashov Y.ACM Transactions on Asian and Low-Resource Language Information Processing
Ji, Y.; Hou, H.; Chen, J.; Wu, N.ACM Transactions on Asian and Low-Resource Language Information Processing
Mrinalini, K.; Nagarajan, T.; Vijayalakshmi, P.Computer Speech and Language
Choi, H.; Cho, K.; Bengio, Y.Multimedia Tools and Applications
Park C.,Kim K.,Yang Y.W.,Kang M.,Lim H.Artificial Intelligence
Pasini T.,Navigli R.ACM Computing Surveys
Ranathunga S.,Lee E.S.A.,Prifti Skenduli M.,Shekhar R.,Alam M.,Kaur R.Speech Communication
Aso M.,Takamichi S.,Takamune N.,Saruwatari H.ACM Transactions on Asian and Low-Resource Language Information Processing
Nandini Sethi; Amita Dev; Poonam Bansal전선 / 대학원
이 과목은 보건의료 영역에서 컴퓨터를 활용한 텍스트 분석을 다룬다. 보건의료 영역에는 여러 종류의 언어 자료가 존재한다. 사람들이 온라인 공간에서 여러 질병에 대해 던지는 질문들, 보건의료 전문가들의 연구들, 질병과 건강에 대한 신문기사들이 그 예다. 이들로부터 정보를 체계적이고 과학적으로 추출할 수 있다면, 보건의료에서 다양한 방식으로 활용할 수 있다. 최근 많이 사용되고 있는 컴퓨터를 활용한 텍스트 분석은 이런 작업에 새로운 가능성을 제시한다. 본 과목에서는 여러 가지 컴퓨터를 활용한 텍스트 분석 방법을 학습하고, 보건의료 영역 자료에 적용하는 것을 실습한다.전필 / 학사
첨단융합학부 학생의 전공탐색을 위한 과목으로, 융합데이터과학의 핵심 개념과 다양한 응용 분야를 소개하여 향후 전공선택에 필요한 필수적인 정보를 제공한다. 특히, 융합데이터과학 분야에서 진행되는 첨단연구와 연구의 실제 응용 사례를 직접 체험하여, 자신의 전공 적성을 좀 더 구체적으로 알아보고 설계할 수 있는 기회를 제공한다.전선 / 대학원
인지과학 연습 1의 내용을 보다 확장하여 인지과학의 연구사, 연구주제등을 다각도로 검토하여 과정에 진입한 학생들에게 인지과학의 기초적 지식배경을 제공하는데 목적이 있다.전필 / 학사
이 과목은 이전 전산언어학의 새로운 명칭 과목으로 전산언어학 및 자연언어처리의 기본 개념 및 이론 그리고 현재 많이 논의되고 있는 코퍼스 처리에 관해서 다루도록 한다.전선 / 대학원
이 과목에서는 자연어처리에 대한 간단한 소개와 함께, 대표적인 인공신경망 기법들이 자연어처리 어떻게 적용되는지 살펴본다. 최근 일상생활에서도 많이 쓰이는 자연어처리는 인공신경망의 성장과 함께 비약적인 발전을 보였다. 인공신경망을 이용한 딥러닝 기법은 이론적인 면뿐만 아니라, 효율적 계산과 최적화 등의 실험적인 요소가 많아 실습이 중요하다. 이 과목을 듣기 위해서는 기계학습에 대한 기본적인 이해와 파이썬, 딥러닝 모형을 사용하는 능력이 요구된다. 이 강좌는 학생들이 자연어처리의 최근 방법론을 학습하고, 실제 구현하는 능력을 배양하며, 마지막으로 최근 방법론이 가진 한계점, 미래 연구주제에 관해 탐구한다.전선 / 학사
이 강좌는 언어학의 응용분야로 인간이 쓰는 언어가 컴퓨터에서 어떻게 처리되는지 다룬다. 인간 언어가 지닌 음성, 형태, 통사, 의미적인 측면이 정보처리 관점에서 음성합성, 음성인식, 형태분석, 구문분석, 의미처리 등과 관련하여 어떻게 구현되는지 살펴보며, 실제로 음성합성기, 음성인식기, 정보검색시스템이나 기계번역기 등 상용화된 시스템 구축방법에 대해서도 살펴본다. 또한 대량의 자료를 수집하고 처리하는 코퍼스도 논의하여, 한국어 정보처리를 위한 기초자료 구축도 병행한다. 이 과목은 이론적인 방법론뿐만 아니라 실제처리에도 많은 초점이 맞추어지기 때문에 컴퓨터 프로그래밍 학습을 통하여 시스템 구축이나 자료를 처리하는 실습도 병행한다.전선 / 학사
인공지능 기술의 발달로 외국어교육 연구에서도 많은 혁신이 요구된다. 본 강의에서는 인공지능 기술을 언어교육에 활용하는 방안을 모색해 본다. 구체적으로, 본 과목은 언어 학습자 및 언어 교육 맥락에 대한 이해를 바탕으로 다양한 언어 교육 목적의 테크놀로지를 활용하여 언어를 교수하고 평가하는 방법을 익히는 것을 목적으로 한다. 이를 위해 언어입력, 출력, 상호작용, 피드백과 같이 언어교육 및 발달과 관련한 주요 개념을 익히고, 다양한 인공지능 도구를 활용하고 적용해 본다.전선 / 대학원
본 교과목은 오늘날 인공지능의 중심을 이루는 거대언어모델(Large Language Models)과 이를 기반으로 한 대화형 인공지능을 다룬다. 특히 거대언어모델의 학습부터 응용까지 이어지는 전체 파이프라인을 아래와 같이 체계적으로 다룬다. (1) Pre-training: 지식 습득을 위한 사전학습(Transformer, BERT, GPTs) (2) Supervised Fine-tuning: 상호작용 학습(Dialogue Fine-tuning, Instruction Tuning, Reasoning) (3) Alignment: 인간 가치와의 정렬(RLHF, DPO, KTO 등) 및 언어모델 해석 기법(AI Psychometrics, Mechanistic Interpretability) (4) Grounding: 외부 데이터 및 도구 활용 기법(페르소나, 문서, 이미지, 지식 그래프, 도구 증강 에이전트) (5) Applications: 다양한 도메인으로의 응용(대화 시뮬레이션 및 심리상담·교육·설득 응용) 수업에서는 각 연구 주제별로 핵심 논문들의 아이디어, 데이터, 방법론 등을 강의한다. 실습으로는 언어모델 학습, 언어모델 API를 이용한 대화 시스템 구현, 대화형 인공지능과 관련된 작은 연구 프로젝트를 수행한다. 이 과목을 통해 수강생들은 거대언어모델 연구 동향을 큰 틀에서 파악하고, 핵심적인 연구 주제들과 방법론을 이해하며, 이를 실제 연구에 적용하는 능력을 기르게 된다.전선 / 대학원
소셜 컴퓨팅과 라지데이터 분석 등이 커뮤니케이션 분야에서도 중요한 이슈로 부상함에 따라 컴퓨터공학을 전공하지 않은 연구자들도 소셜 네트웍 시스템의 기술적, 구조적 특성을 이해할 필요가 있다. 이 수업에서는 Ruby나 Python 등을 사용한 기초 프로그래밍 학습과, 웹 기반 기술(web technology), 데이터베이스 등의 관련 기술에 대한 학습을 통해 실제로 소셜 네트웍을 개발하고 분석하는 방법을 배운다. 또한, 이 과정에서 트위터 등의 소셜 네트웍의 데이터 마이닝 기법을 배우고 소셜 네트웍 분석을 실습을 통해 학습한다.전선 / 대학원
음성언어 인터페이스는 인간과 컴퓨터의 상호작용에 가장 자연스러운 정보 교환 수단을 제공해준다. 음성언어처리는 이를 위한 음성인식, 음성합성 및 음성언어이해에 관련된 이론 및 기술을 가리키는 용어이다. 본 과목에서는 방대하며 학제적인 성격을 가지는 음성언어처리 분야를 이해하는데 필요한 기초이론을 체계적으로 제공하며, 또한 각종 소프트웨어 도구를 사용해서 실질적인 응용에 어떻게 기초이론들이 적용되는지를 보여준다.전선 / 대학원
코퍼스, 즉 전산화된 자연 텍스트 모음은 다양한 응용언어학 분야에서 널리 사용되고 있다. 본 교과목은 언어 코퍼스 분석에 일반적으로 사용되는 방법과 기법을 다루고, 코퍼스가 외국어 학습 및 교육을 위해 활용될 수 있는 여러 방안을 소개하고자 한다.전선 / 대학원
독어화용론을 화행이론, 전제, 함축 등으로 나누어 취급할 것이다. 통사, 의미론과 관련된 담화, 표상이론, 위상적 장이론에서 Thema-Rhema의 관계도 아울러 취급하려고 한다.전선 / 대학원
이 강좌는 실험심리학에서 최근의 중요 연구들을 소개하고 인간 마음의 기본 원리를 탐색 및 논의하는 세미나이다. 우선 강의 초에 인간의 생리, 지각 및 인지 수준에서 일반이론을 소개하고 그 문제점들을 알아본다. 이 이론들에 기초하여, 이 강좌에서는 시각, 주의, 언어, 문제 해결, 인간 추리 등의 세부 주세를 다룬다. 또한 이 강좌에서는 이런 주제들에 관해 실험 실습을 통해 학생들의 구체적인 이해의 증진을 시도한다.전선 / 대학원
한국어학 연구를 위해 컴퓨터를 활용하는 방법과 기계가 이해할 수 있도록 한국어를 처리하는 자연언어처리의 연구 성과를 학습하고 실습한다. 텍스트 처리를 위해 유용한 유닉스 명령어와 통계 패키지 R 등의 도구를 적절히 사용하는 방법을 익히고, 프로그래밍 언어 Python으로 텍스트 처리를 위해 스스로 코드를 짤 수 있도록 하며, 딥러닝을 포함한 기계학습 기법을 자연언어처리에 활용하는 방법도 탐구한다.전선 / 학사
본 과목에서는 자연어 처리 분야의 최근 기술 발전과 이를 이해하기 위한 배경 지식 전반을 강의한다. Transformer model 기반 자연어 처리 기법을 주로 다루며, 이를 이해하기 위해 필요한 배경 지식(Embedding, Encoder-Decoder, Attention 등)을 다룬다. 실제 자연어 처리 문제를 해결하기 위해 Transformer를 수정/활용하는 프로젝트를 진행한다.전선 / 대학원
이 과목에서는 컴퓨터 언어학/자연언어처리의 최신 동향과 이론에 대해 살펴 본다. 구문분석, 의미분석, 온톨로지 등의 이론에서부터 정보검색, 기계번역, 지식기반 시스템 등에 이르기까지 최신 연구를 주제별로 다루도록 한다.전선 / 학사
본 과목은 자연어 이해를 위한 확률 및 딥러닝 학습 방법론을 다룬다. 자연어 이해는 인공 지능에서 크게 주목받고 있는 영역으로 활용 범위가 웹 검색, 번역, 대화 모델 등으로 다양하다. 자연어 이해에서 성공적인 모델은 확률기반, 딥러닝 기반, 대형 언어모델 기반 모델 등이 있다. 본 과목에서는 이러한 다양한 모델을 이해하고, 디자인하고 구현하고 평가하는데 요구되는 최신 기술들을 다룬다. 1. 과목소개 2. Bag-of-word 언어모델 3. N-gram 언어모델 4. Bayesian 모델 5. Logistic 회귀 6. 임베딩 7. CNN 8. RNN 9. Transformer 10. 문맥적 임베딩 11. 지식 구축 및 활요 12. 언어에서의 AI 편향성전선 / 학사
본 교과목의 목표는 학생들로 하여금 컴퓨터를 이용하여 한국어 관련 정보(또는 자료)를 적절히 추출하고 처리할 수 있는 기초적인 능력을 기르게 하는 것이다. 정보 관련 기술과 산업이 발전함에 따라 많은 학문분야의 연구 내용과 방법론도 달라지고 있는바, 이러한 변화에 부응하기 위해서 개설된 교과목이 본 교과목이다. 본 교과목을 통하여 학생들은 말뭉치의 구축, 말뭉치 가공, 가공된 말뭉치로부터의 언어정보 추출, 추출된 언어정보의 통계적 분석, 언어정보의 데이터베이스화, 데이터베이스의 운용 및 유지 등에 관한 기초적인 방법론을 익히게 될 것이며, 한국어문학 나아가서는 인문학을 위한 컴퓨터 활용 능력을 키우게 될 것이다.전선 / 대학원
이 과목은 대규모 언어모델(Large Language Model; 이하 LLM)이 언어 연구 방법론에 가져온 주요 변화를 중심으로 자연어처리의 이론적 기반과 방법론을 학습하고, LLM의 본질적 특성을 이해함으로써 LLM을 활용한 새로운 언어 연구 방법을 탐색하는 것을 목적으로 한다. 이를 위해 프롬프트 학습, 파인튜닝, 다언어 모델, 텍스트 생성 및 멀티모달 모델 등 최신 자연어처리 기술을 살피고, 구문, 의미, 담화, 정서 분석 등 언어학의 주요 연구 영역을 전통적 접근과 LLM 기반 접근으로 비교한다. 또한, LLM의 언어능력, 의미 이해, 화용론적 한계에 관한 학문적 논쟁을 검토하여 언어 연구에서의 가능성과 제약을 비판적으로 고찰한다. 이를 통해 LLM 시대에 적합한 새로운 언어 연구 방법론을 습득하고, 인간의 언어 능력과 기계의 언어 처리의 차이에 대해 성찰할 수 있는 소양을 기를 수 있다.전선 / 대학원
본 코스에서는 선형, 비선형, 정수, 동적, 확률적인 최적화 기법에 대해 강의한다. 각 기법에서 어떻게 바람직한 측면을 최대화 하고 부적적인 측면을 최소화 할 수 있는가를 보여 줄 수 있는 예제들을 제시하게 될 것이다. 특히 산업 뿐 아니라 컴퓨터 프로그램에서 선형, 비선형 문제를 풀기위한 응용문제를 강조하게 될 것이다.