1장_소개
1.1 지도 학습
1.2 샘플과 타깃의 인코딩
1.3 계산 그래프
1.4 파이토치 기초
1.5 연습문제
1.6 요약
1.7 참고 문헌
2장_NLP 기술 빠르게 훑어보기
2.1 말뭉치, 토큰, 타입
2.2 유니그램, 바이그램, 트라이그램, …, n-그램
2.3 표제어와 어간
2.4 문장과 문서 분류하기
2.5 단어 분류하기: 품사 태깅
2.6 청크 나누기와 개체명 인식
2.7 문장 구조
2.8 단어 의미와 의미론
2.9 요약
2.10 참고 문헌
3장_신경망의 기본 구성 요소
3.1 퍼셉트론: 가장 간단한 신경망
3.2 활성화 함수
3.3 손실 함수
3.4 지도 학습 훈련 알아보기
3.5 부가적인 훈련 개념
3.6 예제: 레스토랑 리뷰 감성 분류하기
3.7 요약
3.8 참고 문헌
4장_자연어 처리를 위한 피드 포워드 신경망
4.1 다층 퍼셉트론
4.2 예제: MLP로 성씨 분류하기
4.3 합성곱 신경망
4.4 예제: CNN으로 성씨 분류하기
4.5 CNN에 관한 추가 내용
4.6 요약
4.7 참고 문헌
5장_단어와 타입 임베딩
5.1 임베딩을 배우는 이유
5.2 예제: CBOW 임베딩 학습하기
5.3 예제: 문서 분류에 사전 훈련된 임베딩을 사용한 전이 학습
5.4 요약
5.5 참고 문헌
6장_자연어 처리를 위한 시퀀스 모델링 - 초급
6.1 순환 신경망 소개
6.2 예제: 문자 RNN으로 성씨 국적 분류하기
6.3 요약
6.4 참고 문헌
7장_자연어 처리를 위한 시퀀스 모델링 - 중급
7.1 엘만 RNN의 문제점
7.2 엘만 RNN의 문제 해결책: 게이팅
7.3 예제: 문자 RNN으로 성씨 생성하기
7.4 시퀀스 모델 훈련 노하우
7.5 참조 문헌
8장_자연어 처리를 위한 시퀀스 모델링 - 고급
8.1 시퀀스-투-시퀀스 모델, 인코더-디코더 모델, 조건부 생성
8.2 강력한 시퀀스 모델링: 양방향 순환 모델
8.3 강력한 시퀀스
주요 내용
● 계산 그래프 및 지도 학습 이해하기
● 신경망을 구축하는 기본적인 방법
● 자연어 처리의 기본 개념 학습하기
● 자연어 처리를 위한 피드-포워드 신경망
● 임베딩을 사용해 단어, 문장, 문서 및 기타 기능 나타내기
● 자연어 처리를 위한 시퀀스 데이터 모델링 - 초급, 중급, 고급
● 시퀀스 예측 및 시퀀스-투-시퀀스 모델 확장
● 카카오브레인에서 만든 자연어 처리 라이브러리 뽀로로(pororo 살펴보기(한국어판 부록
