소득공제
PDF
eBook
파이썬 텍스트 마이닝 바이블 2
파이썬 기초부터 트랜스포머, BERT, GPT까지 - 심층 이론과 실습으로 배우는 텍스트 마이닝의 모든 것
스마트한 PDF 필기 기능을 사용해 보세요!
- PDF 안내
-
이 상품은 구매 후 지원 기기에서 예스24 eBook앱 설치 후 바로 이용 가능한 상품입니다.
이 분야의 이벤트
이 상품의 태그
상세 이미지
소개
목차
|
[3부] 딥러닝을 이용한 텍스트 분석 13장: 딥러닝 소개13.1 신경망___13.1.1 신경망 소개___13.1.2 신경망의 작동 원리13.2 활성화 함수___13.2.1 시그모이드 함수___13.2.2 하이퍼볼릭 탄젠트 함수___13.2.3 ReLU 함수___13.2.4 Leaky ReLU 함수___13.2.5 ELU 함수___13.2.6 소프트플러스 함수___13.2.7 GELU 함수13.3 경사하강법___13.3.1 사용되는 관측치의 수에 따른 경사하강법 구분___13.3.2 신경망에서의 경사하강법 작동 원리___13.3.3 오차 역전파___13.3.4 경사 소실 문제___13.3.5 경사 폭발 문제___13.3.6 옵티마이저의 종류___13.3.7 가중치 감쇠와 학습률 감쇠13.4 가중치 초기화___13.4.1 Xavier 초기화 방법___13.4.2 He 초기화 방법13.5 예제: 도시의 평균 집값 예측하기 ___13.5.1 SGD 옵티마이저의 사용 예___13.5.2 RMSprop 옵티마이저 사용의 예___13.5.3 Adam 옵티마이저의 사용 예13.6 신경망에서의 과적합 해결 방법 ___13.6.1 L1/L2 규제화___13.6.2 드롭아웃___13.6.3 조기 종료___13.6.4 배치 정규화___13.6.5 계층 정규화 14장: FNN을 이용한 텍스트 분석과 단어 및 문서 임베딩14.1 FNN을 이용한 텍스트 분석14.2 단어 임베딩___14.2.1 원-핫 벡터와 단어 임베딩___14.2.2 Word2vec___14.2.3 FastText14.3 문서 임베딩 ___14.3.1 Doc2vec 15장: CNN을 이용한 텍스트 분석15.1 CNN___15.1.1 CNN 소개___15.1.2 파이썬 코딩하기15.2 CNN을 이용한 텍스트 분석 ___15.2.1 CNN에서의 문서 표현___15.2.2 파이썬 코딩하기 16장: 순환신경망 기반 알고리즘을 이용한 텍스트 분석16.1 RNN___16.1.1 RNN 소개___16.1.2 RNN을 이용한 감성분석___16.1.3 각 단어의 은닉 상태 벡터를 모두 사용하기___16.1.4 여러 개의 RNN 층 사용하기16.2 LSTM ___16.2.1 LSTM 소개___16.2.2 LSTM을 이용한 감성분석___16.2.3 양방향 LSTM___16.2.4 양방향 LSTM을 사용한 감성분석16.3 seq2seq 17장: 트랜스포머17.1 어텐션 알고리즘 17.2 셀프 어텐션17.3 트랜스포머에서의 어텐션 17.4 트랜스포머 소개 ___17.4.1 트랜스포머의 구조___17.4.2 인코더 부분___17.4.3 디코더 부분___17.4.4 트랜스포머의 인코더 블록을 이용한 감성분석 18장: BERT18.1 BERT의 구조 ___18.1.1 BERT 내부 구조___18.1.2 BERT 학습___18.1.3 BERT 논문에서 사용된 다운스트림 작업___18.1.4 BERT를 이용한 각 단어의 벡터 추출하기18.2 파이썬 코딩하기 ___18.2.1 BERT를 사용한 단어와 문장/문서의 벡터 추출하기___18.2.2 영어 텍스트 감성분석___18.2.3 한글 텍스트 감성분석 19장: BERT 기반 방법들19.1 ALBERT ___19.1.1 ALBERT 소개___19.1.2 파이썬 코딩하기19.2 RoBERTa ___19.2.1 RoBERTa 소개___19.2.2 파이썬 코딩하기19.3 ELECTRA ___19.3.1 ELECTRA 소개___19.3.2 파이썬 코딩하기19.4 지식 증류 기반 방법들 ___19.4.1 지식 증류___19.4.2 DistilBERT___19.4.3 TinyBERT19.5 BERTopic ___19.5.1 문서 임베딩___19.5.2 문서 군집화___19.5.3 각 군집(토픽)을 나타내는 단어 찾기___19.5.4 파이썬 코딩하기 20장: GPT 모형들20.1 GPT-1 ___20.1.1 GPT-1에서의 학습20.2 GPT-2 ___20.2.1 학습 데이터___20.2.2 모형의 구조___20.2.3 모형의 성능___20.2.4 파이썬 코딩하기20.3 GPT-3 ___20.3.1 제로샷, 원샷, 퓨샷___20.3.2 학습 데이터___20.3.3 모형의 구조___20.3.4 모형의 성능___20.3.5 GPT-3 미세조정하기20.4 InstructGPT ___20.4.1 InstructGPT에서의 미세 조정___20.4.2 모형의 성능20.5 ChatGPT 21장: 비전 트랜스포머를 이용한 텍스트 분석21.1 ViT 소개 21.2 ViT를 이용한 이미지 분류 21.3 ViT를 이용한 텍스트 분류 ___21.3.1 방법 1: N×D 문서에서 직접 패치를 추출___21.3.2 방법 2: 문서를 패치로 분할하기 전에 Conv1D 필터 적용하기___21.3.3 방법 3: N×C 결과물에서 C×C 패치 추출하기 22장: 오토인코더를 이용한 텍스트 분석22.1 오토인코더 소개 22.2 오토인코더를 MNIST 데이터에 적용해 보기 22.3 오토인코더를 이용해 문서를 저차원 벡터로 표현하기 ___22.3.1 LSTM 기반 오토인코더 사용해 보기___22.3.2 CNN 기반 오토인코더 사용해 보기부록A: 경사하강법에서의 순전파와 역전파A.1 예제 신경망 모형 A.2 순전파 A.3 역전파
|
저자 소개 1
연세대학교 언론홍보영상학부 부교수다. 연세대학교 컴퓨터과학과에서 학사학위를 받았고, 미시간주립대학교에서 미디어·정보 전공으로 석사와 박사학위를 받았다. 삼성전자, 과학기술정책연구원, 아시아개발은행, 국제전기통신연합(ITU) 등에서의 경력을 갖고 있다. 연세대학교 언론홍보영상학부 교수로 임용된 후 학부장, 언론홍보대학원 부원장, 사회과학대학 부학장을 역임하였고, 현재는 대학원 주임과 커뮤니케이션연구소 소장직을 맡고 있다. 주요 저서로 『파이썬 텍스트 마이닝 바이블1』(2023)과 『파이썬 텍스트 마이닝 바이블2』(2023) 등이 있다. 딥러닝과 통계 분석 방법을 이용한 다수의 논문
연세대학교 언론홍보영상학부 부교수다. 연세대학교 컴퓨터과학과에서 학사학위를 받았고, 미시간주립대학교에서 미디어·정보 전공으로 석사와 박사학위를 받았다. 삼성전자, 과학기술정책연구원, 아시아개발은행, 국제전기통신연합(ITU) 등에서의 경력을 갖고 있다. 연세대학교 언론홍보영상학부 교수로 임용된 후 학부장, 언론홍보대학원 부원장, 사회과학대학 부학장을 역임하였고, 현재는 대학원 주임과 커뮤니케이션연구소 소장직을 맡고 있다. 주요 저서로 『파이썬 텍스트 마이닝 바이블1』(2023)과 『파이썬 텍스트 마이닝 바이블2』(2023) 등이 있다. 딥러닝과 통계 분석 방법을 이용한 다수의 논문을 SSCI와 KCI에 게재했다.
이상엽 의 다른 상품
품목정보
- 발행일
- 2024년 03월 22일
- 지원기기
- 크레마, PC(윈도우 - 4K 모니터 미지원), 아이폰, 아이패드, 안드로이드폰, 안드로이드패드, 전자책단말기(저사양 기기 사용 불가), PC(Mac)
- 파일/용량
- PDF(DRM) | 15.74MB ?
- 글자 수/ 페이지 수
- 약 464쪽 ?
- ISBN13
- 9791158395148
출판사 리뷰
|
이 책에서 다루는 내용- 파이썬 기초, 웹스크레이핑, 정규표현식- 기본 수학: 선형대수, 확률, MLE, EM 알고리즘, 베이지안 추론 등- 텍스트 전처리와 텍스트 네트워크 분석- 기계학습 알고리즘을 활용한 텍스트 분석: K-평균, 위계적 군집 분석, DBSCAN, GMM, 차원- 축소, 로지스틱 회귀 모형, 나이브 베이즈, 결정 트리, 앙상블 알고리즘, SVM, 토픽 모델링- 딥러닝 알고리즘을 활용한 텍스트 분석: FNN, CNN, RNN, LSTM, GRU, seq2seq, Transformer, BERT와 BERT 기반 알고리즘, GPT 모형, 비전 트랜스포머, 오토인코더
|
