본문으로 바로가기

강의

PyTorch로 배우는 텍스트 딥러닝

고급기술 수준

업데이트됨 2026. 1.

PyTorch로 텍스트용 Deep Learning을 배우고, 자연어 처리와 텍스트 생성의 새로운 가능성을 열어 보세요.

무료로 강의 시작

PyTorchArtificial Intelligence

4시간

16 동영상

50 연습 문제

4,050 XP

10,302

성취 증명서

수천 개 기업의 학습자들이 사랑하는

팀을 교육하시나요?

비즈니스용으로 체험해 보세요

강의 설명

텍스트 처리 기법 배우기

텍스트 처리의 기본 원리를 깊이 있게 배우고, 딥러닝 모델을 위해 데이터 텍스트를 전처리하고 인코딩하는 방법을 익히게 됩니다. 토큰화, 어간 추출, 표제어 추출, 그리고 원-핫 인코딩, Bag-of-Words, TF-IDF 같은 인코딩 기법을 살펴보고, 이를 합성곱 신경망(CNN)과 순환 신경망(RNN)에 적용해 텍스트 분류를 수행합니다.

텍스트 생성과 RNN으로 창의력을 발휘하세요

여정은 계속됩니다. 순환 신경망(RNN)이 텍스트 생성을 가능하게 하는 방법을 배우고, 텍스트 생성을 위한 생성적 적대 신경망(GAN)의 흥미로운 세계를 탐구해 보세요. 또한 유창하고 창의적인 텍스트를 생성할 수 있는 사전 학습된 모델도 살펴보게 됩니다.

텍스트 분류를 위한 강력한 모델 구축

마지막으로, 텍스트를 위한 딥러닝의 고급 주제를 살펴보게 됩니다. 여기에는 텍스트 분류를 위한 전이 학습 기법과 사전 학습된 모델의 강력한 성능을 활용하는 방법이 포함됩니다. Transformer 아키텍처와 어텐션 메커니즘에 대해 배우고, 텍스트 처리에서의 적용 방법을 이해하게 됩니다. 이 강의를 마치면 복잡한 텍스트 데이터를 다루고 강력한 딥러닝 모델을 구축하는 데 필요한 실무 경험과 기술을 갖추게 됩니다.

선수 조건

Intermediate Deep Learning with PyTorch

1

Introduction to Deep Learning for Text with PyTorch

This chapter introduces you to deep learning for text and its applications. Learn how to use PyTorch for text processing and get hands-on experience with techniques such as tokenization, stemming, stopword removal, and more. Understand the importance of encoding text data and implement encoding techniques using PyTorch. Finally, consolidate your knowledge by building a text processing pipeline combining these techniques.

Introduction to preprocessing for text

Word frequency analysis

Preprocessing text

Encoding text data

One-hot encoded book titles

Bag-of-words for book titles

Applying TF-IDF to book descriptions

Introduction to building a text processing pipeline

Shakespearean language preprocessing pipeline

Shakespearean language encoder

2

Text Classification with PyTorch

Explore text classification and its role in Natural Language Processing (NLP). Apply your skills to implement word embeddings and develop both Convolutional Neural Networks (CNNs) and Recurrent Neural Networks (RNNs) for text classification using PyTorch, and understand how to evaluate your models using suitable metrics.

Overview of Text Classification

Embedding in PyTorch

Categorizing text classification tasks

Convolutional neural networks for text classification

Build a CNN model for text

Train a CNN model for text

Testing the Sentiment Analysis CNN Model

Recurrent neural networks for text classification

Building an RNN model for text

Building an LSTM model for text

Building a GRU model for text

Evaluation metrics for text classification

Evaluating RNN classification models

Evaluating the model's performance

Comparing models

3

Text Generation with PyTorch

Venture into the exciting world of text generation and its applications in NLP. Understand how to leverage Recurrent Neural Networks (RNNs), Generative Adversarial Networks (GANs), and pre-trained models for text generation tasks using PyTorch. Alongside, you'll learn to evaluate the performance of your models using relevant metrics.

Introduction to text generation

Creating a RNN model for text generation

Text generation using RNN - Training and Generation

Generative adversarial networks for text generation

Building a generator and discriminator

Training a GAN model

Pre-trained models for text generation

Text completion with pre-trained GPT-2 models

Language translation with pretrained PyTorch model

Evaluation metrics for text generation

Evaluating pretrained text generation model

Understanding text generation metrics

4

Advanced Topics in Deep Learning for Text with PyTorch

Understand the concept of transfer learning and its application in text classification. Explore Transformers, their architecture, and how to use them for text classification and generation tasks. You will also delve into attention mechanisms and their role in text processing. Finally, understand the potential impacts of adversarial attacks on text classification models and learn how to protect your models.

Transfer learning for text classification

Transfer learning using BERT

Evaluating the BERT model

Transformers for text processing

Creating a transformer model

Training and testing the Transformer model

Attention mechanisms for text processing

Creating a RNN model with attention

Training and testing the RNN model with attention

Adversarial attacks on text classification models

Adversarial attack classification

Safeguarding AI at PyBooks

PyTorch로 배우는 텍스트 딥러닝

강의
완료

수료증 획득

LinkedIn 프로필, 이력서 또는 CV에 이 인증서를 추가하세요
소셜 미디어와 성과 평가에서 공유하세요지금 등록

19백만 명 이상의 학습자와 함께 PyTorch로 배우는 텍스트 딥러닝을(를) 시작하세요!

DataCamp for Mobile을 통해 데이터 분석 능력을 향상시키세요.

모바일 강좌와 매일 5분 코딩 챌린지를 통해 이동 중에도 학습 효과를 높이세요.