lnb영역
기술교육
- 전체
- 기계
- 전기·전자
- 반도체
- 재료
- 공조냉동
- 건설/토목
- 플랜트/발전설비
- 환경·에너지·안전
- 소방
- 생산/품질
- 물류/유통
- 4차산업혁명
- 정보통신기술(ICT)
- ChatGPT
- 식품/가공
- 스마트공장
- 자동차
- 드론
- 제약
- 플립러닝
고객센터
02-6959-5779
ribbon@kitanet.or.kr상담가능시간 : 평일 09:00~18:00
토/일요일 및 공휴일 휴무
![](/html/images/common/sub_c1.jpg)
컨텐츠 내용
- 수강신청
- 과정정보
챗GPT API 활용과 나만의 챗GPT 만들기
![과정 이미지](https://cdn.malgnlms.com/cdndata/kitanet/file/1a7d4834898386baa8964af4a0545d2d.png)
과정소개
OpenAI의 API를 활용하여 자체 데이터 기반 ChatGPT 개발과정을 실습한다.
자연어 처리(NLP)의 기본개념 이해하고, ChatGPT의 기반모델인 Transformer와 Attention의 기본원리에 대해 이해한다.
오픈소스 언어모델 Alpaca, LLaMA와 LangChain 프레임워크를 사용하여, 자체 LLM 모델 구축 과정을 실습한다.
업무 자동화와 효율성을 위한 AI 에이전트 AutoGPT 활용 과정을 실습한다.
▶교육대상
1. 자연어처리 및 ChatGPT와 같은 언어 학습 인공지능 최신 트랜드에 관심있는 분
2. Transformer 모델의 구조와 원리, Attention 메커니즘에 알고 싶으신 분
3. OpenAI의 API를 활용하여 자체 데이터 기반 ChatGPT 서비스를 만들고 싶은 분
4. 오픈소스 언어모델을 활용하여 자체 ChatGPT를 개발하고 싶은 대학생, 직장인, 일반인
5. AutoGPT를 통해 자신의 업무를 자동화하고 싶은 분
▶학습목차
1. 자연어 처리 기초( NLP : Natural Language Processing )
2. NLP 개념
3. 기존 NLP 방법 ( BoW, TF-IDF, n-Gram )
4. 대형 언어 모델 ( LLM : Large Language Model )
5. 챗GPT 개요
6. 프롬프트 엔지니어링(Promt Engineering)
7. 토큰화 방법 (Tokenizer)
8. 임베딩 (Embedding)
9. 벡터 데이터베이스(Vector Dabase)
10. OpenAI API 살펴 보기
11. LangChain 기초 - Tools
12. LangChain 기초 - Memory, 챗GPT 연동실습
13. 사내 정보 안내 서비스 구축 - (가상) 병원 안내 시스템
14. 사내 정보 안내 서비스 구축 - (가상) 회사 규정 안내 시스템
15. 자동화를 위한 LangChain 에이전트 개요
16. 업무 자동화 Agent ( DB 조회, eMail 보내기 )
17. 분석 자동화 Agent ( pandas DataFrame 데이터 분석 )
18. LLM 모델 선택
19. Hallucination 다루기
20. LLM기반 자동화
▶수료기준
항목 |
진도율 |
진행단계평가 |
최종평가 |
과제 |
수료점수 |
평가비율 |
100% |
0% |
0% |
0% |
60점이상 |
수료조건 |
80% |
없음 |
없음 |
없음 |
※ 수료기준은 각 평가항목의 점수가 수료기준 점수 이상이고 총점이 60점 이상이어야 합니다.
학습목표
2. Transformer의 구조와 원리, Attention 메커니즘에 대해 이해하여, 최신 언어학습 인공지능에 대한 기초지식을 습득
3. ChatGPT의 활용 실습과, OpenAI API를 활용 실습을 통해 ChatGPT 활용 및 업무 적용 능력 향상
4. 오픈소스 언어모델 및 LangChain 프레임워크 활용 실습을 통해, 자체 데이터 기반 LLM 모델 구축 방법 습득
5. AutoGPT 활용 실습을 통해 업무 자동화 및 효율성 도모
차시 | 강의명 |
---|---|
1차시 | 1. 자연어 처리 기초( NLP Natural Language Processing ) |
2차시 | 2. NLP 개념 |
3차시 | 3. 기존 NLP 방법 ( BoW, TF-IDF, n-Gram ) |
4차시 | 4. 대형 언어 모델 ( LLM Large Language Model ) |
5차시 | 5. 챗GPT 개요 |
6차시 | 6. 프롬프트 엔지니어링(Promt Engineering) |
7차시 | 7. 토큰화 방법 (Tokenizer) |
8차시 | 8. 임베딩 (Embedding) |
9차시 | 9. 벡터 데이터베이스(Vector Dabase) |
10차시 | 10. OpenAI API 살펴 보기 |
11차시 | 11. LangChain 기초 - Tools |
12차시 | 12. LangChain 기초 - Memory, 챗GPT 연동실습 |
13차시 | 13. 사내 정보 안내 서비스 구축 - (가상) 병원 안내 시스템 |
14차시 | 14. 사내 정보 안내 서비스 구축 - (가상) 회사 규정 안내 시스템 |
15차시 | 15. 자동화를 위한 LangChain 에이전트 개요 |
16차시 | 16. 업무 자동화 Agent ( DB 조회, eMail 보내기 ) |
17차시 | 17. 분석 자동화 Agent ( pandas DataFrame 데이터 분석 ) |
18차시 | 18. LLM 모델 선택 |
19차시 | 19. Hallucination 다루기 |
20차시 | 20. LLM기반 자동화 |