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.

1. 자연어처리, 토큰화, Embedding의 개념에 대해 이해하여 언어 학습 모델에 대한 기초지식을 습득
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