- 스터디는 기본적으로 자율적으로 공부하되, 질문이 생기면 Discord 스터디 채팅방에서 자유롭게 질의응답하는 것을 전제로 함
- 2주차부터 매주 금요일(조율 가능)마다 모여서 해당 주에 배운 챕터의 PPT(또는 요약본&설명)를 발표하고, 서로 질문하는 시간을 가짐 (시험기간 제외. 첫 발표 순서는 랜덤이고, 일정 조율 여부에 따라 대면/비대면 결정.)
- 매주 발표마다 발표자 제외 인당 적어도 하나의 질문은 필수
+) 모집할 때 간단한 실습도 해본다고 했는데 시간 여건상 자율적으로 실습하되, 질문이 생기면 서로 질문하는 방향으로 가야 할 것 같아요
- Speech and Language Processing (3/e) - Dan Jurafsky and James H. Martin 중 몇 개의 챕터 (pdf)
| Chapter | Title(Link) | Presenter |
|---|---|---|
| Ch3. | N-gram Language Model | 강민석 |
| Ch4. | Naive Bayes, Text classification, and Sentiment analysis | 최현우 |
| Ch6. | Vector Semantics and Embeddings | 박현아 |
| Ch7. | Neural Networks | 박은지 |
| Ch8. | RNNs and LSTMs | 임선우 |
| Ch9 | Transformers | 박현아 |
| Ch10. | Large Language Models | 임선우 |
| Ch11. | [Masked Language Models] | 강민석 |
| 칼럼 투고 | 믿바닥부터 뜯어보는 GPT | 박은지 |
| 스터디 발표 | NLP 기초 스터디 | 최현우 |
- 1주차(09.22.~09.28.) - ch1. Introduction (소개)
- 2주차(09.29.~10.05.) - ch3. N-Gram Language Models (통계적 언어 모델의 기본 개념)
- 3주차(10.06.~10.12.) - ch4. Naive Bayes, Text Classification, and Sentiment (간단한 텍스트 분류 알고리즘)
- 4주차(10.27.~11.02) - ch6. Vector Semantics and Embeddings (단어를 수치 벡터로 표현, 임베딩 개념)
- 5주차(11.03.~11.09.) - ch7. Neural Networks (딥러닝 기본)
- 6주차(11.10.~11.16.) - ch8. RNNs and LSTMs (순차 데이터 처리를 위한 모델들)
- 7주차(11.17.~11.23.)- ch9. Transformers (최신 NLP의 핵심 모델)
- 8주차(11.24.~11.30.) - ch10. Large Language Models (LLM. GPT4와 같은 대형 언어 모델 이해)
- 9주차(12.01.~12.07.) - ch11. Masked Language Models (마스킹 기법으로 문맥 정보 활용)
- ch13. Machine Translation (기계 번역에 모델을 적용하는 법) (Application)
- ch15. Chatbots and Dialogue systems (챗봇 및 대화 시스템, 유저 인터랙션에 대해) (Application)
- ch12. Model Alignment, Prompting, and In-Context Learning (모델의 활용도 높이기, 프롬프트 엔지니어링)
- ch14. Question Answering, Information Retrieval, and RAG (관련 정보 검색 및 정확도 있는 응답 생성법) (Application)