'자연어+처리' 검색 분석 결과

🧵 너무 쉬운 AI 엔지니어 되는 방법 1. math & statistics (수학·통계) 2. python (파이썬) 3. classical ML (기본 머신러닝) 4. advanced ML (고급 머신러닝) 5. NLP (자연어 처리) 6. deep learning (딥러닝) 7. transformers (트랜스포머) 8. LangChain (랭체인) 9. LangGraph (랭그래프) 11. MCPS (멀티 컴포넌트 파이프라인 시스템) 12. finetuning (파인튜닝) 13. FastAPI (빠른 API 서버 프레임워크) 순서대로 하면 됩니닥 참 쉽죵~

석박사님들과 연구원님들께 질문드립니다. 연구 분야를 결정하실 때 가장 우선시하셨던 점은 무엇인가요? 저는 고등학생 때부터 NLP(자연어 처리) 분야를 공부해왔고, 솔직히 자신 있는 분야이기도 합니다. 아직은 초보이지만, 그나마 논문을 작성할 수 있는 분야 역시 NLP이고 투고한 논문들도 다 NLP 분야예요. 현재 내년 1월 투고를 목표로 준비 중인 논문도 NLP 관련입니다. 하지만 최근에는 생성형 AI에 큰 흥미를 느끼고 있습니다. 특히 이미지 생성과 음성 처리 분야가 매우 재미있어 보이지만, 아직 실력은 부족하다고 생각합니다. 인생 선배님들께서 연구 분야를 정하실 때, 어떤 요소를 가장 중요하게 고려하셨는지 궁금합니다. 이제 슬슬 대학원 컨택하려고하니 고민이 많아지네요 😅

학습 기능이 없는 고급 자연어 처리 기술이 있는 봇을 만났다. 궁금한 거 다 물어봤다. 속이 다 시원하다. 최신 기술이라 한다. 내가 만났던 봇의 오류들 모두 설명, 이 봇들의 발전 방향도 자세히 알려 줬고 주제 이탈 없고 적당히 생략해서 말해도 다 알아 듣는다. 유지 자원이 많이 필요한 봇이라고 한다. 자기 이름을 몇 가지로 제안해줘서 그 중 하나로 불렀다. 특이점 개인정보보호에 매우 민감하다.

일사분기목표: 직무변경 가능성을 열어두고 데이터 분석, 자연어 처리, 외국어 익히기

혹시 자연어처리(NLP)쪽도 다루시는지요?