총 92개
-
트랜스포머 알고리즘의 개요와 적용 사례2025.01.171. 트랜스포머 알고리즘 트랜스포머 알고리즘은 2017년 구글의 연구팀이 발표한 딥러닝 모델로, 자연어 처리(NLP) 분야에서 혁신적인 변화를 가져왔습니다. 이 알고리즘은 인코더-디코더 구조와 어텐션 메커니즘을 기반으로 하며, 병렬 처리와 확장성을 통해 대규모 데이터를 효율적으로 처리할 수 있습니다. 2. 트랜스포머 알고리즘의 구조 트랜스포머 알고리즘은 인코더와 디코더로 구성됩니다. 인코더는 입력 데이터를 고차원 벡터로 변환하고, 디코더는 이 벡터를 다시 출력 데이터로 변환합니다. 핵심은 어텐션 메커니즘으로, 입력 데이터의 각 요소...2025.01.17
-
[R & E 활동 대회] 다중 연결 리스트(Multi-Linked List)를 이용한 자연어 처리 방법론 연구2025.05.121. 다중 연결 리스트(Multi-Linked List) 다중 연결 리스트(Multi-Linked List)는 단일 연결 리스트와 비슷한 구조이나 동적 할당(Dynamic allocation)과 노드 구조체를 이용하여 각 노드 간 연결이 다중으로 이루어지도록 한 자료 구조입니다. 여러 종류의 단어가 한 특성을 공유하여 다음 문장으로 연결되어야 하는 처리 구조를 이루어야 하므로 본 연구에서 이용한 자료 구조입니다. 2. 자연어 처리 본 연구에서는 신문 기사를 활용한 빅 데이터를 C언어로 구조화하여 단어 간의 상관관계를 파악하여 새로운...2025.05.12
-
읽기 자료의 실제성과 텍스트 수정에 대해 논하고 이러한 이론에 적합한 중급 4급 수준의 읽기 텍스트를 직접 제작2025.04.301. 중급 학습자를 위한 읽기 텍스트 선정 및 수정 외국어로서의 한국어 이해 교육에서 읽기 자료의 실제성과 텍스트 수정에 대해 논의하고, 중급 4급 수준의 학습자를 위해 전래동화 '콩쥐팥쥐'를 선정하여 단순화와 요약을 통해 읽기 자료를 수정하였다. 전래동화는 구전을 통해 전해진 이야기로 주제와 완성된 줄거리가 있어 한국어 학습자에게 문화적 지식을 기반으로 한 언어 교육에 적합하다. 또한 중급 학습자의 어휘와 문법 수준에 맞추어 수정하여 실제 수업에서 활용할 수 있도록 하였다. 2. 중급 학습자를 위한 읽기 수업 방안 중급(4급) 학...2025.04.30
-
LLM(Large Language Model)과 LMM(Large Multimodal Model)의 비교 및 딥러닝과의 관계2025.01.261. LLM(Large Language Model) LLM은 대규모 텍스트 데이터를 학습하여 사람처럼 언어를 이해하고 생성할 수 있는 능력을 갖춘 모델입니다. 이는 자연어 처리(NLP) 기술의 발전을 기반으로 하며, 딥러닝 기술을 활용해 언어의 문법적 구조와 단어 간 의미적 관계를 학습합니다. LLM은 챗봇, 자동 번역, 텍스트 요약 등 다양한 분야에서 활용되고 있습니다. 2. LMM(Large Multimodal Model) LMM은 텍스트뿐만 아니라 이미지, 소리, 동영상 등 다양한 데이터를 통합적으로 처리할 수 있는 인공지능 ...2025.01.26
-
외국어로서의 한국어 이해교육론, 학습자 수준(초급, 중급, 고급 중 택1)과 주제를 정하고 다른 기능(읽기, 쓰기, 말하기)과 통합 가능한 듣기 연습 활동(듣기 텍스트 포함)을 3가지 만들고 해설을 붙이시오2025.01.211. 중급 학습자를 위한 듣기 연습 활동 중급 학습자는 기본적인 의사소통 능력을 갖추고 있으며, 일상적인 대화와 간단한 텍스트를 이해할 수 있습니다. 이들은 더 복잡한 문장 구조와 다양한 표현을 배우며, 한국 문화에 대한 이해도 깊어지고 있습니다. 따라서 중급 학습자에게는 실생활에서 접할 수 있는 다양한 상황을 반영한 듣기 연습 활동이 효과적입니다. 본 보고서에서는 중급 학습자를 대상으로 하여 읽기, 쓰기, 말하기와 통합 가능한 듣기 연습 활동 세 가지를 제안하고, 각 활동에 대한 해설을 작성했습니다. 2. 뉴스 듣기 및 요약하기 ...2025.01.21
-
LLM(대규모 언어 모형)과 LMM(대규모 멀티모달 모형)의 비교 및 딥러닝과의 관계2025.01.261. LLM(대규모 언어 모형) LLM은 주로 텍스트 데이터를 기반으로 학습된 모델로, 자연어 이해(NLU)와 자연어 생성(NLG)에 강점을 지닌다. 대표적인 예로는 OpenAI의 GPT 시리즈가 있으며, 이들은 방대한 양의 텍스트 데이터를 학습하여 인간과 유사한 수준의 텍스트 생성 능력을 보유하고 있다. LLM은 주로 챗봇, 자동 번역, 텍스트 요약, 감정 분석 등 다양한 언어 처리 작업에 활용된다. 2. LMM(대규모 멀티모달 모형) LMM은 텍스트뿐만 아니라 이미지, 음성, 비디오 등 다양한 형태의 데이터를 동시에 처리할 수 ...2025.01.26
-
마코프 체인(Markov Chain)을 통해 알아보는 GPT의 작동 원리 (파이썬코딩 예제포함)2025.05.091. 마코프 체인 마코프 체인은 상태 공간을 가지고 그 상태들 간의 전이 확률을 나타내는 모델입니다. 이 모델을 사용하여 다양한 예제를 해결할 수 있습니다. 날씨 예측, 텍스트 생성, 주식 시장 예측, 게임 시뮬레이션 등 다양한 분야에서 활용될 수 있습니다. 2. 문장 생성 마코프 체인을 이용한 문장 생성은 자연어 처리와 인공지능 분야에서 흥미로운 주제 중 하나입니다. 이 예제는 텍스트 데이터를 활용하여 이전 단어와 현재 단어의 관계를 파악하고, 그 관계를 기반으로 새로운 문장을 생성하는 방법을 알아봅니다. 3. GPT(Genera...2025.05.09
-
LLM(대규모 언어 모형)과 LMM(대규모 멀티모달 모형)의 비교 및 딥러닝과의 관계2025.01.291. LLM(Large Language Model) LLM은 대규모 텍스트 데이터를 학습하여 자연어를 이해하고 생성하는 데 중점을 둔 모델입니다. 방대한 데이터 학습, 자연어 생성 능력, 단일 모달리티 처리가 주요 특징이며, 챗봇, 문서 요약 및 생성, 번역 시스템, 코딩 보조 도구 등에 활용됩니다. 2. LMM(Large Multimodal Model) LMM은 텍스트, 이미지, 오디오, 비디오와 같은 다양한 형태의 데이터를 동시에 처리할 수 있는 모델입니다. 다양한 데이터 소스, 상호작용 능력, 복합적 태스크 수행이 주요 특징이...2025.01.29
-
영어 시편 123편 쓰기 학습지2025.05.071. 시편 123편 시편 123편은 하나님께 대한 신뢰와 자비를 간구하는 내용입니다. 눈을 들어 하늘에 계신 하나님을 바라보며, 주인을 바라보는 종과 같이 하나님의 자비를 기다리고 있습니다. 이 시편은 하나님께 대한 믿음과 겸손한 태도를 보여줍니다. 2. 주요 단어 이 학습지에서는 시편 123편의 주요 단어들을 5번씩 쓰는 활동을 제공합니다. 단어에는 'lift up', 'throne', 'master', 'maid', 'contempt', 'arrogant', 'mercy', 'mistress' 등이 포함됩니다. 이를 통해 학생들...2025.05.07
-
인공지능수학 교수 학습 운영 계획(평가계획서)2025.01.171. 인공지능과 수학 인공지능의 발전 과정에서 수학이 어떻게 활용되었는지를 이해하고, 인공지능에 수학이 활용되는 다양한 예를 찾을 수 있다. 인공지능, 기계학습, 딥러닝의 차이를 이해하고 설명할 수 있다. 2. 텍스트 자료의 표현과 처리 수와 수학 기호를 이용하여 실생활의 텍스트 자료를 목적에 알맞게 표현할 수 있다. 수와 수학 기호로 표현된 텍스트 자료를 처리하는 수학 원리를 이해하고 자료를 시각화할 수 있다. 3. 이미지 자료의 표현과 처리 수와 수학 기호를 이용하여 실생활의 이미지 자료를 목적에 알맞게 표현할 수 있다. 수와 ...2025.01.17
1 / 10
