AI 정보보호 서비스 챗봇
- 서울사이버대학교
- 김복주
페이스북
트위터
카카오톡
네이버밴드
링크복사
-
- 주제분류
- 공학 >컴퓨터ㆍ통신 >정보통신공학
-
- 강의학기
- 2021년 1학기
-
- 조회수
- 21,601
-
- 평점
- 4.3/5.0 (3)
- 강의계획서
- 강의계획서
정보보호 산업에서 AI 챗봇을 즉시 적용할 수 있도록 교과과정을 구성하였으며, 실무 적용 시 해결하기 어려운 문제와 이를 해결하기 위한 다양한 Tip을 제공한다.
- 수강안내 및 수강신청
- ※ 수강확인증 발급을 위해서는 수강신청이 필요합니다
챗봇과 AI 정보보호의 필요성
차시별 강의
| 1. | |
챗봇과 AI 정보보호의 필요성 | 챗봇과 AI 정보보호의 전반적인 개요와 필요성에 대해 이해할 수 있다. |  |
|
인공지능 개요 및 역사 | 인공지능 개요 및 역사에 대해 설명할 수 있다. | |
|
|
인공지능의 범위 | 인공지능, 머신러닝 및 딥러닝의 범위에 대해 이해할 수 있다. | |
|
|
챗봇의 개요 및 역사 | 챗봇의 개요 및 역사에 대해 설명할 수 있다. | |
|
|
챗봇의 활용분야 및 서비스 사례 | 챗봇의 활용 분야 및 서비스 사례에 대해 설명할 수 있다. | |
|
|
형성평가 | 형성평가 |  |
|
| 2. | |
인공지능과 챗봇의 미래 | 인공지능과 챗봇의 미래에 대해 이해할 수 있다. | |
|
챗봇 시스템의 구성 | 챗봇 시스템의 구성과 챗봇 클라이언트 구축 방법에 대해 설명할 수 있다. | |
|
|
챗봇 엔진의 구성 : 전처리/NLP | 챗봇 엔진의 구성 중 전처리와 자연어 처리(NLP)에 대해 설명할 수 있다. | |
|
|
챗봇 엔진의 구성 : NLU/NLG | 챗봇 엔진의 구성 중 자연어 이해(NLU)와 자연어 생성(NLG)에 대해 설명할 수 있다. | |
|
|
형성평가 | 형성평가 | |
|
| 3. | |
문자열 인식 | 컴퓨터의 문자열 인식에 대해 이해할 수 있다. | |
|
자연어 형태소 분석 | 형태소 분석기를 이용하여 영문/한글 형태소 분석을 수행할 수 있다. | |
|
|
Word2Vec | 분산표현 워드 임베딩 방법인 Word2Vec를 살펴보고 CBOW와 skip-gram에 대해 설명할 수 있다. | |
|
|
Word2Vec의 활용 | gensim 패키지를 이용하여 Word2Vec을 적용할 수 있다. | |
|
|
형성평가 | 형성평가 | |
|
| 4. | |
챗봇과의 대화 | 챗봇이 대화를 이어가는 방식에 대해 이해할 수 있다. | |
|
챗봇의 핵심 용어 | 챗봇의 핵심 용어를 설명할 수 있다. | |
|
|
형태소 분석기를 이용한 NER | 형태소 분석기를 이용하여 개체명 인식을 구현할 수 있다. | |
|
|
OpenAPI를 이용한 NER | OpenAPI를 이용하여 개체명 인식을 구현할 수 있다. | |
|
|
OpenAPI를 이용한 NER(실습) | 실습을 통하여 OpenAPI를 이용한 NER을 이해할 수 있다. | |
|
|
형성평가 | 형성평가 | |
|
| 5. | |
챗봇 엔진과 Dialogflow | Dialogflow를 이용하여 챗봇엔진 동작원리를 이해할 수 있다. | |
|
Dialogflow 개요 | Dialogflow를 통해 챗봇 핵심 개념과 챗봇 엔진을 설명할 수 있다 | |
|
|
Dialogflow 서비스 구축 | Dialogflow를 챗봇 엔진으로 활용하기 위한 서비스 설정을 적용할 수 있다. | |
|
|
Dialogflow 서비스 구축(실습) | 실습을 통하여 Dialogflow API 호출을 이해할 수 있다. | |
|
|
Dialogflow 정보보호 서비스 챗봇 | Dialogflow를 활용하여 정보보호 서비스 챗봇을 구현할 수 있다. | |
|
|
Dialogflow 정보보호 서비스 챗봇(실습) | 실습을 통하여 Dialogflow 정보보호 서비스 챗봇을 이해할 수 있다. | |
|
|
형성평가 | 형성평가 | |
|
| 6. | |
그래프(Grapth) DB란? | Graph DB의 개념에 대해 이해할 수 있다. | |
|
Graph DB 개요 | 정보보안 지식베이스 구축을 위한 Graph DB 개요를 설명할 수 있다. | |
|
|
Grapth DB 활용 | Graph DB를 활용하여 Database를 생성할 수 있다. | |
|
|
Graph DB 저장 및 조회 | Graph DB를 활용하여 그래프 데이터를 저장 및 조회할 수 있다. | |
|
|
Graph DB 저장 및 조회(실습) | 실습을 통하여 Cypher Query MATCH 구문을 이해할 수 있다. | |
|
|
형성평가 | 형성평가 | |
|
| 7. | |
Graph DB와 지식베이스 | Graph DB를 이용한 지식베이스 구축에 대해 이해할 수 있다. | |
|
Graph DB 파이썬 연동 | Graph DB와 파이썬 연동을 적용할 수 있다. | |
|
|
Graph DB 파이썬 연동(실습) | 실습을 통하여 Graph DB 파이썬 연동에 대해 이해할 수 있다. | |
|
|
정보보호 지식베이스 구축 | Graph DB를 이용하여 정보보호 지식베이스 구축할 수 있다. | |
|
|
정보보호 지식베이스 구축(실습) | 실습을 통하여 정보보호 지식베이스 저장에 대해 이해할 수 있다. | |
|
|
정보보호 지식베이스 활용 | 구축된 정보보호 지식베이스를 활용할 수 있다. | |
|
|
정보보호 지식베이스 활용(실습) | 실습을 통하여 정보보호 지식베이스를 활용할 수 있다. | |
|
|
형성평가 | 형성평가 | |
|
| 8. | |
중간고사 | 중간고사 | |
| 9. | |
딥러닝과 NER | 딥러닝 학습을 이용한 NER의 장점에 대해 이해할 수 있다. | |
|
개체명 인식을 위한 RNN | 개체명 인식을 위한 RNN에 대해 설명할 수 있다. | |
|
|
개체명 인식을 위한 LSTM | LSTM, Bi-directional LSTM 및 CRF에 대해 설명할 수 있다. | |
|
|
개체명 인식을 위한 LSTM(실습) | 실습을 통하여 NER을 위한 LSTM 및 Bi-directional LSTM을 이해할 수 있다. | |
|
|
Bi-directional LSTM과 CRF를 이용한 개체명 인식 | Bi-directional LSTM과 CRF를 이용하여 개체명 인식을 적용할 수 있다. | |
|
|