ChatGPT API와 감성 분석을 활용한 데이팅 서비스 구현
Online Course.
ChatGPT API와 감성 분석을
활용한 데이팅 서비스 구현
-
ChatGPT API를 활용한 데이트 어시스턴트 구현
이성 추천부터 대화의 맥락을 파악하여 멘트까지 추천하는 5개의 데이팅 서비스 기능 구현
-
텍스트 기반 서비스에서 발생하는 모든 문제 상황을 경험해볼 수 있는 강의
ChatGPT API를 활용하여 텍스트 기반 서비스에서 발생하는 대표 5가지 문제 상황 학습
-
감성 분석을
활용한 AI 서비스 구현ChatGPT API에 감성 분석 기능을 추가하여
실제 사람이 말하는 형태의 질문 & 답변 생성
이제는
ChatGPT API로 이런 서비스까지
개발이 가능하다고?
1. 마이리얼트립
마이리얼트립은 ChatGPT로 여행 일정을 만들어주는 AI 플래너를 개발하였습니다.
개별 사용자의 대화 맥락을 기반으로 적절하게 추천이 가능합니다.
2. Legal On Technologies
Legal On Technologies는 ChatGPT로 방대한 계약서 내용에서 수정 후보군을 자동으로 추출하고 어시스트 기능을 활용하여 자동으로 수정 문안을 생성합니다.
3. 원티드
원티드는 ChatGPT로사용자 별로 원하는 답변을 제공하여 입사를 원하는 채용 공고를
입력하면 예상 질문과 적절한 면접 답변까지 제공하는 서비스를 개발하였습니다.
4. 링크드인
이제는 링크드인에서 ChatGPT를 활용해서 사용자가
토픽에서 느끼는 감정에 따라 그에 맞춰 적절한 답변을 생성할 수 있습니다.
최근 ChatGPT API 기반 서비스들은 기계적인 답변을 하는 것에서 벗어나
ChatGPT API와 감성 분석 기술로
사람처럼 이야기할 수 있는 모델을 개발하는 것에 집중하고 있습니다.
사람처럼 이야기할 수 있는 모델을 개발하기 위한 서비스들은
LLM, 감성 분석, Prompt Engineering, Fine Tuning
으로 이루어져 있습니다.
패스트캠퍼스는 이러한 트렌드를 반영하여
ChatGPT API 응용 기술과 감성 분석을 활용하여
직접 결과물을 만들어볼 수 있는 데이팅 서비스 구현 강의를 준비하였습니다.
ChatGPT API와 감성 분석을 활용한
데이팅 서비스 구현
ChatGPT API로 데이트 어시스턴트 기능을 만들어보면서
대화의 맥락을 깊게 파악하여 사람에 가까운 답변을 만들어볼 수 있는 기술을
3가지 포인트로 학습합니다.
진짜 사람처럼 이야기할 수 있는 AI 모델을 개발해볼 수 있는 강의
3가지 핵심 포인트로 완벽하게 끝내는 ChatGPT API 기반 데이트 어시스턴트 서비스 구현
Point 01
원하는 챗봇 서비스 구현을 위해
필수로 이해해야 하는 챗봇 구조의 이해
세대별/형태별 챗봇 구조를 이해해야 내가 원하는 형태의 챗봇 서비스를 만들 수 있습니다.
-
Project 01
원하는 키워드를 추출하여
이상형 검색하기
학습 목표
원하는 키워드를 기반으로 이상형을 검색하여 찾아볼 수 있는 기능을 구현합니다.
학습 내용
• LangChain의 output parser, Kor를 이용하여 구조화 된 출력을 만드는 방법을 학습합니다.
• 상대방의 프로필 설명 Text 기반으로 키워드를 추출하는 방법을 학습합니다.
[ 실습 시 활용하는 기술 ]
• LangChain의 output parser, Kor를 이용하여 구조화 된 출력을 만드는 방법을 학습합니다.
• Streamlit
• LangChain
  - output parser
  - Kor
-
Project 02
호감도를 높일 수 있는
첫인상 만들기
학습 목표
자연어 생성 기술로 상대방에게 호감을 살 수 있는 프로필 생성 기능을 구현합니다.
학습 내용
• OpenAI Streaming 출력을 생성하는 방법을 학습합니다.
• 정형, 비정형 데이터의 정보를 어떻게 ChatGPT API에 전달하는지 학습합니다.
[ 실습 시 활용하는 기술 ]
• Streamlit
• LangChain
• Prompt Engineering
  - CoT(Chain of Thought)
• Fine Tuning
-
Project 03
상대에게 잊을 수 없는
인상 남기기
학습 목표
감정 분류를 활용하여 텍스트 호감도를 기반으로 대화 상황에 맞는 적절한 멘트를 추천하는 기능을 구현합니다.
학습 내용
• 감성 분석을 통해 대화의 호감도를 분석하는 방법을 학습합니다.
• OpenAI Streaming 출력을 생성하는 방법을 학습합니다.
• 정형, 비정형 데이터의 정보를 어떻게 ChatGPT API에 전달하는지 학습합니다.
[ 실습 시 활용하는 기술 ]
• Streamlit
• LangChain
• Prompt Engineering
  - CoT(Chain of Thought) -
Project 04
실시간으로 도움을 줄 수 있는
데이팅 어시스턴트 만들기
학습 목표
데이트를 하는 도중 중간중간 발생하는 돌발상황 및 범한 실수를 어떻게 해결하면 좋을지 질문을 던졌을 때 깊게 고민하여 도움을 줄 수 있는 기능을 구현합니다.
학습 내용
• 맥락을 파악하여 문제를 해결할 수 있는 방법을 제공해주는 데이트 어시스턴트를 만들어봅니다.
• 유사한 대화를 Retrieval 할 수 있는 방법을 학습합니다.
[ 실습 시 활용하는 기술 ]
• Streamlit
• LangChain
  - Chains, Memory, Retrieval
• Prompt Engineering
  - RAG, Self-Ask with search
내 스타일의 인상 남기기
학습 목표
나의 개인정보(좋아요 기록, 많이 검색한 키워드)를 기반으로 맞춤형 이성을 추천하는 기능을 구현합니다.
학습 내용
• 키워드 추출과 Embedding, Retrieval 기법을 활용한 추천 시스템 구현 방법을 학습합니다.
[ 실습 시 활용하는 기술 ]
• Streamlit
• LangChain
  - output parser, Chains, Retrieval
• Prompt Engineering
Point 02
ChatGPT API의 3가지 응용 기술 적용에
따른 데이팅 서비스 구현
ChatGPT API의 주요 응용 기술인 LangChain, Prompt Engineering, Fine Tuning을
활용하여 데이팅 서비스 기능을 점점 고도화 해 나가는 방법을 학습합니다.
STEP 1 | LangChain의 3가지 특징을 활용한 데이트 어시스턴트 구현하기
특징 1 : 출력 정규화 하기
ChatGPT의 답변을 프로그램 내에서 활용하기 위해서는 응답을 구조화해야 합니다.
output parser와 kor을 이용하여 프로그램이 이해할 수 있는 구조화 된 출력을 만드는 방법을 학습합니다.
특징 2 : 장기 기억 활용하기
대화의 맥락을 파악하거나 외부의 다른 정보를 활용하여 판단을 내려야 할 때
Memory와 Retrieval을 활용하여 맥락과 외부 정보를 활용하는 기능을 만들어볼 수 있습니다.
Memory와 Retrieval로 맥락을 고려한 최적의 조언을 생성하는 방법을 학습합니다.
특징 3 : 복잡한 문제 해결하기
일련의 과정들을 연결하여 하나의 기능을 만들어야 하는 경우도 있습니다. 이 때, LangChain의 Chains를 활용하여
이러한 일련의 과정을 엮어 하나의 기능으로 만드는 방법을 학습합니다.
STEP 2 | Prompt Engineering의 2가지 특징을 활용한 데이팅 서비스 구현하기
특징 1 : 깊게 생각하는 모델
ChatGPT에게 단답을 통해 문제를 해결하게 만드는 방법보단, 더 깊은 추론(생각의 연쇄) 과정을 통해
모델이 정확한 판단을 내리게 하는 방법을 학습합니다.
판단의 근거를 생각하고 감정을 최종적으로 예측합니다.
특징 2 : 툴을 사용하는 모델
사용자의 요구에 더 잘 대응하기 위하여 외부 데이터와 동적 검색을 활용하는 방법을 학습합니다.
생각 -> 행동 -> 관찰 3단계의 과정을 계속 거치면서 서비스 이용자의 상황과 질문에
더 정확하고 풍부한 정보를 제공하는 방법을 학습합니다.
STEP 3 |  Fine Tuning을 활용하여 데이팅 서비스 구현하기
특징 : 구현한 데이팅 서비스에 데이터를 추가해서 모델 튜닝
데이팅 서비스에서 추가 대화 문장 데이터를 학습시켜 대화의 맥락을 더 잘 파악하게 하는 방법을 학습합니다.
그럼으로써 상대방과 나의 대화 호감도 분석을 더 잘 이끌어낼 수 있는 방법을 학습합니다.
AI 서비스 도입에 있어 기초 지식이 약한 백엔드 엔지니어들을 위해
Machine Learning & NLP를 학습할 수 있는 추가 강의를 제공합니다!
Point 03
개발자 입장에서 AI 서비스 개발에 도움이 되는
Machine Learning & NLP의 기초 이해
데이팅 서비스를 구현하면서 반드시 알아야 할 감성 분석을 이해하고
머신러닝 서비스의 흐름을 이해할 수 있는 4가지의 기초 프로젝트를 직접 구현합니다.
ChatGPT API로 ML 기능을 실습하기 위한 데이터 생성
• LangChain을 이용하여 기본적인 OpenAI API 호출 방법 학습
• Streamlit을 이용한 채팅 UI 구현 방법 학습
• 가상의 대화 데이터 생성을 통한 학습 환경 마련
[ 실습 시 활용하는 기술 ]
• Streamlit
• LangChain(Model I/O, Memory, Chains, Agent)
가상의 대화 데이터 분석
• Pandas와 Streamlit을 통한 데이터 표현 방법 학습
• CoT, Self-Consistency, ToT를 활용하여 추론을 통한 대화 분석 방법 학습
• LangChain의 Chains로 여러 기능을 한 번에 수행하는 방법 학습
[ 실습 시 활용하는 기술 ]
• Streamlit
• LangChain(output parser, Chains)
• Prompt Engineering(CoT, Self-Consistency, ToT)
Fine Tuning 실습
• Pandas와 Streamlit을 통한 데이터 표현 방법 학습
• CoT, Self-Consistency, ToT를 활용하여 추론을 통한 대화 분석 방법 학습
• LangChain의 Chains로 여러 기능을 한 번에 수행하는 방법 학습
[ 실습 시 활용하는 기술 ]
• Streamlit
• LangChain(output parser, Chains)
• Prompt Engineering(CoT, Self-Consistency, ToT)
감성 분석 실습
• 감성 분석 방법 학습
• 분석한 데이터를 Matplotlib과 Streamlit을
   활용하여 그래프로 시각화하는 방법 학습
• ChatGPT API 단일 호출, Prompt Engineering, Fine-Tuning 별 차이점 학습
[ 실습 시 활용하는 기술 ]
• Streamlit
• Matplotlib
• Prompt Engineering(CoT)
• Fine Tuning
궁금한 내용은 언제든 질의응답 게시판에 질문하세요!
현직 LLM(Large Language Model) 엔지니어가 직접 답변 드립니다!
* 교육 내용 범주 안에서만 질의응답 가능합니다.
* 2024년 01월 05일부터 2027년 01월 05일까지 운영됩니다.
수강하시면 좋을까요?
선수지식이 있을까요?
• 파이썬 가상 환경의 이해(virtualenv, miniconda, poetry)
• Visual Studio Code
강사님 소개
Liam 강사님
[ 이력 ]
현) 국내 IT 대기업 엔지니어
>
프로젝트 및 연구 경력
ㆍ Open Domain Question Answering을 위한 IR, MRC 모델 개발
ㆍ PLM(Pretrained Language Model) 개발
ㆍ Task-Oriented Dialogue System 개발
>
커리큘럼
아래의 모든 강의를 초격차 패키지 하나로 모두 들을 수 있습니다.
지금 한 번만 결제하고 모든 강의를 평생 소장하세요!
Part 1. Introdudction
Part 2. ML 프로젝트를 수행하기 위해 기본적으로 알아야 하는 라이브러리
Part 3. OpenAI API
Part 4. LangChain
Part 5. Prompt Engineering
Part 6. Fine Tuning
Part 7. NLP와 감성 분석 이해하기
Part 8. 데이팅 앱 어시스턴트 구현