doup2001

이 강의에서는 LangChain 프레임워크를 사용하여 고급 RAG 시스템을 설계, 구축 및 평가하는 방법을 배웁니다. LCEL, Runnables, 고급 검색 기술, 청킹 전략, 크로스 인코더 리랭킹, 에이전트 기반 RAG, 도구 호출, SQL 통합, 그리고 NeMo Guardrails를 활용한 안전 기술을 마스터하게 됩니다. 또한 LangFuse, React, FastAPI, Docker를 사용하여 풀스택 AI 챗봇을 추적, 디버깅 및 배포하는 방법도 배우게 됩니다.

Markus Adam

고급 랭체인 기술: RAG 애플리케이션 마스터하기 - (2026)

LangChain

langchain

In this course, you will learn how to design, build, and evaluate advanced RAG systems using the LangChain framework. You will master LCEL, Runnables, advanced retrieval techniques, chunking strategies, cross-encoder reranking, agent-based RAG, tool calling, SQL integration, and safety techniques using NeMo Guardrails. You will also learn how to trace, debug, and deploy a full-stack AI chatbot with LangFuse, React, FastAPI, and Docker.

입문

초급

중급이상

대규모 언어 모델

랭체인

검색증강생성

AI 에이전트

AI Agent

Advanced LangChain Techniques: Mastering RAG Applications- (2026)

Before we start

LangChain Expression Language(LCEL): A Deep Dive

Indexing API

RAGAS - Framework for Evaluating RAG Performance

Chunking Techniques

Embedding Models

Improving queries for better retrieval

Parent Document Retriever - Two-Stage-Retrieval

Agentic RAG

Retrieval - Postprocessing Documents

Routing

NeMo Guardrials

LangFuse

Tool Calling