로컬 LLM(Local LLM) 활용 가이드 Part 1 - small LLM(sLLM) 활용하기 & LLM의 성능 평가(Evaluation) 및 개선하기
AISchool
다양한 로컬 LLM(Qwen, Gemma)을 활용하는 방법을 학습하고, LLM 시스템의 성능을 효율적으로 평가(Evaluation)하고 개선하는 다양한 기법들을 살펴봅니다.
Intermediate
인공지능(AI), LLM, LangChain
최신 AI 기술의 총집합체인 AI 에이전트! 다양한 AI 에이전트들을 구현해보면서 LangGraph를 이용한 나만의 AI 에이전트 구현법을 학습해봅니다.
수강생 360명
난이도 중급이상
수강기한 무제한

먼저 경험한 수강생들의 후기
5.0
aibot
inflearn, fastcampus등 다양한 플래폼의 ai 강의를 듣는데 제일 만족스럽습니다. 회사의 프로젝트와 연관도도 제일 높습니다.
5.0
빛나는봄
LangGraph를 활용한 AI 에이전트 구축 심화 학습에 실질적인 도움을 주는, 최신 기술과 다양한 활용 사례를 배울 수 있는 유익한 강의였습니다.
5.0
Alex
이처럼 LLM을 배우는데 있어서 짜임새 있는 교육을 받을 수 있는 수강이 몇 없다고 생각합니다. 어려운 개념인 만큼 습득하는 지식의 순서가 중요하다고 생각하는데 이 강의뿐만 아니라 예제부터 배우는 자연어처리 수업도 모두 퀄리티가 좋으니 이 글을 보시는 분들께 적극적으로 추천드리고 싶습니다.
LangGraph를 이용해서 AI 에이전트를 구현하는 법
AI 에이전트의 개념과 활용사례
다양한 AI 에이전트 아키텍처
LangGraph로 나만의 AI 에이전트를 만드는 법
LangGraph로 심화 RAG 시스템을 구축하는 법
학습 대상은
누구일까요?
딥러닝 연구 관련 직종으로 취업을 원하시는 분
인공지능/딥러닝 관련 연구를 진행하고 싶은 분
인공지능(AI) 대학원을 준비 중이신 분
LangGraph로 나만의 AI 에이전트를 만들어보고 싶은 분
LangGraph로 기본 RAG 시스템보다 심화된 RAG 시스템을 만들어보고 싶은 분
선수 지식,
필요할까요?
Python 사용 경험
선수강의 [모두를 위한 대규모 언어 모델 LLM(Large Language Model) Part 2 - 랭체인(LangChain)으로 나만의 ChatGPT 만들기] 수강경험
9,515
명
수강생
725
개
수강평
354
개
답변
4.6
점
강의 평점
31
개
강의
전체
73개 ∙ (19시간 26분)
해당 강의에서 제공:
전체
33개
4.9
33개의 수강평
수강평 1
∙
평균 평점 5.0
수강평 1
∙
평균 평점 4.0
수강평 1
∙
평균 평점 5.0
수강평 7
∙
평균 평점 5.0
수강평 1
∙
평균 평점 5.0
₩77,000