입문자를 위한 LangChain 기초 — v1.0+ 업데이트
판다스 스튜디오
LangChain v1.0+의 단순화된 API와 무료 LLM(Gemini · Groq · Ollama)으로, 카드 등록 부담 없이 LLM · Agents · RAG의 핵심을 끝내는 입문 강의.
초급
Python, LLM, LangChain
Neo4J로 구현하는 지식 그래프 기반 RAG 시스템: 단순 벡터 검색을 넘어 데이터 관계까지 활용하는 차세대 검색 기술 그래프 데이터베이스의 힘으로 RAG 성능 극대화하기!





티맥스소프트
임직원들도 이 강의를 듣고 있어요!





티맥스소프트
임직원들도 이 강의를 듣고 있어요!
먼저 경험한 수강생들의 후기
5.0
서강식
빨리 저의 db로 구현해보고 싶습니다
5.0
kmkang
진심으로 감사합니다.
5.0
JIYEON SUNG
vectorRAG를 사용해본 후에 graphRAG에 대해서도 배워보고 싶었는데 마침 강의가 나와서 듣게 되었습니다. 기초개념 설명부터 실제 데이터를 이용한 데이터 가공과 여러 방식의 쿼리 서치... Hybrid 방식의 RAG까지 친절한 실습 파일을 통해 따라가면서 익힐 수 있어서 유익했습니다! 실제 제가 구현하고 싶었던 것이 있었는데 해당 강의를 수강하고 나서 곧장 배운 지식을 이용해 시작해볼 수 있을 거 같네요. 강사님 톤이 차분하면서도 막힘 없이 흘러 가서 1.7배속으로 들었는데도 거슬리는 것 없이 귀에 잘 들어와서 강의를 금방 완강 할 수 있었습니다! 강의 재밌게 잘 들었습니다 강사님. 다음 강의도 기대하고 있겠습니다!
Neo4J 그래프 데이터베이스를 활용한 지식 그래프 구축 방법
지식 그래프(Knowledge Graph)를 RAG에 적용하는 방법
랭체인(LangChain)과 Neo4J를 연동하여 그래프 기반 검색 시스템 구현
다양한 검색 기법(기본 검색, 전문 검색, 벡터 검색) 활용 및 통합
Text2Cypher 기법을 통한 자연어 질의의 그래프 쿼리 변환
일반적인 RAG 시스템은 단순 벡터 검색에 의존하여 정보 간의 관계를 제대로 표현하기 어렵습니다. 그래프 데이터베이스를 활용한 graphRAG는 데이터 간의 복잡한 관계를 구조화하여 더 정확하고 맥락에 맞는 응답을 생성할 수 있게 해줍니다. 구조화된 지식 표현과 관계 기반 검색을 통해 더 정확한 검색 결과를 얻을 수 있습니다.
[프로젝트 2] ETF 금융상품 추천 - 지식 그래프 구현 (Neo4J 브라우저 활용)
✅ 구조적 지식 표현 : 정보를 노드와 관계로 표현하여 데이터 간의 연결성을 명확히 하고, 복잡한 지식을 체계적으로 구조화합니다.
✅ 관계 기반 검색 : 단순 키워드 매칭이나 벡터 유사도를 넘어 의미적 관계에 기반한 검색으로 더 정확한 결과를 제공합니다.
✅ 다양한 검색 방식 통합 : 키워드 기반 전문 검색(Full-text Search), 벡터 기반 시맨틱 검색(Semantic Search)을 함께 활용하여 검색 성능을 극대화합니다.
✅ 확장 가능한 지식 구조 : 새로운 데이터와 관계를 쉽게 추가하고 연결할 수 있어 지속적으로 확장 가능한 지식 베이스를 구축할 수 있습니다.
노드와 관계를 통해 자연스러운 데이터 모델링이 가능합니다.
Cypher 쿼리 언어를 통해 직관적인 그래프 탐색이 가능합니다.
강력한 그래프 알고리즘과 벡터 인덱싱을 지원합니다.
LangChain 프레임워크와 통합하기 위한 다양한 기능을 제공합니다.
[LangChain + Neo4J 활용 RAG 구현] https://neo4j.com/labs/genai-ecosystem/langchain/
실전 중심의 단계별 학습
이론적인 설명과 즉시 실습을 병행하여 그래프 데이터베이스와 RAG 통합에 대한 개념을 확실히 이해하고 적용하는 능력을 키웁니다.
다양한 실제 사례 학습
영화 추천, 뉴스 데이터, ETF 금융상품, 법률 문서 등 실제 데이터를 활용한 다양한 도메인의 지식 그래프 구축 및 검색 방법을 배웁니다.
Neo4J AuraDB 설정부터 그래프 데이터베이스의 핵심 개념인 노드, 관계, 속성까지 배웁니다. Cypher 쿼리 언어의 주요 구문과 경로 탐색, 집계 함수 등 그래프 데이터베이스 활용에 필요한 기본 지식을 습득합니
CSV 정형 데이터부터 뉴스, ETF 금융상품, 법률 문서 등 다양한 도메인의 데이터를 지식 그래프로 변환하는 방법을 배웁니다. 온톨로지 설계, 제약조건 설정, 그래프 변환을 위한 랭체인 도구 활용법을 학습합니다.
기본 검색, 전문 검색(Full-text Search), 벡터 검색(Semantic Search), Text2Cypher 등 다양한 그래프 기반 검색 기법을 구현하는 방법을 배웁니다. 강화된 RAG 시스템 구현을 위한 하이브리드 검색 방법도 학습합니다.
운영 체제 및 버전(OS): MacOS 기준으로 강의 진행 (Linux, Windows 사용자도 실습 가능)
가상환경 사용: uv 패키지 관리자를 사용 (conda, poetry, venv 사용자도 실습 가능)
사용 도구: VS Code, LLM API 인증키 필요 (OpenAI/ Google Gemini) *비용 발생 가능
PC 사양: 해당사항 없음
파이썬 3.12 /
langchain 0.3.23 / langchain-neo4j 0.3.0 / numpy 1.26.4
실습에 필요한 자료 제공 (강의 수업노트, 실습코드, 실습 데이터)
수업노트, 수업자료 다운로드 목록을 확인하세요.
위키독스에 참고 교재 제공 : [neo4j] GraphRAG 완전 정복 - 초보자를 위한 지식 그래프 기반 RAG 시스템
Python 기본 프로그래밍 능력
랭체인(LangChain) 기본 개념 이해
[무료 강의] 입문자를 위한 LangChain 기초 (필수) : https://inf.run/Xabb2
[유료 강의] RAG 마스터: 기초부터 고급기법까지 (권장) :https://inf.run/CxVA3
그래프 데이터베이스 경험은 필요하지 않음 (강의에서 기초부터 다룸)
질문 또는 의견이 있으시면 편하게 질문해주세요.
학습 대상은
누구일까요?
RAG 시스템의 성능과 정확도를 높이고 싶은 개발자
복잡한 관계를 가진 데이터를 효과적으로 처리하고 싶은 분
단순 벡터 검색을 넘어 구조화된 지식 검색 시스템을 구축하고 싶은 분
지식 그래프(Knowledge Graph)를 AI 애플리케이션에 적용하고 싶은 분
선수 지식,
필요할까요?
파이썬
랭체인 (LangChain)
RAG
인프런인증
19,199
명
수강생
1,045
개
수강평
186
개
답변
4.8
점
강의 평점
12
개
강의
안녕하세요. 저는 파이썬을 활용한 데이터 분석 및 인공지능 서비스 개발 실무를 하고 있습니다. 관심 있는 주제를 찾아서 공부하고 그 내용들을 많은 분들과 공유하기 위해 꾸준하게 책을 집필하고 인공지능 강의를 진행해 오고 있습니다.
[이력]
현) 핀테크 스타트업 CEO
전) 데이콘 CDO
전) 인덕대학교 컴퓨터소프트웨어학과 겸임교수
Kaggle Competitin Expert, 빅데이터 분석기사
[강의]
NCS 등록강사 (인공지능)
SBA 서울경제진흥원 새싹(SeSAC) 캠퍼스 SW 교육 ‘우수 파트너 선정’ (Python을 활용한 AI 모델 개발)
금융보안원, 한국전자정보통신산업진흥회, 한국디스플레이산업협회, 대구디지털산업진흥원 등 강의
서울대, 부산대, 경희대, 한국외대 등 국내 주요 대학 및 국내 기업체 교육 경험
[집필]
파이썬 머신러닝 판다스 데이터 분석(정보문화사) : https://zrr.kr/x1ec
파이썬 딥러닝 머신러닝 입문(정보문화사) : https://zrr.kr/RPaE
파이썬 딥러닝 텐서플로(정보문화사) : https://zrr.kr/PrVN
실무자를 위한 파이썬 Python 100제(정보문화사) : https://zrr.kr/4fyq
랭체인(LangChain) 입문부터 응용까지 (위키독스) : https://wikidocs.net/book/14473
[유튜브] 판다스 스튜디오 : https://youtube.com/@pandas-data-studio?si=XoLVQzJ9mmdFJQHU
전체
58개 ∙ (7시간 4분)
해당 강의에서 제공:
8. 가변 길이 경로 탐색 (강의)
02:46
9. 가변 길이 경로 탐색 (실습)
07:58
10. 최단 길이 경로 탐색 (강의)
01:44
11. 최단 길이 경로 탐색 (실습)
02:53
12. 집계 함수
05:48
14. 복잡한 관계 패턴 결합
04:58
전체
74개
4.9
74개의 수강평
수강평 1
∙
평균 평점 5.0
5
vectorRAG를 사용해본 후에 graphRAG에 대해서도 배워보고 싶었는데 마침 강의가 나와서 듣게 되었습니다. 기초개념 설명부터 실제 데이터를 이용한 데이터 가공과 여러 방식의 쿼리 서치... Hybrid 방식의 RAG까지 친절한 실습 파일을 통해 따라가면서 익힐 수 있어서 유익했습니다! 실제 제가 구현하고 싶었던 것이 있었는데 해당 강의를 수강하고 나서 곧장 배운 지식을 이용해 시작해볼 수 있을 거 같네요. 강사님 톤이 차분하면서도 막힘 없이 흘러 가서 1.7배속으로 들었는데도 거슬리는 것 없이 귀에 잘 들어와서 강의를 금방 완강 할 수 있었습니다! 강의 재밌게 잘 들었습니다 강사님. 다음 강의도 기대하고 있겠습니다!
감사합니다.
수강평 2
∙
평균 평점 5.0
수강평 1
∙
평균 평점 5.0