(기획자를 위한) LLM의 기초와 LLM 기반 서비스 기획의 이해
아리가람
₩99,000
입문 / NLP, gpt, 인공지능(AI), ChatGPT, LLM
4.0
(9)
LLM이 필요한 이유와 기술적 배경 및 기본 개념을 설명합니다.
입문
NLP, gpt, 인공지능(AI)

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.
수강생 18명
난이도 입문
수강기한 무제한
LangChain을 활용하여 검색 최적화, 리랭킹, 라우팅, 도구 통합을 포함한 고급 RAG 파이프라인을 구축하는 능력.
RAGAS와 AI 생성 테스트 세트를 활용하여 RAG 시스템을 평가하고 개선하는 기술.
상용 수준의 기능을 갖춘 풀스택 AI 애플리케이션(React + FastAPI + Docker) 구축 실무 경험.
안전하고 신뢰할 수 있으며 제어된 AI 동작을 위해 NeMo Guardrails를 통합하는 지식.
LCEL, Runnables 및 LangChain의 현대적인 파이프라인 구조에 대한 실무 전문 지식.
학습 대상은
누구일까요?
LangChain의 기초는 이미 이해하고 있지만, 고품질의 상용 수준 RAG 애플리케이션을 구축하는 데 어려움을 겪는 개발자 또는 데이터 과학자.
낮은 검색 정확도, 잘못된 청킹, 또는 신뢰할 수 없는 AI 동작으로 인해 어려움을 겪고 있으며, 파이프라인을 개선할 체계적인 방법이 필요한 엔지니어들.
RAG 시스템 평가, 가드레일 통합 또는 풀스택 RAG 애플리케이션 배포가 필요한 AI 프로젝트 관계자 누구나.
선수 지식,
필요할까요?
네. 학습자는 중급 수준의 Python 지식과 LangChain 개념에 대한 기본적인 이해를 갖추고 있어야 합니다. 데이터 타입, 함수, OOP 및 API 활용에 대해 이해하고 있다면 예제를 더 수월하게 따라올 수 있습니다. 터미널 명령어와 Docker에 대한 기초 지식도 권장됩니다.
안녕하세요, 마르쿠스입니다. 저는 인공지능과 파이썬을 전문으로 하는 소프트웨어 개발자입니다. 현재 금융 업계에서 근무하고 있으며, LangChain을 활용한 LLM 애플리케이션 개발 및 이를 성공적으로 프로덕션 환경에 배포한 풍부한 경험을 보유하고 있습니다.
저는 가르치는 것에 열정을 가지고 있으며, 명확하고 실습 위주의 학습 경험을 제공하는 데 집중하여 학생들에게 복잡한 주제를 쉽고 실용적으로 전달하기 위해 노력하고 있습니다.
여러분과 지식을 공유하고 여러분의 기술 성장을 도울 수 있게 되어 기쁩니다.
제 강의에 오신 것을 환영하며, 여러분의 배움의 여정에 함께하기를 고대합니다!
전체
36개 ∙ (3시간 28분)
전체
1개
같은 분야의 다른 강의를 만나보세요!