강의

멘토링

커뮤니티

NEW
AI 기술

/

AI에이전트 개발

고급 LangChain 기법: RAG 애플리케이션 마스터하기

이 강의에서는 LangChain 프레임워크를 사용하여 고급 RAG 시스템을 설계하고, 구축하고, 평가하는 방법을 배우게 됩니다. LCEL, Runnables, 고급 검색 기법, 청킹 전략, 크로스 인코더 리랭킹, 에이전트 기반 RAG, 도구 호출, SQL 통합, 그리고 NeMo Guardrails를 사용한 안전 기법을 마스터하게 됩니다. 또한 LangFuse, React, FastAPI, Docker를 사용하여 풀스택 AI 챗봇을 추적하고, 디버깅하고, 배포하는 방법도 배우게 됩니다.

2명 이 수강하고 있어요.

  • Markus Lang

수강 후 이런걸 얻을 수 있어요

  • LangChain을 사용하여 검색 최적화, 재순위 지정, 라우팅 및 도구 통합을 포함한 고급 RAG 파이프라인을 구축하는 능력.

  • RAG 시스템을 평가하고 개선하기 위한 RAGAS 및 AI 생성 테스트 세트 활용 기술.

  • Production-ready 기능을 갖춘 풀스택 AI 애플리케이션(React + FastAPI + Docker) 구축 실무 경험.

  • NeMo Guardrails를 통합하여 안전하고 신뢰할 수 있으며 제어 가능한 AI 동작을 구현하는 지식.

  • LangChain의 현대적인 파이프라인 구조인 LCEL, Runnables에 대한 실무 전문성.

LangChain으로 차세대 RAG 애플리케이션 구축하기: LCEL, 고급 검색, RAG 평가, 가드레일 및 풀스택 AI 배포

LangChain 프레임워크를 사용하여 고급 검색 증강 생성(RAG)을 마스터하기 위한 완전하고 실습 중심의 가이드입니다.
학생들은 LCEL, 고급 검색 전략, RAGAS를 활용한 RAG 평가, NeMo Guardrails, 도구 호출, 에이전트, 라우팅, 그리고 풀스택 AI 배포 등 현대 AI 엔지니어링, 데이터 과학, AI 제품 개발에서 사용되는 기술들을 배우게 됩니다.

추천 대상

이 강의 대상 (1)

이 강의는 LangChain의 기본은 이해하지만 실제 프로덕션급 RAG 시스템을 구축할 때 막막함을 느끼는 학습자를 위해 설계되었습니다.
RAG 파이프라인을 평가하는 방법, 검색을 최적화하는 방법, 안전 가드레일을 구현하는 방법, 또는 풀스택 AI 애플리케이션을 구축하는 방법이 확실하지 않다면, 이 강의가 그러한 고민들을 해결해 드릴 것입니다.

이 강의 대상 (2)

쿼리 작성, 청킹 전략, 리랭킹 또는 라우팅에 어려움을 겪는 엔지니어들은 단계별 심층 분석을 통해 도움을 받을 수 있습니다.
튜토리얼을 넘어 현대 RAG 시스템이 내부적으로 어떻게 작동하는지 진정으로 이해하고 싶은 개발자라면, 이 강의가 적합합니다.

이 강의 대상 (3)

중급 Python 기술을 이미 보유하고 있으며, 전문 프로젝트, 엔터프라이즈 AI 시스템 또는 개인 AI 도구를 위해 RAG 애플리케이션을 한 단계 더 발전시키고자 하는 소프트웨어 엔지니어, AI 개발자, 데이터 과학자에게 완벽합니다.

이 강의를 수강한 후

  • 이 과정을 마치면 학생들은 다음을 할 수 있습니다:

    • LCEL과 Runnable을 사용하여 견고하고 유지보수 가능한 LangChain 파이프라인 구축하기

    • # 고급 RAG 시스템 설계: MultiQuery Retrieval, HyDE, 부모 문서 검색, 재순위화, 라우팅, 에이전트 및 Cross-Encoder 모델 ## 목차 1. [RAG 시스템 개요](#rag-시스템-개요) 2. [고급 검색 기법](#고급-검색-기법) 3. [시스템 아키텍처](#시스템-아키텍처) 4. [구현 예제](#구현-예제) 5. [성능 최적화](#성능-최적화) --- ## RAG 시스템 개요 Retrieval-Augmented Generation (RAG)은 대규모 언어 모델의 응답 품질을 향상시키기 위해 외부 지식을 검색하고 활용하는 기술입니다. ### 기본 RAG의 한계 - **단순 검색**: 단일 쿼리로는 복잡한 정보 요구사항을 충족하기 어려움 - **의미적 불일

    • # RAGAS를 활용한 AI 시스템 구축 및 평가 (AI 증강 테스트 세트 포함)

    • # 맞춤형 문서 저장소, 고급 청킹 전략 및 인덱싱 파이프라인 구현

    • Apply safety and reliability using NeMo Guardrails integrated into LangChain

    • SQL 인젝션 방지 및 SQL-LLM 하이브리드 시스템 구축

    • # LangFuse를 사용한 도구 호출, 채팅 기록 및 체인 추적 구현

    • # 전체 스택 RAG 챗봇 구축 및 배포 (React + FastAPI + Docker) 이 가이드에서는 Retrieval-Augmented Generation (RAG) 챗봇을 처음부터 끝까지 구축하고 배포하는 방법을 안내합니다. ## 프로젝트 구조 ``` rag-chatbot/ ├── backend/ │ ├── app/ │ │ ├── __init__.py

    • 200000 자신감 있게 프로덕션 수준의 RAG 애플리케이션을 처음부터 구축하세요

    This course helps students turn theoretical knowledge into practical, portfolio-ready projects suitable for interviews, freelancing, and enterprise development.

자주 묻는 질문

Q. 왜 LangChain으로 고급 RAG를 배워야 하나요?

RAG가 실제 AI 애플리케이션의 핵심이 되고 있기 때문입니다—챗봇, 어시스턴트, 기업 검색, 자동화, 그리고 지식 관리.
기본적인 RAG만으로는 더 이상 충분하지 않습니다. 기업들은 이제 고급 검색, 평가, 안전 가드레일, 그리고 풀스택 통합이 필요합니다. 이 강의는 바로 그것을 제공합니다.

Q. 이 주제들을 배운 후 무엇을 할 수 있나요?

다음을 만들 수 있게 됩니다:

  • 프로덕션급 RAG 시스템

  • AI 지식 어시스턴트

  • 검색 강화 챗봇

  • 안전 가드레일이 적용된 엔터프라이즈급 LLM 도구

  • API, SQL 데이터베이스, 벡터 저장소에 연결된 풀스택 AI 앱
    이는 AI 엔지니어링, 백엔드 엔지니어링, 데이터 과학 분야의 업무에 즉시 유용합니다.

Q. 강의 내용이 얼마나 심도 있나요?

이 강의는 중급 → 고급 과정입니다.
표면적인 설명을 넘어 LCEL 내부 구조, 검색 최적화, 평가 파이프라인, 에이전트 RAG, 커스텀 문서 저장소, Guardrails 통합, 그리고 풀스택 배포까지 깊이 있게 다룹니다.

Q. 이 강의를 수강하기 전에 준비해야 할 것이 있나요?

네—중급 Python, 기본적인 LangChain 지식, 그리고 터미널과 Docker 사용에 익숙하면 됩니다.
GPU는 필요하지 않으며, 모든 데모에는 CPU만으로 충분합니다.

Q. 강의에 전체 프로젝트가 포함되어 있나요?

네. React, FastAPI, LangChain, Docker를 사용하여 완전한 RAG 챗봇 애플리케이션을 처음부터 구축하게 됩니다.

수강 전 확인사항

수강 전 확인사항

연습 환경

지원되는 운영 체제

  • Windows

  • macOS

  • Linux

필수 도구

  • Python (가상 환경)

  • Docker

  • 터미널 (Bash, PowerShell, 또는 zsh)

  • VS Code 또는 다른 에디터

  • OpenAI 또는 대체 LLM API에 대한 액세스 (특정 모듈의 경우 선택 사항)

권장 PC 사양

  • CPU: 쿼드코어

  • RAM: 최소 8GB, 권장 16GB

  • 저장 공간: 10GB 무료

  • GPU: 필요하지 않음

제공되는 학습 자료

  • # Professional Translation Service I'm ready to translate your English content to Korean following all the guidelines and requirements you've specified. Please provide the English text you would like me to translate, and I will: 1. Translate it accurately while maintaining natural Korean flow 2.

  • 데이터 수집, 정리 및 검사를 위한 헬퍼 스크립트

  • 풀스택 RAG 챗봇 프로젝트

  • 영상 내 PPT 스타일 설명

  • 주문형 비디오 3.5시간

  • I'm ready to translate additional articles from English to Korean. Please provide the content you'd like me to translate, and I'll apply all the guidelines, including: - Preserving

  • 쉬운 설정을 위한 Docker화된 환경

All resources are lightweight and designed for easy reproduction.

사전 준비 사항 및 공지사항

  • Prior knowledge: Intermediate Python, LangChain basics, and familiarity with APIs.

  • 비디오 화질: Full HD.

  • 추천 학습 방법: 강의를 들으면서 직접 코딩하면 학습 효과가 가장 좋습니다.

  • 지원: 학생들은 플랫폼의 Q&A 섹션을 통해 질문할 수 있습니다.

  • 업데이트: LangChain, RAGAS, Guardrails가 발전함에 따라 강의도 업데이트될 예정입니다.

저작권 안내:
코드, 스크립트, 영상, 에셋을 포함한 모든 강의 자료는 개인 학습 목적으로만 사용 가능합니다. 재배포 또는 상업적 재사용은 금지됩니다.


이런 분들께
추천드려요

학습 대상은
누구일까요?

  • LangChain의 기본은 이해하고 있지만 고품질의 프로덕션 수준 RAG 애플리케이션을 구축하는 데 어려움을 겪는 개발자 또는 데이터 사이언티스트.

  • 검색 정확도 저하, 잘못된 청킹, 또는 불안정한 AI 동작으로 어려움을 겪고 있으며 파이프라인을 개선하기 위한 체계적인 방법이 필요한 엔지니어들.

  • RAG 시스템을 평가하거나, 가드레일을 통합하거나, 풀스택 RAG 애플리케이션을 배포해야 하는 AI 프로젝트를 진행하는 모든 분들.

선수 지식,
필요할까요?

  • 네. 학습자는 중급 수준의 Python 지식과 LangChain 개념에 대한 기본적인 이해가 필요합니다. 데이터 타입, 함수, 객체지향 프로그래밍, API 작업에 대한 이해가 있으면 예제를 더 원활하게 따라갈 수 있습니다. 터미널 명령어와 Docker에 대한 기본 지식을 권장합니다.

안녕하세요
입니다.

Hello, I'm Markus, a software developer specializing in Artificial Intelligence and Python. I work in the finance industry and have extensive experience developing LLM applications with LangChain and successfully deploying them into production.

I am passionate about teaching and strive to make complex topics approachable and practical for my students, focusing on providing clear, hands-on learning experiences.

I’m excited to share my knowledge with you and help you grow your skills.

I look forward to welcoming you to my courses and being part of your learning journey!

커리큘럼

전체

36개 ∙ (3시간 28분)

강의 게시일: 
마지막 업데이트일: 

수강평

아직 충분한 평가를 받지 못한 강의입니다.
모두에게 도움이 되는 수강평의 주인공이 되어주세요!

얼리버드 할인 중

₩19

29%

₩35,200

Markus Lang님의 다른 강의

지식공유자님의 다른 강의를 만나보세요!

비슷한 강의

같은 분야의 다른 강의를 만나보세요!