RAG 성능의 한계를 뚫는 인지 부하 관리 기술

Name: RAG 성능의 한계를 뚫는 인지 부하 관리 기술
Price: 330000 KRW
Rating: 5 (1 reviews)

인지 부하(Cognitive Load) 이론을 기반으로 RAG 성능을 개선하는 방안을 제시합니다. 기존 RAG 성능 향상 기법의 한계를 뛰어 넘기 위해 인지 부하라는 사고 틀을 적용해 다양한 기법을 종합합니다.

(5.0) 수강평 1개

수강생 23명

난이도 중급이상

수강기한 무제한

아리가람

컨텍스트창관리

chunk전략설계

rag시스템구축

llm성능평가및튜닝

동적최적화

컨텍스트창관리

chunk전략설계

rag시스템구축

llm성능평가및튜닝

동적최적화

신한DS

임직원들도 이 강의를 듣고 있어요!

신한DS

임직원들도 이 강의를 듣고 있어요!

수강 후 이런걸 얻을 수 있어요

LLM 컨텍스트 창과 토큰의 한계를 이해하고 관리하기 위한 전략
고품질 청크(Chunk)를 생성하는 방법과 RAG 파이프라인에 통합하는 방법

📋변경 이력

2026년 4월 22일
- 1판을 완성하지 못한 상태에서 2판으로 전면 개정합니다. 기존 1판 섹션들에 대해서는 이에 해당하는 2판 섹션이 완성되면 삭제할 예정입니다.
2025년 9월 4일
- 각 섹션별 통합요약본을 2/3 정도 올렸습니다. 아직 올리지 않은 통합요약본을 조만간 하나하나 올리겠습니다.
- 섹션 3을 섹션 3과 섹션 4로 분리했었는데, 강의 목록에 있는 섹션 번호와 수업 자료에 있는 섹션 번호가가 불일치 하게 되어 혼선을 일으킬 수 있어서, 섹션 4를 섹션 31(가장 뒤쪽)로 옮겼습니다.
2025년 9월 1일
- 섹션 3을 섹션 3과 섹션 4로 분리했습니다. 이에 따라 섹션 번호와 수업 자료 번호가 일치하지 않을 수 있습니다. 수업 자료를 수정하고 동영상을 녹음해서 다시 게시하겠습니다. 기다려 주시면 감사하겠습니다.
- 수강생의 혼선을 줄이는 방향으로 목차를 다시 구성하고 있습니다. 이에 따라 8월 22일에 잠시 비공개 처리했던 수업들을 다시 공개 처리했습니다.
2025년 8월 22일
- 아직 완성하지 않은 [심화] 과정에 속한 수업(섹션 11 ~ 30)들을 비공개 상태로 변경했습니다. 향후 완성하는 대로 각 섹션별로 또는 수업별로 공개할 예정입니다. 수강생의 혼선을 줄이기 위한 조치이니 이해해 주시면 감사하겠습니다.

🔥LLM의 한계를 극복한 RAG 기술, RAG 기술의 한계를 극복할 인지 부하 관리 기술

대규모 언어 모형(LLM)을 기반으로 인공지능 서비스를 만드는 방식이 대세가 되었지만, 컨텍스트 창 크기와 토큰 수가 제한되어 있어 한계가 있습니다. 특히 RAG(Retrieval-Augmented Generation: 검색 증강 생성) 시스템에서는 문서나 청크(Chunks: 문서의 단편)를 적절히 관리하지 못하면 LLM 측의 인지 부하가 발생해 최적의 답변을 생성하기 어렵게 됩니다.
인지 부하(cognitive load)는 시스템(인간의 두뇌와 인공지능 포함)이 처리해야 할 정보량과 복잡성에 따라 정보를 알아차리기 어려운 정도를 의미합니다. LLM 시스템에서 인지 부하가 높아지면, 정보가 과도하게 쌓여 핵심이 흐려지고, 성능이 저하되고 기대하는 수준의 답변이 나오지 않을 수 있습니다. 따라서 효과적인 인지 부하 관리는 LLM 기반 시스템의 품질과 안정성을 좌우하는 핵심 요소입니다.

섹션 1. 강의 소개 및 기본 개념

첫 섹션에서는 본 강의의 전반적인 개요와 목표를 명확히 하고, LLM의 컨텍스트 창과 인지 부하 관리의 기본 개념을 다룹니다. 특히 인지 부하가 무엇인지, LLM 환경에서 이것이 왜 중요한지 상세히 이해하며, RAG의 기초를 학습합니다. 이론을 기반으로 강의에서 다룰 핵심 주제들을 짚어보며, 학습 방향을 잡는 데 도움을 줍니다. 초심자도 쉽게 따라올 수 있도록 개념을 차근차근 설명하여, 이후 고급 주제로 자연스럽게 넘어갈 수 있는 탄탄한 토대를 마련합니다.

섹션 2. 컨텍스트 창과 토큰 한계

이 섹션에서는 LLM의 컨텍스트 창과 토큰화 메커니즘을 심층 분석합니다. 토큰이 무엇인지, 어떻게 분할되고 모델 입력에 어떤 영향을 미치는지 상세히 살펴보며, 컨텍스트 창 크기의 한계가 모델 성능에 어떤 영향을 주는지 다양한 사례와 함께 설명합니다. 또한, 토큰에 따른 비용을 계산하는 방법을 익혀 실제 시스템 설계 시 활용할 수 있도록 실무적인 감각을 기릅니다. 이 과정을 통해 토큰과 컨텍스트에 대한 체계적 이해를 바탕으로 인지 부하 관리의 구체적 문제를 직관적으로 파악하게 됩니다.

섹션 3. 청킹 전략: 청크의 크기와 구조

효과적인 청크 설계는 RAG 시스템 품질의 핵심입니다. 이 섹션에서는 고정 크기 청크부터 문단 기반, 의미 단위 군집, 계층형 구조에 이르는 다양한 청크 전략을 소개하고, 각 방법의 장단점과 적용 사례를 깊이 있게 다룹니다. 청크 크기와 구조가 인지 부하와 컨텍스트 활용에 미치는 영향에 대한 이해를 바탕으로, 상황에 맞는 최적의 청크 전략을 설계하는 실전 노하우를 습득할 수 있습니다. 마지막에는 실습을 통해 다양한 청크 방식을 적용하는 경험을 쌓아 이론과 실무를 유기적으로 연결할 수 있게 합니다.

섹션 4. 고품질 청크 생성 기법

이 섹션에서는 인지 부하를 줄이고 정보 품질을 높이기에 알맞게 청크를 생성하는 기법 중 더 고급스런 기법을 다룹니다. 스마트 요약, 원문과 요약문의 병합, 임베딩 기반 군집화, 메타 태깅, 질의 의도 반영 같은 다양한 기술을 익히고, 각 기법을 조합해 더 효율적인 청크를 만드는 방법을 실습합니다. 이를 통해 단순한 청킹 방식을 넘어서 정보의 의미와 질문자의 의도까지 반영한 고품질 청크를 생성하는 역량을 키웁니다. 이는 복잡한 문서를 다뤄야 하는 상황에서도 LLM이 최적 답변을 내도록 돕기 위한 핵심 전략입니다.

섹션 5~10. RAG 파이프라인에의 통합

이 섹션에서는 RAG 시스템 설계와 통합을 본격적으로 다룹니다. 전처리, 유사도 검색과 필터링, 청크 재구성 및 프롬프트 설계, 답변 생성과 후처리, 그리고 환각현상(Hallucination) 점검 및 재투입 전략에 이르기까지 RAG 파이프라인 전 과정을 체계적으로 다룹니다. 각 단계별로 인지 부하를 최소화하면서도 정확한 답변 생성에 집중하는 노하우를 실습과 함께 익힙니다. 실무 환경에서 바로 적용 가능한 실질적인 기술과 문제 해결 방법을 중점적으로 제공합니다.

섹션 11~15. 동적 최적화 기법

이 섹션에서는 컨텍스트 부하와 청크의 크기를 상황에 맞춰 동적으로 조절하는 방법을 다룹니다. 질문 복잡도 평가, 동적 청크 크기 조절 알고리즘, 적응형 요약 파라미터 조정, 멀티턴 대화에서 컨텍스트 누적 관리, 그리고 시스템 모니터링과 피드백 루프 설계에 이르기까지 지능형 시스템 운영을 위한 자동화 및 최적화 전략을 심층적으로 소개합니다. 이를 통해 변화하는 요구와 복잡도에 대응하며 LLM 성능을 극대화할 수 있는 실시간 관리 능력을 갖추게 됩니다.

섹션 16~20. 성능 평가 방법과 성능 평가 지표

RAG 시스템과 청크 전략의 효과를 객관적으로 평가하기 위한 다양한 지표와 평가 방법론을 다룹니다. 재현율, 정확도, 응답 지연, 비용 분석, 토큰 사용 효율, 사용자 만족도, 그리고 A/B 테스트를 통한 전략 검증에 이르기까지 시스템 성능의 다각적 측정을 통해 개선점을 도출하는 방법을 학습합니다. 평가 결과를 기반으로 지속적인 성능 튜닝과 고도화를 위한 식견을 제시하며, 데이터 기반 의사 결정 역량을 강화합니다.

섹션 21~24. 남은 과제와 미래 기술 전망

현재 RAG와 LLM 인지 부하 관리 분야에서 해결해야 할 연구 과제와 미래 확장 가능성을 논의합니다. 완전 자동화된 청크 최적화, 장기 기억 통합 문제, 대규모 멀티미디어 문서 기반 RAG 시스템 구축 시나리오, 멀티모달 정보를 처리하는 방향으로 RAG 시스템을 확장하는 방법을 다룹니다. 최신 연구 동향과 실제 적용 사례를 통해 앞으로의 발전 방향과 도전 과제를 명확히 이해하게 합니다.

섹션 25~30. 프로젝트 수행 방법 소개

이번 섹션에서는 지금까지 배운 이론과 기법을 통합해 실제 RAG 시스템을 설계, 구현, 조정, 평가하는 종합 프로젝트를 수행하는 방법을 설명합니다. 프로젝트 주제 선정부터 데이터 수집·전처리, Chunk 전략 설계, RAG 시스템 통합, 성능 평가 및 결과 보고서 작성, 최종 발표와 코드 리뷰에 이르는 모든 단계를 차례대로 진행하며 실전 역량을 검증할 수 있게 합니다. 여기서 배운 내용을 바탕으로 개발자는 팀을 구성하거나 개인 단위로 실무형 프로젝트를 진행해 볼 수 있을 것이고, 이를 통해 이 강의에서 학습한 내용을 완벽히 체화할 수 있을 것입니다.

🏆기대 효과

인지 부하 개념을 바탕으로 LLM 컨텍스트 창과 토큰 한계를 명확히 이해하고, 이를 관리하는 전략을 습득합니다.
다양한 청크 생성 기법과 청크 최적화 기법으로 정보를 효율적으로 분할하고 요약해 LLM 성능을 극대화할 수 있습니다.
RAG 파이프라인 전 과정을 실습하며, 실제 시스템 구축 및 조정 능력을 갖추게 됩니다.
동적 최적화와 성능 평가를 통해 실시간 운영 환경에서 안정적이고 고성능의 AI 서비스를 제공하는 방법을 배웁니다.
최신 연구 과제와 확장 방향을 통해 AI 시스템 발전 흐름을 이해하고 미래 대응력을 강화합니다.

이런 분들께
추천드려요

학습 대상은
누구일까요?

LLM과 RAG 시스템을 직접 설계하거나 운영하는 개발자
대용량 문서 처리 및 멀티턴 대화 처리 최적화에 관심 있는 인공지능 엔지니어

선수 지식,
필요할까요?

자연어 처리(NLP)에 대한 기본 개념 이해
대규모 언어 모형(LLM)의 기본 작동 원리 이해
토큰화와 컨텍스트 창에 대한 개념
기본적인 프로그래밍 능력(파이썬 언어 권장)
(선택) 인공지능 및 머신러닝 모델을 활용해 본 경험이나 관련 프로젝트 진행 경험

안녕하세요
아리가람입니다.

691

명

수강생

개

수강평

개

답변

4.6

점

강의 평점

개

강의

IT가 취미이자 직업인 사람입니다.

다양한 저술, 번역, 자문, 개발, 강의 경력이 있습니다.

커리큘럼

전체

479개 ∙ (46시간 37분)

해당 강의에서 제공:

수업자료

섹션 1. <1판> [기본 1] 강의 소개 및 기본 개념 (아래 2판 섹션 완성 후 삭제 예정)

10개 ∙ (6시간 50분)

섹션 2. <2판> [기본 1] 강의 소개 및 기본 개념

12개

11. 수업 1-0. 섹션 1의 통합요약본
12. 수업 1-1. 강의 개요와 목표
13. 수업 1-2. LLM의 컨텍스트 창 이해하기
14. 수업 1-3. 인지 부하 관리(Cognitive Load Management) 개념
15. 수업 1-4. RAG(Retrieval-Augmented Generation)란
16. 수업 1-4. RAG(Retrieval-Augmented Generation)란
17. 수업 1-5. [부록] 주요 LLM의 컨텍스트 창 길이
18. 수업 1-6. [부록] 컨텍스트 창의 한계가 RAG 시스템에 끼치는 영향
19. 수업 1-7. [부록] 컨텍스트 창의 한계를 극복하기 위한 RAG 아키텍처 설계 패턴 13가지
20. 수업 1-8. [부록] RAG 아키텍처 설계 패턴의 한계와 인지 부하 이론 접목의 필요성
21. 수업 1-9. [부록] 인지 부하 이론의 관점에서 본 LLM
22. 수업 1-10. [부록] 인지 부하 관점에서 본 RAG 실패 원인

섹션 3. <2판> [기본 1]의 코드 구현 연습

2개

섹션 4. <1판> [기본 2] 컨텍스트 창과 토큰의 한계 (아래 2판 섹션 완성 후 삭제 예정)

6개 ∙ (1시간 52분)

섹션 5. <2판> [기본 2] 컨텍스트 창과 토큰의 한계

6개

섹션 6. <2판> [기본 2]의 코드 구현 연습

2개

섹션 7. <1판> [기본 3] 청킹 전략: 청크의 크기와 구조 (아래 2판 섹션 완성 후 삭제 예정)

6개 ∙ (1시간 37분)

섹션 8. <2판> [기본 3] 청킹 전략 - 청크의 크기와 구조

6개

섹션 9. <2판> [기본 3]의 코드 구현 연습

2개

섹션 10. <1판> [기본 4] 고품질 청크 생성 기법 (아래 2판 섹션 완성 후 삭제 예정)

7개 ∙ (4시간 16분)

섹션 11. <2판> [기본 4] 고품질 청크 생성 기법

7개

섹션 12. <2판> [기본 4]의 코드 구현 연습

5개

섹션 13. <1판> [기본 5] RAG 파이프라인 통합 1단계: 전처리 (아래 2판 섹션 완성 후 삭제 예정)

8개 ∙ (2시간 8분)

섹션 14. <2판> [기본 5] RAG 파이프라인 통합 1단계 - 전처리

8개

섹션 15. <2판> [기본 5]의 코드 구현 연습

1개

섹션 16. <1판> [기본 6] RAG 파이프라인 통합 2단계: 인출 (아래 2판 섹션 완성 후 삭제 예정)

8개 ∙ (2시간 13분)

섹션 17. <2판> [기본 6] RAG 파이프라인 통합 2단계 - 인출 (유사도 검색과 필터링)

8개

섹션 18. <2판> [기본 6]의 코드 구현 연습

3개

섹션 19. <1판> [기본 7] RAG 파이프라인 통합 3단계: 청크 재구성 및 프롬프트 재설계 (아래 2판 섹션 완성 후 삭제 예정)

8개 ∙ (2시간 21분)

섹션 20. <2판> [기본 7] RAG 파이프라인 통합 3단계 - 청크 재구성 및 프롬프트 재설계

8개

섹션 21. <2판> [기본 7]의 코드 구현 연습

3개

섹션 22. <1판> [기본 8] RAG 파이프라인 통합 4단계: LLM 답변 생성 및 후처리 (아래 2판 섹션 완성 후 삭제 예정)

8개 ∙ (1시간 43분)

섹션 23. <2판> [기본 8] RAG 파이프라인 통합 4단계 - LLM 답변 생성 및 후처리

8개

섹션 24. <2판> [기본 8]의 코드 구현 연습

3개

섹션 25. <1판> [기본 9] RAG 파이프라인 통합 5단계: 환각현상 점검 및 재투입 전략 (아래 2판 섹션 완성 후 삭제 예정)

8개 ∙ (2시간 5분)

섹션 26. <2판> [기본 9] RAG 파이프라인 통합 5단계 - 환각현상 점검 및 재투입 전략

8개

섹션 27. <2판> [기본 9]의 코드 구현 연습

2개

섹션 28. <1판> [기본 10] RAG 파이프라인 통합 실습: 간단한 질문에 응답하는 RAG 시스템을 구축하기 (아래 2판 섹션 완성 후 삭제 예정)

8개 ∙ (2시간 52분)

섹션 29. <2판> [기본 10] RAG 파이프라인 통합 실습

8개

섹션 30. <2판> [기본 10]의 코드 구현 연습

5개

섹션 31. <1판> [심화 1] 동적 최적화: 질문 복잡도 평가 (아래 2판 섹션 완성 후 삭제 예정)

8개 ∙ (3시간 24분)

섹션 32. <2판> [심화 1] 동적 최적화 - 질문 복잡도 평가

8개

섹션 33. <2판> [심화 1]의 코드 구현 연습

3개

섹션 34. <1판> [심화 2] 동적 최적화: 동적 청크 크기 조절 알고리즘 (아래 2판 섹션 완성 후 삭제 예정)

8개 ∙ (5시간 0분)

섹션 35. <2판> [심화 2] 동적 최적화 - 동적 청크 크기 조절 알고리즘

8개

섹션 36. [심화 2]의 코드 구현 연습

3개

섹션 37. <1판> [심화 3] 동적 최적화: 적응형 요약 파라미터 조절 (아래 2판 섹션 완성 후 삭제 예정)

8개 ∙ (5시간 12분)

섹션 38. <2판> [심화 3] 동적 최적화 - 적응형 요약 파라미터 조절

8개

섹션 39. <2판> [심화 3]의 코드 구현 연습

2개

섹션 40. <1판> [심화 4] 동적 최적화: 멀티턴 대화(다회성 대화)에서의 컨텍스트 누적 관리 I (아래 2판 섹션 완성 후 삭제 예정)

5개 ∙ (3시간 8분)

섹션 41. <1판> [심화 4] 동적 최적화 - 멀티턴 대화에서의 컨텍스트 누적 관리

5개

섹션 42. <1판> [심화 4] 동적 최적화: 멀티턴 대화(다회성 대화)에서의 컨텍스트 누적 관리 II (아래 2판 섹션 완성 후 삭제 예정)

5개 ∙ (54분)

섹션 43. <2판> [심화 4] 동적 최적화 - 멀티턴 대화(다회성 대화)에서의 컨텍스트 누적 관리 II

5개

섹션 44. <1판> [심화 4] 동적 최적화: 멀티턴 대화(다회성 대화)에서의 컨텍스트 누적 관리 III (아래 2판 섹션 완성 후 삭제 예정)

6개 ∙ (55분)

섹션 45. <2판> [심화 4] 동적 최적화 - 멀티턴 대화(다회성 대화)에서의 컨텍스트 누적 관리 III

6개

섹션 46. <2판> [심화 4] 동적 최적화: 멀티턴 대화(다회성 대화)에서의 컨텍스트 누적 관리 III

2개

섹션 47. <2판> [심화 4]의 코드 구현 연습

3개

섹션 48. <2판> [심화 5] 동적 최적화: 시스템 모니터링 및 피드백 루프 설계

8개

섹션 49. <2판> [심화 5]의 코드 구현 연습

3개

섹션 50. <2판> [심화 6] 성능 평가: 재현율과 정확도를 측정하기

8개

섹션 51. <2판> [심화 6]의 코드 구현 연습

4개

섹션 52. <2판> [심화 7] 성능 평가: 지연 분석과 비용 분석

8개

섹션 53. <2판> [심화 7]의 코드 구현 연습

2개

섹션 54. <2판> [심화 8] 성능 평가: 토큰 사용 효율 지표

8개

섹션 55. <2판> [심화 8]의 코드 구현 연습

4개

섹션 56. <2판> [심화 9] 성능 평가: 사용자 만족도 평가 방법론

8개

섹션 57. <2판> [심화 9]의 코드 구현 연습

3개

섹션 58. <2판> [심화 10] 성능 평가: A/B 테스트를 통한 전략 검증

8개

섹션 59. <2판> [심화 10]의 코드 구현 연습

1개

섹션 60. <2판> [심화 11] 기술 전망: 완전히 자동화된 청크 최적화 연구 과제

8개

섹션 61. <2판> [심화 11]의 코드 구현 연습

3개

섹션 62. <2판> [심화 12] 기술 전망: 장기 기억 통합

8개

섹션 63. <2판> [심화 12]의 코드 구현 연습

1개

섹션 64. <2판> [심화 13] 기술 전망: 대규모 문서 기반 RAG 시나리오

8개

섹션 65. <2판> [심화 13]의 코드 구현 연습

1개

섹션 66. <2판> [심화 14] 기술 전망: 멀티모달 정보 처리

8개

섹션 67. <2판> [심화 14]의 코드 구현 연습

1개

섹션 68. <2판> [프로젝트 1] 프로젝트 주제 선정 및 계획서 작성

8개

섹션 69. <2판> [프로젝트 1]의 코드 구현 연습

3개

섹션 70. <2판> [프로젝트 2] 데이터 수집 및 전처리를 위한 파이프라인 구축

8개

섹션 71. <2판> [프로젝트 2]의 코드 구현 연습

8개

섹션 72. <2판> [프로젝트 3] 청킹 전략 설계 및 구현

8개

섹션 73. <2판> [프로젝트 3]의 코드 구현 연습

4개

섹션 74. <2판> [프로젝트 4] RAG 시스템 통합 및 조율

8개

섹션 75. <2판> [프로젝트 4]의 코드 구현 연습

5개

섹션 76. <2판> [프로젝트 5] 성능 평가 및 평가 보고서 작성

8개

섹션 77. <2판> [프로젝트 5]의 코드 구현 연습

4개

섹션 78. <2판> [프로젝트 6] 최종 발표 및 코드 리뷰

8개

섹션 79. <2판> [프로젝트 6]의 코드 구현 연습

4개

섹션 80. <2판> [기본 3]의 보충

8개

섹션 81. <2판> [심화] RAG 파이프라인의 하네스 엔지니어링 - 삼층 구조로 재해석하기

8개

섹션 82. <2판> [실습] RAG 하네스 구현 - 검증 루프, 적응형 파이프라인, 도구 통합

7개

강의 게시일: 2025. 06. 19.

마지막 업데이트일: 2026. 04. 21.

수강평

전체

1개

5.0

1개의 수강평

Jang Jaehoon
수강평 839
∙
평균 평점 4.9
2025. 07. 12.
5
7% 수강 후 작성
좋은 강의 감사합니댜!
- 아리가람
  지식공유자
  2025. 07. 12.
  유익한 강의가 된 것 같아 기쁩니다.

아리가람님의 다른 강의

지식공유자님의 다른 강의를 만나보세요!

개발자를 위한 프롬프트 패턴

아리가람

코딩을 위한 기본 프롬프트 패턴과 인공지능을 활용하기 위한 고급 API 프롬프트 패턴을 소개합니다.

초급

프롬프트엔지니어링

개발자를 위한 프롬프트 패턴

아리가람

대규모 언어 모형(LLM)의 기초 원리 이해

아리가람

챗지피티(ChatGPT)나 클로드 같은 대규모 언어 모형의 기초 원리를 깊이 있게 탐구하면서 개발 역량을 키울 수 있습니다. 흔히 접하기 어려운 다양한 정보와 개발 기법을 배울 수 있습니다.

중급이상

NLP, gpt, 인공지능(AI)

대규모 언어 모형(LLM)의 기초 원리 이해

아리가람

비전공자를 위한 인공지능 통계학

아리가람

수식 한 개, 코드 한 줄 없이 인공지능 개발과 활용에 필요한 기초 통계의 본질을 꿰뚫습니다.

입문

인공지능(AI)

비전공자를 위한 인공지능 통계학

아리가람

하루 만에 이해하는 AI 기반 풀스택 개발 실무 트랙(주니어용)

아리가람

주니어 개발자가 인공지능을 개발 도구로 삼아 기획부터 코드 작성과 배포 및 검증에 이르는 전체 개발 과정을 이해할 수 있게 합니다.

초급

프로토타이핑, crud

하루 만에 이해하는 AI 기반 풀스택 개발 실무 트랙(주니어용)

아리가람

프롬프트 엔지니어링 완전 정복

아리가람

프롬프트 엔지니어링 이론부터 실전 기법, 그리고 최신 응용 사례와 보안·윤리 문제까지 폭넓게 다루어, LLM 기반 서비스 개발자·데이터 사이언티스트·AI 기획자 모두에게 실질적인 도움을 제공합니다.

중급이상

프롬프트엔지니어링

프롬프트 엔지니어링 완전 정복

아리가람

문제화: 개발 낭비를 줄이는 기초 역량

아리가람

문제를 ‘구성하는 사고’를 훈련하도록 돕습니다.

입문

협업 툴, 소프트스킬, 문제해결능력

문제화: 개발 낭비를 줄이는 기초 역량

아리가람

(기획자를 위한) LLM 애플리케이션을 위한 서비스 디자인

아리가람

생성형 인공지능(생성형 AI)의 일종인 LLM을 기반으로 삼아 만드는 애플리케이션이나 웹 서비스를 기획할 때 필요한 '서비스 디자인' 개념과 방법을 익힐 수 있습니다.

입문

인공지능(AI), LLM

(기획자를 위한) LLM 애플리케이션을 위한 서비스 디자인

아리가람

자바 네이밍

아리가람

"이름 하나 바꿨을 뿐인데, 코드가 달라졌습니다." 가독성 좋은 코드의 핵심, '읽히는 이름 짓기'를 원리부터 사례까지 정리했습니다. 읽기 쉬운 이름이 협업의 시작입니다.

초급

naming-conventions, naming, renaming

자바 네이밍

아리가람

시큐어 코딩(Secure Coding) 쪼개기

아리가람

시큐어 코딩(Secure Coding: 보안 코딩)이 무엇인지 전혀 몰라도 이해할 수 있게 한 강의입니다. 기본 보안 코딩 개념을 섭렵한 다음에 웹 서비스 보안을 중심으로 설명합니다. OO 대학교 주관 특강으로 진행했던 강의였습니다. 160개가 넘는 소스 코드를 풍부한 주석과 함께 제시해 실무에서 당장 쓸 수 있는 핵심 주제와 기법을 콕콕 찍어 알 수 있게 합니다.

초급

모의해킹, security, 보안 교육

시큐어 코딩(Secure Coding) 쪼개기

아리가람

C 언어 빠르게 훑어보기

아리가람

C 언어의 기본 개념과 기본 문법을 빠르게 이해할 수 있습니다.

입문

C, 임베디드

C 언어 빠르게 훑어보기

아리가람

클린 코딩: 요리 비유로 쉽게 배우는 좋은 코드 작성 기술

아리가람

다양한 클린 코딩 기법을 제시합니다.

초급

협업 툴, 코딩 테스트, 리팩터링

클린 코딩: 요리 비유로 쉽게 배우는 좋은 코드 작성 기술

아리가람

LLM의 역사와 발전

아리가람

자연어 처리 기술의 출발부터 시작해서 최신 LLM 모형에 이르기까지의 과정에서 개발된 다양한 언어 모형들을 상세히 설명합니다.

입문

NLP, RNN, self-attention

LLM의 역사와 발전

아리가람

CrewAI와 LLM으로 인공지능 판사 만들기

아리가람

LLM 기반 다중 에이전트 기술을 구현할 수 있게 하는 CrewAI, LangChain, AutoGen 등의 여러 에이전트 프레임워크, 지식 그래프, 추론 시스템을 결합해 인공지능 판사를 만드는 방법을 탐구합니다.

중급이상

인공지능(AI), LLM, AI Agent

CrewAI와 LLM으로 인공지능 판사 만들기

아리가람

(기획자를 위한) LLM 애플리케이션 사용자 요구 사항 수집과 분석 방법의 이해

아리가람

LLM 서비스를 기획하기 위해 사용자가 요구하는 사항을 수집하고 분석하는 방법을 살펴봅니다.

입문

프로젝트 관리, 서비스 기획, 인공지능(AI)

(기획자를 위한) LLM 애플리케이션 사용자 요구 사항 수집과 분석 방법의 이해

아리가람

LLM의 한계와 최신 기술 그리고 전망

아리가람

LLM의 한계와 한계 극복을 위한 최신 기술과 전망되는 미래 기술을 탐구합니다.

입문

NLP, 서비스 기획, 콘텐츠 기획

LLM의 한계와 최신 기술 그리고 전망

아리가람

(기획자를 위한) LLM 응용 서비스 사례 분석

아리가람

LLM을 사용해 구축할 수 있는 애플리케이션이나 웹 서비스들로는 어떤 것들이 있는지 살펴봅니다.

입문

NLP, 서비스 기획, 콘텐츠 기획

(기획자를 위한) LLM 응용 서비스 사례 분석

아리가람

(기획자를 위한) LLM의 기초와 LLM 기반 서비스 기획의 이해

아리가람

LLM 기획, LLM 응용 기획 담당자를 위해 LLM이 필요한 이유와 기술적 배경 및 기본 개념을 설명합니다.

입문

NLP, gpt, 인공지능(AI)

(기획자를 위한) LLM의 기초와 LLM 기반 서비스 기획의 이해

아리가람

비슷한 강의

같은 분야의 다른 강의를 만나보세요!

Gen AI RAG 실전 가이드, Langchain을 활용한 AI 챗봇 완전정복

Masocampus

Langchain과 RAG를 통해 AI 챗봇 시스템을 구축하는 완벽한 가이드! 생성형 인공지능 개발 기술을 위한 체계적인 학습 과정을 제공합니다.

초급

LangChain, FastAPI, RAG

Gen AI RAG 실전 가이드, Langchain을 활용한 AI 챗봇 완전정복

Masocampus

진짜 현장에서 통하는 OCR, 이렇게 만듭니다.

데이비드최

현업에서 진짜 쓰이는 OCR 기술, 제대로 배워보고 싶다면 이 강의 하나로 끝! 비정형 문서와 복잡한 레이아웃에서도 98% 이상의 정확도를 목표로, 최신 SOTA 모델과 실전 노하우를 바탕으로 기업 수준의 OCR 프로젝트를 함께 만들어갑니다.

초급

Python, 인공지능(AI), openai

진짜 현장에서 통하는 OCR, 이렇게 만듭니다.

데이비드최

[실전 AIoT] 스마트미러 메이커톤 완벽 대비: LLM, CV, 하드웨어 설계까지

KodeKorea 코드코리아

메이커톤에서 80%가 막히는 포인트, 이제 해결하세요. 라즈베리파이 · 컴퓨터비전 · LLM · 3D 설계까지 4주 완성! 시연 가능한 스마트미러 PoC로 메이커톤 상위권 달성!

초급

Python, Raspberry Pi, Arduino

[실전 AIoT] 스마트미러 메이커톤 완벽 대비: LLM, CV, 하드웨어 설계까지

KodeKorea 코드코리아

AI 시대에도 살아남는 엔지니어의 조건, 미국 빅테크 시스템 디자인·알고리즘 사고·오픈소스 실무 완성

미국달팽이

AI 시대에도 안 잘리는 실리콘밸리 인턴십 및 30개 빅테크 시스템 디자인 & 오픈소스 실무 기여 완성 코스 미션 제출 수강생 모두는 미국 팔로알토 현지 AI 스타트업 인턴십에 지원할 수 있으며, 서류 심사 면제되어 인터뷰 기회가 주어지며, 넷플릭스, 테슬라, 메타, 틴더 등 빅테크 사례로 30개 실전 시스템 디자인을 설계, 스케일링해 보는 코스입니다. 마지막에는 자신만의 서비스를 아키텍처 → DB → 스케일링까지 설계하고, 실제로 운영중인 (누적 다운로드 11K+ 달성) 오픈소스 AI 코딩 에이전트 프로젝트에 기여해 포트폴리오를 완성후 이력서를 완성하도록 합니다.

중급이상

DBMS/RDBMS, 소프트웨어 설계, 시스템 디자인

AI 시대에도 살아남는 엔지니어의 조건, 미국 빅테크 시스템 디자인·알고리즘 사고·오픈소스 실무 완성

미국달팽이

[LLM 101] LLM 초보를 위한 Llama SFT 강의 (feat. ChatApp Poc)

꿈꾸는범블비

LLM을 위해 필요한 기초지식부터 실전에서 쓰일법한 팁까지 핵심적인 내용위주로 빠르게 현직자가 전달합니다!

초급

NLP, ChatGPT, LLM

[LLM 101] LLM 초보를 위한 Llama SFT 강의 (feat. ChatApp Poc)

꿈꾸는범블비

사례로 배우는 Make 자동화의 모든 것

챗대리

클릭한번에 AI 업무 자동화 + 부수입창출!!! 업무 자동화의 끝판왕 Make, 복잡한 설정과 기능으로 시작하기 망설여지셨나요? 초보자도 쉽게 따라할 수 있는 단계별 강의로 내가 꿈꾸던 자동화를 직접 구현해보세요.

입문

No-code, 인공지능(AI), make

사례로 배우는 Make 자동화의 모든 것

챗대리

입문자를 위한 LangChain 기초

판다스 스튜디오

파이썬을 활용하여 랭체인(LangChain)의 기본 개념과 사용법을 학습합니다. 구글 코랩(colab) 환경에서 실습 위주로 진행하고, 실습자료는 깃헙(Github)을 통해서 제공합니다.

초급

LangChain, LLM, openAI API

입문자를 위한 LangChain 기초

판다스 스튜디오

딱 1시간! 내 컴퓨터에 심는 '나만의 AI 사수' 만들기 (Antigravity 바이브코딩) [소스코드 제공]

코드브릿지

[소스코드 제공] 코딩 몰라도 OK. 구글 최신 툴(IDX)로 설치 없이 브라우저에서 뚝딱 완성! 코딩 문법 공부는 이제 그만! AI와 대화하며(Vibe Coding) 구글 IDX 환경에서 사내 문서를 완벽히 이해하는 RAG 챗봇을 구축하고 웹으로 실시간 배포하는 초고속 실전 과정입니다.

입문

Python, 인공지능(AI), LLM

딱 1시간! 내 컴퓨터에 심는 '나만의 AI 사수' 만들기 (Antigravity 바이브코딩) [소스코드 제공]

코드브릿지

Gemma 4 로컬 구동 완전 정복

조희진

유료 API 비용 부담 없이 내 MacBook에서 최신 Gemma 4 모델을 직접 구동하는 전 과정을 학습합니다. Apple Silicon의 Metal API를 활용한 성능 극대화 기법과 VRAM 용량별 최적 파라미터 설정을 마스터하고, FastAPI 기반 프로덕션 수준의 로컬 AI 인프라 구축 능력을 갖추게 됩니다.

중급이상

macOS, quantization, 인공지능(AI)

Gemma 4 로컬 구동 완전 정복

조희진

업무 자동화, 내 업무에 AI를 도입하는 방법 [인프런 어워드 수상, AX]

Slearnic AI LAB

AI 활용 능력이 월급을 결정합니다. 매일 하던 지겨운 반복 업무, 이제 AI에게 맡기세요 '업무 자동화의 거의 모든 것'은 코딩 지식 없이도 클릭 몇 번만으로 내 업무를 알아서 처리하는 자동화 시스템을 만드는 법을 알려드립니다. 지루한 문서 작업과 데이터 정리에서 해방되고, 남들보다 앞서나가는 'AI 일잘러'로 거듭날 것 입니다.

입문

make.com, 인공지능(AI), AI Agent

업무 자동화, 내 업무에 AI를 도입하는 방법 [인프런 어워드 수상, AX]

Slearnic AI LAB

시니어 개발자를 위한 LLM 실무 전환 과정

전산학 기반 경력 개발자가 최신 AI 기술 스택으로 전환하는 실무 중심 과정입니다. LLM 기반 애플리케이션 설계부터 구현까지, 기존 소프트웨어 공학 지식을 활용하여 AI 솔루션 도입 전략을 수립합니다. 전통적 개발 경험과 현대 AI 기술을 융합하여 커리어를 재구축합니다.

초급

career-development, 인공지능(AI), software-architecture

시니어 개발자를 위한 LLM 실무 전환 과정

실전! LangChain과 LangGraph로 구축하는 중급 AI 에이전트 서비스: RAG부터 멀티 에이전트까지

YoungJea Oh

단순 튜토리얼만으론 실무 적용이 어렵죠. 제 현업 노하우를 담아 복잡한 상태 관리와 멀티 에이전트 설계법을 확실히 전수해 드립니다.

초급

인공지능(AI), ChatGPT, 프롬프트엔지니어링

실전! LangChain과 LangGraph로 구축하는 중급 AI 에이전트 서비스: RAG부터 멀티 에이전트까지

YoungJea Oh

chatGPT를 활용한 실무 활용 ALL-IN ONE 패키지

코멘토

생성형AI의 기초 활용법 부터 자동화 및 실무용 맞춤형 AI 챗봇 제작까지 모든 과정을 한번에 학습할 수 있습니다.

중급이상

챗봇, 인공지능(AI), ChatGPT

chatGPT를 활용한 실무 활용 ALL-IN ONE 패키지

코멘토

Spring WebFlux + LLM 실전 구현

John H

Spring WebFlux로 여러 기능을 만듭니다. 이 강의를 통해 WebFlux의 필수 개념과 실전 구현을 익힐 수 있습니다.

초급

Java, Spring, webflux

Spring WebFlux + LLM 실전 구현

John H

ChatGPT AI퀀트봇으로 코인 매매시그널 무한생성하기

MoneyPouch

ChatGPT와 파이썬을 활용해 코인 매매 시그널을 무한히 자동 생성하고, 이를 백테스팅 및 검증하는 과정을 실습을 통해 직접 구현해볼 수 있어요. 또, AI가 자동 생성한 모든 전략들을 합쳐 하나의 전략으로 만들고, 이를 활용해 실제 매매에 적용하는 방법을 배울 수 있어요.

입문

ChatGPT, algorithmic-trading, 투자

ChatGPT AI퀀트봇으로 코인 매매시그널 무한생성하기

MoneyPouch

일하는 방식, 생성형 AI로 갈아탔습니다

SKm&service

엑셀, 코딩, 앱 개발까지—AI와 함께라면 누구나 쉽게 시작할 수 있습니다. ChatGPT, 퍼플렉시티 등 생성형 AI 도구를 활용해 엑셀 자동화부터 파이썬 기초, 앱 만들기까지 실습 중심으로 익힙니다.

입문

업무 생산성, 인공지능(AI)

일하는 방식, 생성형 AI로 갈아탔습니다

SKm&service

GPT API를 활용한 Youtube 영상 요약 AI 만들기

Essential

복잡한 GPT API와 파이썬을 가장 쉽게 실습 중심으로 익히는 것을 목표로 합니다. 최신 ChatGPT API를 활용하여 유튜브 영상 요약 AI를 개발하고, 이를 Streamlit으로 구성해 웹 애플리케이션 형태로 구현합니다.

초급

Python, 빅데이터, 인공지능(AI)

GPT API를 활용한 Youtube 영상 요약 AI 만들기

Essential

일센스 터진다 – 진짜 실무에 먹히는 노코드 AI 데이터 분석(개발업무편)

SKm&service

코딩 몰라도 데이터는 읽는다, 일센스 터지는 노코드 AI 분석의 모든 것! 엑셀, PPT, 구글시트만 쓸 줄 알아도 이젠 데이터 분석, AI가 대신해드립니다.

입문

Excel, PowerPoint, Google Sheets

일센스 터진다 – 진짜 실무에 먹히는 노코드 AI 데이터 분석(개발업무편)

SKm&service

AI 기초-중급 4주 챌린지 - 15개 AI 툴을 한 번에! (상세 학습자료 + 과제 포함)

강슬기

AI 툴 뭐부터 배우지? 고민은 이제 그만! - 80명 수강생 평점 4.8 ⭐️⭐️⭐️⭐️⭐️ - 챗지피티, 클로드, 제미나이, 젠스파크, 노트북LM, 감마, 스카이워크, 마누스, 안티그래비티, 클로드코드, 미리캔버스, 오팔, 캡컷 등 - 15개 이상 툴의 핵심 기능을 20일에 걸쳐 정말 쉽게 알려드립니다. - 매주 과제를 수행하는 방식으로 '흘려듣는 강의'가 아닌 '체화할 수 있는 강의'를 제공합니다. - 프롬프트 작성 > 이미지 생성 > PPT와 영상 생성 > 바이브코딩까지 올인원 커버 - 4시간 분량 강의 영상 + 주차별 학습 자료 + 과제 인증 시스템

입문

gemini, 인공지능(AI), ChatGPT

AI 기초-중급 4주 챌린지 - 15개 AI 툴을 한 번에! (상세 학습자료 + 과제 포함)

강슬기

AI와 함께 배우는 Next.js

캡틴판교

복잡한 Next.js의 여러 개념들을 짧은 시간에 핵심만 배울 수 있어요. Next.js를 처음 배우는 분들을 위한 실무 필수 지식만 알려드립니다. 프레임워크 강의만 8년째 진행하는 캡틴판교의 Next.js 신규 강의. "AI 시대에 프런트엔드 개발자"의 코딩과 학습 방법을 배워볼 수 있어요! :)

입문

JavaScript, React, Next.js

AI와 함께 배우는 Next.js

캡틴판교

RAG 성능의 한계를 뚫는 인지 부하 관리 기술

수강 후 이런걸 얻을 수 있어요

🧭유의 사항

📋변경 이력

🔥LLM의 한계를 극복한 RAG 기술, RAG 기술의 한계를 극복할 인지 부하 관리 기술

🔍강의 소개

🎯이 강의로 배울 수 있는 내용

중요 개념

📚섹션별 소개

섹션 1. 강의 소개 및 기본 개념

섹션 2. 컨텍스트 창과 토큰 한계

섹션 3. 청킹 전략: 청크의 크기와 구조

섹션 4. 고품질 청크 생성 기법

섹션 5~10. RAG 파이프라인에의 통합

섹션 11~15. 동적 최적화 기법

섹션 16~20. 성능 평가 방법과 성능 평가 지표

섹션 21~24. 남은 과제와 미래 기술 전망

섹션 25~30. 프로젝트 수행 방법 소개

🏆기대 효과

이런 분들께
추천드려요

안녕하세요
아리가람입니다.

커리큘럼

수강평

아리가람님의 다른 강의

비슷한 강의

RAG 성능의 한계를 뚫는 인지 부하 관리 기술

수강 후 이런걸 얻을 수 있어요

🧭유의 사항

📋변경 이력

🔥LLM의 한계를 극복한 RAG 기술, RAG 기술의 한계를 극복할 인지 부하 관리 기술

🔍강의 소개

🎯이 강의로 배울 수 있는 내용

중요 개념

📚섹션별 소개

섹션 1. 강의 소개 및 기본 개념

섹션 2. 컨텍스트 창과 토큰 한계

섹션 3. 청킹 전략: 청크의 크기와 구조

섹션 4. 고품질 청크 생성 기법

섹션 5~10. RAG 파이프라인에의 통합

섹션 11~15. 동적 최적화 기법

섹션 16~20. 성능 평가 방법과 성능 평가 지표

섹션 21~24. 남은 과제와 미래 기술 전망

섹션 25~30. 프로젝트 수행 방법 소개

🏆기대 효과

이런 분들께 추천드려요

안녕하세요 아리가람입니다.

커리큘럼

수강평

아리가람님의 다른 강의

비슷한 강의

이런 분들께
추천드려요

안녕하세요
아리가람입니다.