강의

N
챌린지

멘토링

로드맵

Inflearn brand logo image
BEST
AI Development

/

AI Agent Development

RAG Master: From Basics to Advanced Techniques (feat. LangChain)

This lecture covers RAG (Retrieval-Augmented Generation) system fundamentals and implementation using LangChain. Participants will understand RAG's core principles and learn to build and evaluate systems using LangChain.

(5.0) 42 reviews

523 learners

  • pdstudio
이론 실습 모두
AI검색
RAG
LangChain
LLM
Chatbot
Python

Reviews from Early Learners

What you will learn!

  • Building a RAG System using LangChain

  • Mastering Effective Search and Generation Techniques

  • RAG System Performance Evaluation Methods

  • LangChain's LCEL grammar and Runnable usage

From RAG implementation to performance evaluation
Practical AI Development in 9 Hours

Advances in AI technology have increased the usability of RAG systems, but the process of learning and implementing them remains challenging. I, too, faced many challenges when first learning RAG, and that experience inspired me to plan this course.

The course focuses on building a working system based on step-by-step exercises. It covers not only basic implementations but also advanced techniques for improving search quality and performance evaluation, providing practical knowledge that can be applied directly to real-world projects.

Five months after launch
1590+ people took the course
Created the LLM series lectures
RAG lecture by knowledge sharer

Python & Langchain
Free basic lectures provided
Python Basics Course ▶
Langchain Basics Course ▶

For building a RAG system
Abundant learning materials
31 pages of summary material and
6 source code files

Lecture Points 💫

Building the foundation for RAG implementation

Simply following the code has its limitations. You need to understand the principles behind when and why you use each component . This course covers the fundamental concepts of RAG, its main components, and LCEL syntax , laying the foundation for implementing RAG . We also offer a free beginner-friendly course on Python and Langchain.

Improve RAG implementation capabilities with the latest modules and techniques

The RAG process consists of [document loading → text segmentation → embedding → vector storage → search → prompt → LLM → final result]. This lecture introduces various cutting-edge modules and techniques applicable to each process . In particular, you can experience advanced search techniques such as hybrid search, re-rank, and context compression to improve search performance.

10 Performance Evaluations for RAG Improvement

To enhance the RAG system, "evaluation and improvement" is essential. This lecture introduces five information retrieval methods to evaluate RAG's search performance. It also covers five response evaluation methods for RAG, including quantitative indicator-based evaluation methods and LLM-based evaluation methods.

Easy and clear explanations proven by numerous reviews

Many students have proven this

The course reviews are for courses opened by knowledge sharers as of September 24th.

Learn about these things

Understanding the basic concepts of RAG and LangChain

Understand the operating principles of the RAG system, learn LangChain's structure, and learn LCEL syntax. This will prepare you for a practical environment and provide fundamental knowledge that can be applied to various AI projects.

Hands-on : Installing LangChain, setting up the environment, and configuring a basic RAG pipeline.

Practice data processing and text segmentation techniques

You can handle various data formats (PDF, JSON, Web, etc.) and learn effective text segmentation techniques to efficiently manage large-scale data.

Hands-on training : Practice with various document loaders such as PyPDFLoader and CSVLoader, and apply text segmentation strategies (recursive segmentation, regular expression utilization, semantic segmentation).

Utilizing Embedding Models and Vector Storage

You can maximize RAG search performance by leveraging embedding models to convert text data into vectors and store them in a vector storage.

Hands-on training : Creating and searching Chroma and FAISS vector repositories, utilizing OpenAI, Huggingface, and Ollama embedding models.

RAG Search Performance Evaluation and Optimization

Evaluate RAG search performance using various information retrieval evaluation metrics and acquire optimization techniques that can be applied to actual projects.

Practical training : Search performance testing and evaluation (quantitative evaluation such as hit rate and MRR), optimization methods (query expansion, re-rank, context compression)

Generating and evaluating answers using LLM

You can generate answers for the RAG system using various LLMs and evaluate the quality of the answers using the LangChain evaluation tool.

Practice content : LLM integration practice, response evaluation using LangChain evaluation tool

Implementing a RAG-based chatbot using Gradio

Using Gradio, you can build RAG-based chatbot interfaces that interact with users and design real-time search and answer generation systems.

Hands-on : Implementing a RAG chatbot using Gradio, stream-based output, and adding chat history.

Screenshot 2024-09-14 10:41 AM

Things to note before taking the course

Practice environment

  • Operating System and Version (OS): Lectures will be conducted based on MacOS (Linux and Windows users can also practice)

  • Using a virtual environment: The course will proceed based on Poetry (conda and venv users can also practice)

  • Tools used: VS Code, OpenAI API, etc. require LLM authentication key (separate fee may apply)

  • PC specifications: Not applicable

  • LangChain version: v0.2.16 applied

Learning Materials

  • Providing materials required for practice (lecture notes, practice code)

  • (For beginners) Reference material provided on Wikidocs: https://wikidocs.net/book/14473

Player Knowledge and Precautions

  • Those with basic knowledge of Python (those who can do basic programming)

  • LangChain Basics for Beginners (Free Course): https://inf.run/Fzfhs


  • If you have any questions or comments, please feel free to ask.

Linked lecture information

  • RAG system implemented with AI agents (w. LangGraph)

  • An intelligent AI agent for augmented search generation (RAG) implemented with LangGraph.


    • Design and Implementation of an AI Agent Structure Using LangGraph

    • Applying AI agents to Retrieval-Augmented Generation (RAG)

    • Expanding the capabilities of AI agents by implementing tool calling functionality.

    • Mastering the latest agent RAG architectures, including Adaptive RAG, Self RAG, and Corrective RAG.

  • Link: https://inf.run/hTwjC

Recommended for
these people

Who is this course right for?

  • Those interested in RAG systems using LLM

  • Those wanting to start AI projects with LangChain

  • Those interested in learning RAG search and generation performance evaluation methods

Need to know before starting?

  • Python

  • LangChain Basics for Beginners (Lecture)

Hello
This is

13,691

Learners

479

Reviews

132

Answers

4.8

Rating

7

Courses

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]

 

[유튜브] 판다스 스튜디오 : https://youtube.com/@pandas-data-studio?si=XoLVQzJ9mmdFJQHU

Curriculum

All

79 lectures ∙ (8hr 42min)

Course Materials:

Lecture resources
Published: 
Last updated: 

Reviews

All

42 reviews

5.0

42 reviews

  • hanjin1.choi님의 프로필 이미지
    hanjin1.choi

    Reviews 1

    ∙

    Average Rating 5.0

    5

    30% enrolled

    • 박지웅님의 프로필 이미지
      박지웅

      Reviews 1

      ∙

      Average Rating 5.0

      5

      61% enrolled

      • 서성호님의 프로필 이미지
        서성호

        Reviews 1

        ∙

        Average Rating 5.0

        5

        100% enrolled

        다소 난이도 있는 강의이지만 상세한 예제를 이용해 이해하기 쉬운 교육이었습니다.

        • 판다스 스튜디오
          Instructor

          정말 감사합니다! 😊 더 좋은 강의를 준비해서 뵙겠습니다! 🌟

      • 박진영님의 프로필 이미지
        박진영

        Reviews 5

        ∙

        Average Rating 5.0

        5

        30% enrolled

        • 정윤구님의 프로필 이미지
          정윤구

          Reviews 2

          ∙

          Average Rating 5.0

          5

          30% enrolled

          $93.50

          pdstudio's other courses

          Check out other courses by the instructor!

          입문자를 위한 LangChain 기초Course Thumbnail

          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.

          Basic

          Basic

          LangChain, LLM, openAI API

          입문자를 위한 LangChain 기초Course Thumbnail

          입문자를 위한 LangChain 기초

          판다스 스튜디오

          graphRAG - Neo4J로 구현하는 지식 그래프 기반 RAG 시스템 (feat. LangChain)Course Thumbnail

          graphRAG - Neo4J로 구현하는 지식 그래프 기반 RAG 시스템 (feat. LangChain)

          판다스 스튜디오

          Neo4J로 구현하는 지식 그래프 기반 RAG 시스템: 단순 벡터 검색을 넘어 데이터 관계까지 활용하는 차세대 검색 기술 그래프 데이터베이스의 힘으로 RAG 성능 극대화하기!

          Basic

          Basic

          RAG, LangChain, neo4j

          graphRAG - Neo4J로 구현하는 지식 그래프 기반 RAG 시스템 (feat. LangChain)Course Thumbnail

          graphRAG - Neo4J로 구현하는 지식 그래프 기반 RAG 시스템 (feat. LangChain)

          판다스 스튜디오

          AI 에이전트로 구현하는 RAG 시스템(w. LangGraph)Course Thumbnail

          AI 에이전트로 구현하는 RAG 시스템(w. LangGraph)

          판다스 스튜디오

          랭그래프(LangGraph)로 구현하는 검색증강생성(RAG) 지능형 AI 에이전트! 이론부터 실전까지, 초보자도 쉽게 따라할 수 있는 핸즈온 튜토리얼입니다.

          Basic

          Basic

          AI Agent, LangGraph, RAG

          AI 에이전트로 구현하는 RAG 시스템(w. LangGraph)Course Thumbnail

          AI 에이전트로 구현하는 RAG 시스템(w. LangGraph)

          판다스 스튜디오

          입문자를 위한 Python 기초Course Thumbnail

          입문자를 위한 Python 기초

          판다스 스튜디오

          비전공 입문자를 위한 파이썬 기초 강의입니다. 실습자료는 깃헙(Github)을 통해서 제공합니다.

          Beginner

          Beginner

          Python

          입문자를 위한 Python 기초Course Thumbnail

          입문자를 위한 Python 기초

          판다스 스튜디오

          LLM 데이터 분석 - 웹 크롤링부터 추천 시스템까지Course Thumbnail

          LLM 데이터 분석 - 웹 크롤링부터 추천 시스템까지

          판다스 스튜디오

          초급자를 위한 쉬운 설명과 다양한 실습 프로젝트 중심으로 구성된 강의입니다. 웹 크롤링과 LangChain 도구로 데이터를 수집하고, LLM 활용하여 요약, 추출, 감성 분석, 추천 시스템을 다룹니다.

          Basic

          Basic

          LLM, LangChain, 웹 크롤링

          LLM 데이터 분석 - 웹 크롤링부터 추천 시스템까지Course Thumbnail

          LLM 데이터 분석 - 웹 크롤링부터 추천 시스템까지

          판다스 스튜디오

          프로젝트로 배우는 Python 챗봇 & RAG - LangChain, Gradio 활용Course Thumbnail

          프로젝트로 배우는 Python 챗봇 & RAG - LangChain, Gradio 활용

          판다스 스튜디오

          파이썬 기본 문법과 라이브러리를 활용해서 나만의 AI 챗봇을 직접 만들어 보세요. PDF 문서 기반의 RAG 등 5개의 프로젝트를 단계별로 수행하고, 웹 서비스로 배포하는 과정을 학습합니다.

          Basic

          Basic

          RAG, LangChain, LLM

          프로젝트로 배우는 Python 챗봇 & RAG - LangChain, Gradio 활용Course Thumbnail

          프로젝트로 배우는 Python 챗봇 & RAG - LangChain, Gradio 활용

          판다스 스튜디오

          Similar courses

          Explore other courses in the same field!

          노코드 자동화 입문부터 실전까지: n8n 완전정복 (한국 최초 n8n 앰버서더 직강)Course Thumbnail

          노코드 자동화 입문부터 실전까지: n8n 완전정복 (한국 최초 n8n 앰버서더 직강)

          데이터팝콘

          개발 지식 없어도 OK! 클릭 몇 번으로 완성하는 나만의 자동화 시스템을 만들어보세요.

          Basic

          Basic

          업무 생산성, n8n, ChatGPT

          노코드 자동화 입문부터 실전까지: n8n 완전정복 (한국 최초 n8n 앰버서더 직강)Course Thumbnail

          노코드 자동화 입문부터 실전까지: n8n 완전정복 (한국 최초 n8n 앰버서더 직강)

          데이터팝콘

          AI 에이전트로 구현하는 RAG 시스템(w. LangGraph)Course Thumbnail

          AI 에이전트로 구현하는 RAG 시스템(w. LangGraph)

          판다스 스튜디오

          랭그래프(LangGraph)로 구현하는 검색증강생성(RAG) 지능형 AI 에이전트! 이론부터 실전까지, 초보자도 쉽게 따라할 수 있는 핸즈온 튜토리얼입니다.

          Basic

          Basic

          AI Agent, LangGraph, RAG

          AI 에이전트로 구현하는 RAG 시스템(w. LangGraph)Course Thumbnail

          AI 에이전트로 구현하는 RAG 시스템(w. LangGraph)

          판다스 스튜디오

          AI 댓글 자동화 프로그램 개발 강의 (네이버 블로그)Course Thumbnail

          AI 댓글 자동화 프로그램 개발 강의 (네이버 블로그)

          김지유

          Chatgpt가 내 이웃이 쓴 글을 읽고 댓글을 달아주는 프로그램 마케팅 자동화, 이웃 관리 프로그램 개발 강의

          Basic

          Basic

          Python, 네이버 키워드 검색, 블로그

          AI 댓글 자동화 프로그램 개발 강의 (네이버 블로그)Course Thumbnail

          AI 댓글 자동화 프로그램 개발 강의 (네이버 블로그)

          김지유

          [Sionic MCP 시리즈 1] Model Context Protocol 을 이용하여 IntelliJ 와 코딩해보자!Course Thumbnail

          [Sionic MCP 시리즈 1] Model Context Protocol 을 이용하여 IntelliJ 와 코딩해보자!

          Sionic AI

          Model Context Protocol (MCP) 를 이용하여 IntelliJ와 연동하여 빠르게 개발할 수 있는 방법에 대해 핸즈온 하는 튜토리얼입니다.

          Beginner

          Beginner

          IntelliJ IDEA, LLM, 인공지능(AI)

          [Sionic MCP 시리즈 1] Model Context Protocol 을 이용하여 IntelliJ 와 코딩해보자!Course Thumbnail

          [Sionic MCP 시리즈 1] Model Context Protocol 을 이용하여 IntelliJ 와 코딩해보자!

          Sionic AI

          코딩 없이 AI 자동화 전문가가 되는 법, n8n 완벽 가이드Course Thumbnail

          코딩 없이 AI 자동화 전문가가 되는 법, n8n 완벽 가이드

          남박사

          요즘도 직접 코딩하시나요? 이젠 바이브 코딩도 귀찮은 시대! 코딩 없이 n8n으로 AI 자동화 전문가가 되어보세요. 실무에 바로 적용 가능한 자동화 워크플로우 설계 가이드 업무 효율을 극대화하는 실전 중심의 자동화 전략. n8n으로 직관적인 워크플로우를 구축하며, 업무 혁신을 경험해보세요

          Beginner

          Beginner

          n8n, 인공지능(AI), RAG

          코딩 없이 AI 자동화 전문가가 되는 법, n8n 완벽 가이드Course Thumbnail

          코딩 없이 AI 자동화 전문가가 되는 법, n8n 완벽 가이드

          남박사

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

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

          꿈꾸는범블비

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

          Basic

          Basic

          NLP, ChatGPT, LLM

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

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

          꿈꾸는범블비

          Spring AI 실전 가이드: RAG 챗봇 만들기Course Thumbnail

          Spring AI 실전 가이드: RAG 챗봇 만들기

          Sionic AI

          Spring AI로 AI를 다루는 가장 쉬운 방법을 배워봅니다. RAG 챗봇을 만들어보면서 Spring AI를 배워봅시다.

          Beginner

          Beginner

          Spring AI, LLM, RAG

          Spring AI 실전 가이드: RAG 챗봇 만들기Course Thumbnail

          Spring AI 실전 가이드: RAG 챗봇 만들기

          Sionic AI

          원고 생성기 프로그램 개발 강의 (Chatgpt api)Course Thumbnail

          원고 생성기 프로그램 개발 강의 (Chatgpt api)

          김지유

          Gold Rush 시대에는 금을 직접 캐는 것보단 금 캐는 도구를 파는게 더 부자가 되기 쉽다고 하네요. ChatGPT 대항해 시대에 프로그램 판매해보시는건 어떤가요?

          Basic

          Basic

          ChatGPT, AIPRM, REST API

          원고 생성기 프로그램 개발 강의 (Chatgpt api)Course Thumbnail

          원고 생성기 프로그램 개발 강의 (Chatgpt api)

          김지유

          진짜 현장에서 통하는 OCR, 이렇게 만듭니다.Course Thumbnail

          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.

          Basic

          Basic

          Python, 인공지능(AI), openai

          진짜 현장에서 통하는 OCR, 이렇게 만듭니다.Course Thumbnail

          진짜 현장에서 통하는 OCR, 이렇게 만듭니다.

          데이비드최

          Spring WebFlux + LLM 실전 구현Course Thumbnail

          Spring WebFlux + LLM 실전 구현

          John H

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

          Basic

          Basic

          Java, Spring, webflux

          Spring WebFlux + LLM 실전 구현Course Thumbnail

          Spring WebFlux + LLM 실전 구현

          John H

          [왕초보] [누적 5,000명+] Python 프로그래밍 기초 완성 로드맵Course Thumbnail

          [왕초보] [누적 5,000명+] Python 프로그래밍 기초 완성 로드맵

          Selena

          현업 데이터사이언티스트에게 배우는 파이썬 프로그래밍 기초 실습 강의! 누적 수강생 5,000명 이상이 선택한 이 강의에서는, Selena와 함께 파이썬의 기초부터 실습까지 단계별로 완성할 수 있습니다. 생성형 AI와 LLM 시대를 살아가는 지금, 반드시 익혀야 할 필수 언어는 바로 파이썬입니다. 수강생들의 높은 만족도를 바탕으로 강의 평점 5점 만점 중 5점을 받은 검증된 강의이며, 수강 시 언제든지 질문하고 소통할 수 있는 무제한 Q&A 오픈채팅방도 제공됩니다.

          Beginner

          Beginner

          Python, 머신러닝, 빅데이터

          [왕초보] [누적 5,000명+] Python 프로그래밍 기초 완성 로드맵Course Thumbnail

          [왕초보] [누적 5,000명+] Python 프로그래밍 기초 완성 로드맵

          Selena

          챗GPT와 파이썬으로 유튜브 AI 직원 만들기Course Thumbnail

          챗GPT와 파이썬으로 유튜브 AI 직원 만들기

          SungYong Lee

          GPT API를 활용한 프로그램을 만들고, 이미지 생성과 동영상 생성까지!

          Basic

          Basic

          ChatGPT, gpt, Python

          챗GPT와 파이썬으로 유튜브 AI 직원 만들기Course Thumbnail

          챗GPT와 파이썬으로 유튜브 AI 직원 만들기

          SungYong Lee

          CrewAI와 LLM으로 인공지능 판사 만들기Course Thumbnail

          CrewAI와 LLM으로 인공지능 판사 만들기

          아리가람

          LLM 기반 다중 에이전트 기술을 구현할 수 있게 하는 CrewAI, 지식 그래프, 추론 시스템을 결합해 인공지능 판사를 만들어 봅니다.

          Intermediate

          Intermediate

          인공지능(AI), LLM, AI Agent

          CrewAI와 LLM으로 인공지능 판사 만들기Course Thumbnail

          CrewAI와 LLM으로 인공지능 판사 만들기

          아리가람

          chatGPT를 활용한 실무 활용 ALL-IN ONE 패키지Course Thumbnail

          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.

          Intermediate

          Intermediate

          챗봇, 인공지능(AI), ChatGPT

          chatGPT를 활용한 실무 활용 ALL-IN ONE 패키지Course Thumbnail

          chatGPT를 활용한 실무 활용 ALL-IN ONE 패키지

          코멘토