30% 할인
11개 남음•전체 구매 적용쿠폰 받기
로드맵 코스
기본부터 성능 최적화까지
실무에서 통하는 진짜 RAG
RAG, 단순히 구현만 안다고 끝나는 기술이 아닙니다.
실무에서 진짜 효과적인 RAG 시스템을 만들기 위해선, 문서 분할, 임베딩, 벡터 검색 등 기초 원리의 깊은 이해는 물론, 사용자의 다양한 질문 흐름에 따라 유연하게 대응할 수 있는 설계 능력, 그리고 데이터 간의 관계를 구조화하여 더 정밀한 응답을 생성하는 역량까지 갖춰야 합니다.
3단계로 만나는 완벽 로드맵
이 로드맵은 RAG를 처음 접하는 입문자부터, 실제 프로젝트에 적용하고 싶은 실무자까지 모두를 위한 커리큘럼입니다. 순서대로 따라가기만 해도, RAG의 핵심 구조부터 최신 기법까지 한 흐름으로 완전 정복할 수 있습니다.
1단계: RAG 기초와 LangChain
강력한 RAG 시스템은 기초 설계에서 갈립니다. RAG시스템을 구성하는 각 요소의 역할과 흐름을 이해하고, 검색 성능을 높이는 최신 기법과 평가 방법까지 익히며 실무에 필요한 구현력과 개선 역량의 기반을 다집니다.
2단계: LangGraph를 활용한 AI 에이전트 통합
정적인 검색 시스템만으로는 복잡한 사용자 요구에 유연하게 대응하기 어렵습니다. LangGraph를 통해 RAG에 지능적인 흐름 제어와 판단 기능을 더함으로써, 실제 업무 시나리오에 가까운, 더욱 유연하고 확장성 높은 구조를 설계할 수 있습니다.
3단계: GraphRAG로 정밀하고 구조적인 검색 구현
정확하고 깊이 있는 응답을 위해서는 데이터 간 관계를 인식하고 활용할 수 있어야 합니다. GraphRAG은 검색 결과의 품질을 한층 끌어올릴 수 있는 구조화된 접근법으로, 단순 유사도를 넘어선 정밀한 정보 추론과 연결을 가능하게 합니다.
이런 내용을 배워요
벡터 검색과 임베딩, RAG 시스템 구현
텍스트를 벡터로 변환하고 의미적 유사성을 찾는 기본 원리 이해
문서 로드, 텍스트 분할, 임베딩, 벡터 저장, 검색 등 RAG의 핵심 프로세스를 이해하고 직접 구현
RAG 성능 평가와 최적화
RAG 시스템의 정량적/정성적 평가 방법론
하이브리드 검색, Re-rank, 맥락압축 등을 통한 검색 성능 향상
LangChain 평가도구 활용한 RAG 성능 평가
AI 에이전트 아키텍처
LangGraph를 활용한 지능형 의사결정 시스템 설계
Tool Calling으로 AI 능력 확장
에이전트 기반의 고급 RAG 기법 구현(Adaptive RAG, Self RAG, Corrective RAG)
지식 그래프 모델링
Neo4J로 구현하는 관계 기반 데이터 표현과 검색
다양한 도메인의 데이터로부터 지식 그래프(Knowledge Graph) 구축
기본 검색, 전문 검색(Full-text Search), 벡터 검색(Semantic Search), Text2Cypher 등 다양한 그래프 기반 검색 기법을 구현
로드맵 상세보기
총 3개 코스
랭그래프(LangGraph)로 구현하는 검색증강생성(RAG) 지능형 AI 에이전트! 이론부터 실전까지, 초보자도 쉽게 따라할 수 있는 핸즈온 튜토리얼입니다.
Neo4J로 구현하는 지식 그래프 기반 RAG 시스템: 단순 벡터 검색을 넘어 데이터 관계까지 활용하는 차세대 검색 기술 그래프 데이터베이스의 힘으로 RAG 성능 극대화하기!