lnb영역
수강신청
컨텐츠 내용
- 수강신청
- 과정정보
[비환급] [IT 마스터 클래스] LangChain을 활용한 RAG의 모든 것!_기초편
| 과정소개 | RAG는 이제 선택이 아니라, 생성형 AI 도입의 기본 구조입니다. |
|||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 학습목표 | 1. LLM 개요 및 ChatGPT의 동작 원리에 대해 설명할 수 있다. 2. RAG의 정의와 필요성에 대해 설명할 수 있다. 3. Document Parsing, Text Chunking 전략, Embedding과 Vector DB 적재, Vector Search & Retriever 구현 등 다양한 실습을 통해 실무에 적용할 수 있다. |
|||||||||
| 교육대상 | SW개발자 LLM과 RAG 구조를 체계적으로 정리하고 싶은 개발자 LLM의 한계를 극복하고 정확한 정보 검색과 응답 생성을 결합하려는 데이터 전문가들 |
|||||||||
| 수료기준 |
✔ 수료기준은 진도율 80%이상, 총 환산 점수 0점 이상입니다
|
|||||||||
| 교재정보 |
테디노트의 랭체인을 활용한 RAG 비법노트: 기본편
34,000원
★ 8단계 RAG 파이프라인으로 LLM의 성능을 50점에서 90점으로 끌어올리는 RAG 시스템!
ChatGPT와 같은 LLM은 다양한 업무에 활용되지만, 최신 정보나 특정 문서 내용을 정확히 반영하지 못하는 한계가 있다. 이를 극복하는 대안이 RAG(검색 증강 생성) 기술이다. 이 책은 LangChain을 활용한 RAG 시스템을 ‘문서 로드 → 텍스트 분할 → 임베딩 → 벡터 저장 → 리트리버 검색 → 프롬프트 생성 → LLM 응답 생성 → 체인 구성’의 8단계로 정리하고 각 단계를 하나하나 실습하며 익힌다. 이 과정에서 LCEL 문법, 프롬프트 설계, 출력 포맷 처리법을 배우며, OpenAI, Hugging Face, Upstage, Ollama 등 다양한 모델과 연결하는 방법도 익힐 수 있다. 또한 Streamlit을 활용해 문서 검색, 이메일 자동화, 보고서 작성 챗봇, 멀티모달 챗봇 등 실무에 적용 가능한 다양한 웹 애플리케이션을 어렵지 않게 직접 제작할 수 있다.
|
| 차시 | 강의명 |
|---|---|
| 1차시 | 기초 환경설정 |
| 2차시 | LLM 개요 및 ChatGPT의 동작 원리 |
| 3차시 | GPT의 사전 훈련 방법과 Hallucination |
| 4차시 | RAG의 정의와 필요성 |
| 5차시 | Document Parsing 전략과 실습 |
| 6차시 | Text Chunking 전략과 실습 |
| 7차시 | Embedding과 Vector DB 적재 |
| 8차시 | Vector Search와 Retriever 구현 |
| 9차시 | RAG Pipeline 구현 실습 (1) |
| 10차시 | RAG Pipeline 구현 실습 (2) |
