소득공제
이토록 쉬운 RAG 시스템 구축을 위한 랭체인 실전 가이드
LLM 기초부터 모델 API, 벡터 DB, 임베딩, AI Agent까지
- 베스트
- IT 모바일 top20 1주
이미 소장하고 있다면 판매해 보세요.
- 국내배송만 가능
- 문화비소득공제 가능
이 분야의 이벤트
상세 이미지
책소개
목차
|
CHAPTER 01 - LLM 훑어보기
1.1 생성 AI 열풍의 주역, LLM __규칙 기반 자연어 처리, 최초 AI 챗봇 ELIZA __통계 기반 자연어 처리, N-gram의 등장 __딥러닝과 NLP의 발전, CNN & RNN & LSTM __언어 모델의 혁신, 트랜스포머 __Scale is all you need, LLM의 시작 1.2 LLM 개발의 양대 산맥, 오픈 소스 LLM과 Closed LLM __어떤 LLM을 선택하느냐가 AI 서비스의 핵심 __오픈 소스 LLM vs Closed LLM __글로벌 오픈 소스 LLM 생태계 __국내 오픈 소스 LLM 생태계 1.3 한눈에 살펴보는 LLM의 활용 현황 __생성 AI 기반 대화형 검색 서비스, Perplexity __마케팅 AI 코파일럿, Jasper __자동화를 AI로 더욱 쉽게 만들다, Zapier __전천후 CRM 코파일럿, 세일즈포스의 아인슈타인 __개발자의 필수 AI 코딩 도구, 깃허브 코파일럿 __쉽고 빠른 데이터 분석, 태블로 AI __누구나 디자이너가 될 수 있는 도구, Adobe Firefly CHAPTER 02 - RAG와 친해지기 2.1 RAG 시스템이란? __LLM 최대의 약점, 환각 현상 __컨텍스트 윈도우 제한 문제 __LLM API의 기억상실증 문제 __환각 현상을 극복한 RAG의 등장 2.2 RAG vs 파인튜닝 CHAPTER 03 - LLM 시작하기 3.1 랭체인이란? __랭체인의 개념과 구성 요소 __랭체인으로 구축 가능한 서비스, ChatPDF 3.2 랭체인을 통한 LLM 활용하기 __LLM API 호출의 기초 __프롬프트의 세 가지 형태 __LLM의 Temperature 이해하기 __ChatGPT처럼 답변 스트리밍하기 __응답을 캐싱하여 더 빠르게 응답받기 3.3 프롬프트 입력이 더 편리한 Prompt Template __PromptTemplate과 ChatPromptTemplate __퓨샷 예제를 통한 프롬프트 템플릿 __부분적인 처리가 가능한 Partial 프롬프트 템플릿 3.4 LLM의 답변을 원하는 형태로 조정하는 Output Parser __쉼표로 구분된 리스트를 출력하는 CSV 파서 __날짜 형식만 출력하는 Datetime 파서 __시스템 통신의 기본 형식을 위한 JSON 파서 CHAPTER 04 - RAG으로 다양한 문서 다루기 4.1 Document Loaders 알아보기 __RAG를 위한 Document 객체의 이해 4.2 PDF 파일을 Document로 불러오기 __PyPDFLoader __PyPDFium2 __PyPDFLoader와 PyPDFium2 처리 시간 비교 __PDF Loader 비교 4.3 여러 파일을 Document로 불러오기 __Word 파일 불러오기, Docx2txtLoader __CSV 파일 불러오기, csv_loader __PPT 파일 불러오기, UnstructuredPowerPointLoader __인터넷 정보 로드하기, WebBaseLoader __특정 경로 내의 모든 파일 불러오기, DirectoryLoader 4.4 문서를 다양하게 자르는 Text Splitters __벡터 DB의 저장 과정 __적당한 크기로 문서를 분할하는 Text Splitters __글자 수로 분할하는 CharacterTextSplitter __재귀적으로 텍스트를 분할하는 RecursiveCharacterTextSplitter __문맥을 파악해 분할하는 SemanticChunker CHAPTER 05 - RAG 활용하기 5.1 텍스트를 숫자로 바꾸는 텍스트 임베딩 __임베딩 모델이란? __Open source와 Closed source 5.2 문서 벡터 저장소, Vector Stores __벡터 DB의 종류 __Chroma DB란? __Chroma DB 문서 저장 및 유사 문서 검색 __Chroma DB API를 활용한 문서 관리 5.3 RAG의 문서 검색기, Retriever __벡터 DB 기반의 Retriever __사용자의 쿼리를 재해석해 검색하는 MultiQueryRetriever __문서를 여러 벡터로 재해석하는 MultiVectorRetriever __컨텍스트를 재정렬하는 Long-Context Reorder 5.4 랭체인을 표현하는 언어, LCEL __쉬운 코드 작성과 효과적인 모듈 관리 __LCEL로 기본 체인 구성 __스트리밍 기능을 쉽게 추가하는 stream() __여러 개 API를 요청하고 받는 batch() 5.5 기본 RAG 시스템 구축하기 __RAG 시스템 구축하기 1 - 기본적인 QA 체인 구성 __RAG 시스템 구축하기 2 - Memory 기능 구축 __Open source LLM으로 RAG 구축하기 CHAPTER 06 - RAG 완전 정복하기 6.1 Streamlit으로 RAG 챗봇 만들기 __Streamlit 실행하기 __Streamlit chat 기능 설정 6.2 대화 기능 추가하기 6.3 파일 업로드 기능 구현하기 6.4 고급 기능을 더해 RAG 챗봇 완성하기 6.5 Streamlit에서 배포하기 __애플리케이션 준비 __깃허브 세팅하기 __Streamlit Cloud로 배포하기 6.6 LLM의 한계를 너머, Tool & Agent __단계별 추론 CoT와 ReAct __랭체인으로 인터넷 검색 Agent 구축하기 __랭체인으로 벡터 DB 및 인터넷 검색 Agent 완성하기 |
저자 소개 1
국내 대기업에서 RAG 관련 AI 애플리케이션 개발과 AI 산업 컨설팅을 주도적으로 수행하며 AI 컨설턴트로 활동 중이다. 유튜브 채널 ‘모두의 AI’를 통해 최신 AI 기술(RAG, AI Agent, LLM 기반 NLP) 강의뿐만 아니라, AI 에이전트 관련 온?오프라인 강의를 수행하며 AI 기술을 누구보다 빠르고 쉽게 전파하고자 노력하고 있다. 그동안의 경험과 유튜브 채널에서 진행한 RAG 강의를 토대로 책을 집필하게 되었다.
품목정보
- 발행일
- 2024년 10월 30일
- 쪽수, 무게, 크기
- 278쪽 | 170*232*20mm
- ISBN13
- 9791193083239
출판사 리뷰
|
LLM의 기초부터 제대로 시작하는
랭체인 실전 가이드! AI 분야는 변화의 속도가 매우 빠른 만큼 실제 기업에서 쓰고 있는 기술과 가이드가 필요합니다. 이 책은 현직 AI 컨설턴트이자 AI 애플리케이션 전문 개발자의 풍부한 경험을 바탕으로 탄생했습니다. LLM에 처음 입문한 사람도 이해할 수 있을 만큼의 쉬운 커리큘럼과, 실무에서 유용하게 쓸 수 있는 랭체인 시스템 구축의 노하우를 모두 담았습니다. LLM의 다양한 케이스 스터디와 랭체인의 고급 방법론까지 다루며 완성도 높은 RAG 시스템을 구축해볼 수 있습니다. ★이 책에서 배울 수 있는 내용★ * 랭체인을 통한 LLM 활용: Language Models, Prompt Template, Output Parser * RAG을 활용한 다양한 문서 처리: Document Loaders, Text Splitters * RAG 실전 프로젝트 실습: 임베딩, 벡터 DB, Retriever, LCEL, Chains, Memory * RAG 시스템 구축 및 배포: Streamlit, Ollama, Tool & AI Agents * 그 외 Langchain, OpenAI, Claude, GPT-4o, Hugging Face 등의 모델 활용! ★이 책이 필요한 독자★ * LLM의 기초를 채우면서 랭체인을 활용한 AI 개발에 도전하는 예비 개발자 * 최신 AI 생성 기술과 프로젝트를 서비스에 접목하고 싶은 현직 개발자 * 다양한 모델 API를 실습하고 실제 프로젝트에 적용해보고 싶은 누구나! |
추천평
|
‘모두의 AI’ 유튜브 채널을 통해 이미 많은 사랑을 받고 있는 저자의 탁월한 설명이 고스란히 담긴 책입니다. 복잡하고 어려울 수 있는 AI 개념들을 마치 친근한 선배가 옆에서 차근차근 설명해주는 듯 풀어낸 것이 인상적입니다. 특히 입문자들을 위해 각 장의 시작부터 기본 개념을 꼼꼼히 설명하고, 단계적으로 심화 내용으로 나아가는 구성을 통해 자연스럽게 LLM과 RAG 시스템의 세계로 빠져들게 됩니다.
이 책의 가장 큰 장점은 실습 중심의 접근법입니다. 단순히 이론을 나열하는 데 그치지 않고, 독자들이 이해할 수 있는 쉬운 코드로 배울 수 있도록 안내합니다. PDF 파일 처리부터 시작해 Streamlit을 이용한 챗봇 개발과 최종 서비스 배포까지, 실무에서 즉시 활용 가능한 기술들을 상세히 다루고 있어 이론과 실제의 간극을 효과적으로 좁혀줍니다. 또한 기본 사용법에 그치지 않고, 고급 방법론들도 다룹니다. 이러한 방법론들을 통해 더 나은 서비스를 만들기 위한 독자들의 고민을 덜어줍니다. LLM과 RAG 시스템을 처음 접하는 입문자부터 실제 프로젝트에 적용하고자 하는 개발자까지 폭넓은 독자층에게 큰 가치를 제공할 책입니다. 저자만의 친절하고 명확한 설명을 따라가다 보면, 어느새 여러분도 랭체인을 자신 있게 다룰 수 있을 것입니다. 랭체인의 세계로 첫 발을 내딛는 분들에게, 그리고 이미 AI를 다루고 있지만 더 깊이 있는 이해가 필요한 분들에게 이 책을 진심으로 추천드립니다. - 테디노트 (IT 크리에이터) |
|
빠르게 변화하는 AI 시대 속에서 효과적으로 AI를 활용할 수 있는 방법을 명확히 제시하는 책은 많지 않지만, 《RAG 시스템 구축을 위한 랭체인 실전 가이드》는 AI 시스템을 실제 업무에 적용하려는 분석가들에게 매우 유용한 가이드입니다.
이 책은 최신 프레임워크인 랭체인을 기반으로 실습 중심의 RAG 시스템 구축 방법을 설명하고, 복잡한 개념도 쉽게 이해할 수 있도록 구성되었습니다. 저자의 풍부한 실무 경험이 반영된 예제와 설명뿐만 아니라, 현장에서 AI를 바로 적용할 수 있는 실용적인 팁들도 다수 포함되어 있어 대규모 데이터 처리나 복잡한 문제 해결이 필요한 실무 환경에서 큰 도움이 될 것입니다. 또한 LLM의 한계를 RAG로 보완하는 방법은 AI를 활용하려는 실무자들에게 올바른 방향을 제공할 것이라 확신합니다. AI 시스템 구축을 고민하는 모든 분들께 이 책을 강력히 추천합니다. - 박연서 (LG전자 데이터 분석가) |
23,400원
총 1개
23,400원
