소득공제
베스트셀러
랭체인으로 RAG 개발하기: VectorRAG & GraphRAG
파이썬, 오픈AI, Neo4j로 실습하며 개념과 원리를 이해하고, 오픈AI와 딥시크 비교 분석까지!
- 베스트
- IT 모바일 72위 IT 모바일 top100 1주
이미 소장하고 있다면 판매해 보세요.
- 국내배송만 가능
- 문화비소득공제 신청가능
이 상품의 태그
상세 이미지
책소개
목차
|
1장 VectorRAG & GraphRAG 개념 이해하기
1.1 RAG란 무엇인가? ____1.1.1 RAG란? ____1.1.2 RAG의 필요성 ____1.1.3 RAG 핵심 원리 ____1.1.4 RAG 구현 방법 1.2 VectorRAG란 무엇인가? ____1.2.1 벡터란? ____1.2.2 벡터 처리 과정 ____1.2.3 벡터 저장소 ____1.2.4 VectorRAG란? ____1.2.5 VectorRAG는 언제 사용하나요? 1.3 GraphRAG란 무엇인가? ____1.3.1 그래프란? ____1.3.2 GraphDB: Neo4j ____1.3.3 GraphRAG란? ____1.3.4 GraphRAG는 언제 사용하나요? 2장 OpenAI 개념과 원리 이해하기 2.1 OpenAI란? 2.2 OpenAI 모델 ____2.2.1 GPT 시리즈 ____2.2.2 ChatGPT ____2.2.3 DALL·E 시리즈 ____2.2.4 Whisper ____2.2.5 Sora ____2.2.6 임베딩 2.3 ChatGPT의 원리 ____2.3.1 트랜스포머란? ____2.3.2 트랜스포머가 등장한 이유 2.4 OpenAI 추론 모델: o3-mini ____2.4.1 추론을 해야 하는 질문 ____2.4.2 정답이 확실한 질문 2.5 OpenAI 모델 사용 시 고려사항 3장 DeepSeek 개념과 원리 이해하기 3.1 DeepSeek란? 3.2 DeepSeek가 부각된 배경 3.3 DeepSeek-R1의 원리 3.4 DeepSeek 모델 3.5 DeepSeek 모델 사용 시 고려사항 4장 실습 환경 준비하기 4.1 아나콘다 설치 및 구성 ____4.1.1 아나콘다 설치하기 ____4.1.2 아나콘다 가상 환경 구성하기 4.2 API 키 준비하기 4.3 DeepSeek 모델 준비하기 4.4 Neo4j 설치 및 구성하기 ____4.4.1 Neo4j 설치하기 ____4.4.2 Neo4j 사용 방법 익히기 ____4.4.3 Neo4j에서 Cypher 사용하기 5장 VectorRAG 실습: OpenAI API 사용 5.1 자동차 데이터 검색하기 5.2 웹 데이터 검색하기 5.3 PDF에서 다육이 데이터 검색하기 5.4 랭체인의 메모리 사용하기 5.5 여러 파일에서 데이터 가져와 검색하기 5.6 랭체인 & 라마인덱스 비교 5.7 VectorRAG에 부적합한 사례 6장 VectorRAG 실습: DeepSeek 모델 사용 6.1 자동차 데이터 검색하기 6.2 웹 데이터 검색하기 6.3 PDF에서 다육이 데이터 검색하기 6.4 랭체인의 메모리 사용하기 6.5 여러 파일에서 데이터 가져와 검색하기 7장 GraphRAG 실습 7.1 랭체인에서 그래프 사용하기 7.2 축구 데이터 검색하기 ____7.2.1 축구 데이터 생성하기 ____7.2.2 축구 데이터 검색하기 7.3 PDF 파일 불러와서 검색하기 7.4 영화 데이터 검색하기 ____7.4.1 영화 데이터 생성하기 ____7.4.2 영화 데이터 검색하기 7.5 자동차 데이터 검색하기 ____7.5.1 자동차 데이터 생성하기 ____7.5.2 자동차 데이터 검색하기 7.6 건강 데이터 검색하기 ____7.6.1 건강 데이터 생성하기 ____7.6.2 건강 데이터 검색하기 8장 Copilot과 GraphRAG 비교 및 RAG의 사회적 영향 8.1 Copilot에서 사용하는 그래프 기반 검색과 GraphRAG 비교 ____8.1.1 Copilot에서 사용하는 검색 ____8.1.2 일반적인 RAG와 Copilot 검색 비교 8.2 RAG 패러다임 이후: 다음 단계는? ____8.2.1 RAG의 한계와 발전 방향 ____8.2.2 AI Agent와 강화학습 8.3 RAG의 사회적 영향 ____8.3.1 신뢰성과 투명성 문제 ____8.3.2 AI의 윤리적 고려 사항 ____8.3.3 정책 및 규제 이슈 8.4 인간 삶의 변화 ____8.4.1 업무의 변화 ____8.4.2 개인 삶의 변화 찾아보기 |
저자 소개1
마이크로소프트에서 Data & AI Specialist로 근무 중이며, 정보관리기술사와 컴퓨터시스템응용기술사로 20년 넘게 IT 분야에서 일하고 있다. 고려대학교 대학원에서 빅데이터 및 인공지능에 대한 전문적인 연구를 진행하면서 『모두의 인공지능 기초 수학』(길벗, 2020), 『딥러닝 텐서플로 교과서』(길벗, 2021), 『딥러닝 파이토치 교과서』(길벗, 2022), 『챗GPT, 거부할 수 없는 미래』(길벗, 2023), 『랭체인으로 LLM 기반의 AI 서비스 개발하기』(길벗, 2024) 등을 저술했다.
서지영의 다른 상품
관련 분류
품목정보
- 발행일
- 2025년 04월 25일
- 쪽수, 무게, 크기
- 312쪽 | 183*235*13mm
- ISBN13
- 9791140713240
출판사 리뷰
|
개념과 원리를 핵심 위주로 간단하게!
기본 예제를 구현하며 배우는 RAG 입문! 이 책에서 다루는 내용: VectorRAG & GraphRAG LLM 관련 기술의 핵심은 RAG입니다. RAG는 데이터 성격에 따라 VectorRAG와 GraphRAG로 구분할 수 있습니다. 이 책은 RAG 개념을 비롯해, 비슷하면서도 서로 다른 VectorRAG와 GraphRAG의 개념과 원리를 비교하며 알아봅니다. 기존에 사용했던 일반적인 RAG인 VectorRAG 방식과 데이터 간의 관계를 파악하고 활용할 수 있는 GraphRAG 방식을 각각 어떤 시나리오와 데이터에서 활용하면 좋을지 살펴보고, 랭체인을 이용한 구현 방법도 알아봅니다. 이 책에서 다루는 내용: 오픈AI & 딥씨크 랭체인을 이용해 본격적으로 구현하기에 앞서 RAG에 주로 활용되는 모델을 살펴볼 텐데, 이 책에서는 오픈AI 모델과 추론 모델, 그리고 오픈 소스인 딥씨크 모델의 원리와 배경에 대해 간단히 훑어봅니다. 이어서 VectorRAG를 구현한 동일한 랭체인 코드에서 오픈AI 모델과 딥씨크 모델을 각각 사용해볼 것입니다. 이로써 실제로 두 모델의 성능 차이가 어떤지 비교해볼 수 있습니다. 딥씨크 모델은 안전하게 사용하기 위해 Ollama를 통해 로컬에 내려받아 실행합니다. 이 책의 실습 시나리오: 기초 예제 구현하기 다양한 시나리오로 랭체인을 이용해 RAG를 구현해봅니다. 예제는 누구나 따라할 수 있고, 가장 기본이 되는 쉬운 기초 예제로 준비했으며, 오픈AI 모델과 딥씨크 모델의 차이 & VectorRAG와 GraphRAG의 차이를 이해할 수 있습니다. 마지막으로 코파일럿에서도 Vector 검색과 Graph 검색이 활용되므로, 코파일럿에서 사용하는 검색 방식과 VectorRAG, GraphRAG의 차이를 간단히 비교해봅니다. [VectorRAG 예제] ㆍ 자동차 데이터 검색하기 ㆍ 웹 데이터 검색하기 ㆍ PDF에서 데이터 검색하기 ㆍ 랭체인 메모리 사용하기 ㆍ 여러 파일에서 데이터 가져와 검색하기 [GraphRAG 예제] ㆍ 축구 데이터 검색하기 ㆍ PDF 파일 불러와서 검색하기 ㆍ 영화 데이터 검색하기 ㆍ 자동차 데이터 검색하기 ㆍ 건강 데이터 검색하기 [지은이 서문] 이 책은 다음과 같은 분들을 위해서 만들었습니다. ㆍ VectorRAG와 GraphRAG의 차이를 알고 싶은 사람 ㆍ VectorRAG와 GraphRAG의 구현 방법을 알고자 하는 개발자 ㆍ OpenAI와 DeepSeek의 차이를 알고 싶은 사람 ㆍ OpenAI와 DeepSeek의 성능 차이를 확인하고 싶은 사람 아무리 LLM 기반 기술이 발전하더라도, RAG는 그 근본이 되는 핵심 개념이라 할 수 있습니다. 특히 RAG에서 중요한 역할을 하는 것이 바로 VectorRAG와 GraphRAG입니다. 이 개념을 이해하고 있다면 이후에 등장하는 다양한 기술도 어렵지 않게 따라갈 수 있을 것입니다. 이 책이 그런 기초를 다지는 데 도움이 되기를 바랍니다. |
26,100원
총 1개
26,100원
