소득공제
할루시네이션을 줄여주는 프롬프트 엔지니어링
랭체인, RAG, 에이전트로 신뢰성 있는 LLM 활용
- 베스트
- 인공지능 top100 5주
이미 소장하고 있다면 판매해 보세요.
- 국내배송만 가능
- 문화비소득공제 신청가능
상세 이미지
.jpg)
책소개
목차
|
[CHAPTER 01 프롬프트 엔지니어링 개요]
1.1 프롬프트 엔지니어링이란 1.2 대규모 언어 모델 1.3 기본 환경 설정 __Google Colaboratory __OpenAI API __Gemini API 1.4 LLM 실습 1.5 오늘날의 프롬프팅 기법들 __제로샷 및 퓨샷 프롬프팅 __CoT 프롬프팅 __검색 증강 생성 [CHAPTER 02 할루시네이션 예방 기법] 2.1 할루시네이션의 정의와 유형 2.2 할루시네이션 발생 유형 __사실적 할루시네이션 __논리적 할루시네이션 __문맥적 할루시네이션 2.3 할루시네이션을 예방하는 기술 __데이터 품질 개선 __모델 아키텍처 개선 __사후 검증 기법 __프롬프트 엔지니어링 기법 2.4 프롬프트 엔지니어링 기법 __셀프 어텐션 메커니즘 이해 __셀프 어텐션을 고려한 프롬프트 엔지니어링 __프롬프트 엔지니어링이 가능한 이유 2.5 자기 일관성 2.6 CoT 프롬프팅 2.7 지식 생성 프롬프팅 2.8 자기 검증 2.9 CoVe 프롬프팅 2.10 평가 및 진단 도구 __LLM 할루시네이션 평가의 필요성 __벤치마크 데이터셋 __오픈소스 진단 도구 __기업 환경에서의 활용 [CHAPTER 03 심화: 프롬프트 응용] 3.1 프롬프트 체인 __프롬프트 체인 개념 및 활용 __프롬프트 체인 구현 예제와 상세 분석 3.2 랭체인 프레임워크 __랭체인 도입 __랭체인 구성 요소 __랭체인 실습 3.3 ReAct __ReAct의 등장 배경 __ReAct의 구조 __ReAct 예제 3.4 리플렉션 __리플렉션의 메커니즘: 실행, 평가, 성찰, 그리고 기록 __리플렉션 예제 3.5 프롬프트 가드레일 __가드레일의 필요성 __가드레일 설계의 두 가지 접근법: 규범과 덕목 __[예제 1] ShieldGemma를 이용한 출력 콘텐츠 검증 __[예제 2] 다계층 가드레일 아키텍처 3.6 멀티 에이전트 시스템 __단일 에이전트 아키텍처의 본질적 한계 __멀티 에이전트 아키텍처 __주요 협력 패턴과 할루시네이션 제어 __멀티 에이전트 아키텍처 예제 3.7 도메인 특화 프롬프트 __도메인 특화 프롬프트의 이해 __도메인 특화 프롬프트 예제 3.8 LLM 시스템 평가와 관측 가능성 __무엇을, 왜, 어떻게 측정할 것인가? __오프라인 평가 파이프라인 구축 __평가 예제: 랭스미스를 이용한 RAG 시스템 진단 및 개선 [CHAPTER 04 그라운딩과 지식 통합] 4.1 그라운딩 개념과 필요성 4.2 검색 증강 생성 __RAG의 필요성 __RAG 아키텍처 __임베딩과 벡터 저장소 __데이터 처리 파이프라인 __RAG 예제 파이프라인 구축 __RAG, 할루시네이션을 어떻게 제어하는가? __RAG의 효과 4.3 데이터 통합과 지식 그래프 __지식 그래프 도입 __왜 RAG에 지식 그래프를 결합해야 하는가? __지식 그래프를 활용한 RAG 구현 패턴 __지식 그래프 RAG 구현하기: Text-to-Cypher __ 지식 그래프 구현 방식의 한계 4.4 그라운딩 기법을 고려한 체인 __RAG 체인 __라우터 체인 __자기 교정 RAG 루프 4.5 에이전트 디자인을 통한 지식 통합 __지식 통합을 위한 에이전트 도구 구성 __복합 질문을 해결하는 에이전트의 사고 과정 분석 __장기 기억과 지식 그래프의 결합 __랭체인 에이전트를 이용한 지식 통합 [CHAPTER 05 실전 프로젝트: 에이전트 만들기] 5.1 첫 번째 프로젝트: 나만의 백과사전 챗봇 5.2 두 번째 프로젝트: 실시간 질의응답 에이전트 5.3 세 번째 프로젝트: 주식 트렌드 분석 에이전트 5.4 프로젝트를 마무리하며 [부록: 고급 기법과 도구 소개] A 심화 프롬프팅 기법 B 주요 도구 및 라이브러리 C 책임감 있는 AI 구축 |
저자 소개1
10년 차 MLOps 엔지니어. Google Developer Expert (GDE) for AI/ML과 Google Cloud Champion Innovator로 활동하는 중이다. 뤼이드에서 테크 디렉터로서 MLOps 파이프라인 구축과 ML 비즈니스 기술 전략을 담당했으며 네이버 클로바 리서치 엔지니어, 심심이 소프트웨어 엔지니어로 근무한 바 있다.
개발자 커뮤니티의 적극적인 지지자로서 Golang Korea 커뮤니티 운영자이며, PyCon Korea에서 파이썬 관련 발표를 진행하는 등 지식 공유 활동을 지속하고 있다. 현재는 F-Lab의 파이썬, ML Engineering
10년 차 MLOps 엔지니어. Google Developer Expert (GDE) for AI/ML과 Google Cloud Champion Innovator로 활동하는 중이다. 뤼이드에서 테크 디렉터로서 MLOps 파이프라인 구축과 ML 비즈니스 기술 전략을 담당했으며 네이버 클로바 리서치 엔지니어, 심심이 소프트웨어 엔지니어로 근무한 바 있다.
개발자 커뮤니티의 적극적인 지지자로서 Golang Korea 커뮤니티 운영자이며, PyCon Korea에서 파이썬 관련 발표를 진행하는 등 지식 공유 활동을 지속하고 있다. 현재는 F-Lab의 파이썬, ML Engineering 멘토와 패스트캠퍼스 MLOps 강사로도 활동 중이다. LLM 구축과 프롬프트 엔지니어링을 통한 교육 분야 개선에 관심이 높으며, Gemma SFT의 다양한 활용 사례를 발굴하고 있다. 여러 국가에서의 기술 소통과 AI 기술 검증을 통해 실질적인 인사이트를 도출하는 것을 즐기며, 다양한 IT 프로젝트와 컨퍼런스를 통해 지식을 전파하고 있다.
개발자 커뮤니티의 적극적인 지지자로서 Golang Korea 커뮤니티 운영자이며, PyCon Korea에서 파이썬 관련 발표를 진행하는 등 지식 공유 활동을 지속하고 있다. 현재는 F-Lab의 파이썬, ML Engineering 멘토와 패스트캠퍼스 MLOps 강사로도 활동 중이다. LLM 구축과 프롬프트 엔지니어링을 통한 교육 분야 개선에 관심이 높으며, Gemma SFT의 다양한 활용 사례를 발굴하고 있다. 여러 국가에서의 기술 소통과 AI 기술 검증을 통해 실질적인 인사이트를 도출하는 것을 즐기며, 다양한 IT 프로젝트와 컨퍼런스를 통해 지식을 전파하고 있다.
한성민의 다른 상품
관련 분류
품목정보
- 발행일
- 2025년 09월 30일
- 쪽수, 무게, 크기
- 476쪽 | 183*235*18mm
- ISBN13
- 9791169214421
출판사 리뷰
|
프롬프트 한 줄부터 시작해
할루시네이션을 제어하는 LLM 서비스 완성까지 AI 엔지니어가 현재 직면한 과제는 ‘LLM의 창의성은 살리면서, 오류는 줄이는 것’이다. 이 책은 AI 분야에서 가장 난해한 문제인 할루시네이션을 해결하기 위한 체계적이고 실용적인 해법을 제공한다. 프롬프트 엔지니어링의 기본 원리부터 출발해 생각의 사슬(CoT), 자기 일관성(Self-Consistency), 검증의 사슬(CoVe), 리플렉션(Reflection) 같은 기법을 차례대로 익히며 모델 스스로 논리 흐름을 구조적으로 정리하거나 재검증하게 만드는 등 LLM의 능력을 극대화하는 다양한 방법을 배운다. 나아가 RAG, 지식 그래프, 멀티 에이전트 구조를 통해 신뢰성 높은 외부 지식과 검증 체계를 결합해 할루시네이션 없는 AI 서비스 아키텍처를 완성한다. 개인화 백과사전 챗봇, 실시간 QA 에이전트, 주식 트렌드 분석 에이전트 등 실제 프로젝트를 따라가다 보면 단순히 모델을 ‘호출’하는 수준을 넘어 신뢰할 수 있는 AI 서비스를 직접 만드는 경험을 쌓을 수 있다. ● Step 1 | LLM과 프롬프트 엔지니어링 기초 - 기본 개념 이해와 실습 환경 설정 ● Step 2 | 할루시네이션 예방 기법 - 자기 일관성, CoT, CoVe, 자기 검증, 지식 생성 프롬프팅 ● Step 3 | 프롬프트 응용 - 랭체인, ReAct, 리플렉션, 멀티 에이전트 설계 ● Step 4 | RAG와 지식 통합 - 외부 데이터 연동, 지식 그래프, 안정적 검색 ● Step 5 | 실전 프로젝트 - 개인화 챗봇, 실시간 Q&A, 트렌드 분석 에이전트 완성 ● Step 6 | 최신 기법과 도구 - 심화 프롬프팅 기법, 책임감 있는 AI 구현 전략 이 책의 대상 독자 ● 신뢰할 수 있는 AI 서비스 구축을 담당하는 개발자 ● LLM의 신뢰성과 정확성 향상에 관심이 많은 AI 엔지니어 및 MLOps 전문가 ● LLM을 활용한 고급 분석 기법을 학습하고자 하는 실무자 ● 파이썬과 머신러닝 지식을 바탕으로 LLM 활용 역량을 심화하고자 하는 전문가 먼저 읽은 베타리더들의 한 마디 ● 프롬프트 엔지니어링이라는 개념을 한 차원 더 높은 ‘AI 시스템 설계’의 영역으로 확장한다. RAG, 리플렉션, 멀티 에이전트 등 최신 기술을 풍부한 코드 예제와 함께 설명하는 부분은 이 책의 가장 큰 강점이다. _이석곤 님 ● 이제서야 할루시네이션에 제대로 초점을 맞춘 LLM 도서가 등장했다. 프롬프트 엔지니어링에 관심 있는 사람이라면 꼭 읽어야 할 책이다. _이장훈 님 ● 이론뿐만 아니라 실제 적용 사례까지 담겨 있어 AI를 보다 신뢰성 있게 활용하고자 하는 이들에게 유익한 길잡이가 되어줄 것이다. _신진욱 님 |
추천평
|
솔직히 말하면 (자연 지능을 가진) 저는 분위기에 어울리지 않게 이상한 말을 할 때가 너무 많습니다. 굳이 그러지 않아도 되는 상황인데도 어디서 시작되었는지 모를 말이 나도 모르게 입 밖으로 튀어 나와 버리고 맙니다. 그 순간 ‘아차’ 싶지만 이미 엎질러진 물이죠. 이 시대의 인공(!) 지능인 LLM도 비슷합니다. 맥락에 맞지 않는 말을 하거나 사실과 다른 이야기를 지어내기도 합니다. 사실 인간이 그렇듯이 이런 할루시네이션을 완전히 막을 방법은 없습니다.
하지만 다행히, 드디어 할루시네이션을 다루는 전문적인 프롬프트 엔지니어링 책이 나왔습니다. 할루시네이션의 종류와 다양한 해결책을 입문자도 이해하기 쉽게 단계적으로 설명하고 있어 흥미롭습니다. 또한 RAG, 랭체인, 에이전트와 같은 고급 도구와 함께 사용하는 방법도 소개하니 많은 분에게 큰 도움이 될 것 같습니다. 아, 부디 저의 자연 지능이 만들어내는 할루시네이션도 줄이는 방법이 있으면 좋겠습니다. - 박해선 (Google AI/Cloud GDE, Microsoft AI MVP) |
|
현대 AI가 피할 수 없는 버그이자 동시에 창의성의 원천인 할루시네이션은 AI를 제대로 다루기 위해 반드시 정복해야 할 과제입니다. 이 책은 할루시네이션 제어 능력을 기르기 위한 완벽한 지침서입니다. 프롬프트의 기초 원리부터 CoT, RAG, ReAct와 같은 업계 표준 기법, 자율 에이전트 시스템 구축을 통한 접근법, 그리고 할루시네이션 평가 방법론까지 다룹니다. 빠르게 발전하여 어디서부터 어떻게 시작해야 할지 막막한 AI 기술 분야에서, 독자가 방대한 지식을 헤매지 않고 쉽게 습득할 수 있도록 체계적인 길잡이가 되어줍니다. 뿐만 아니라 독자는 엔드 투 엔드 예제 프로젝트를 직접 따라 하며 이론을 실제 서비스에 적용하는 실전 감각까지 확실하게 익힐 수 있을 것입니다. - 박찬성 (한국전자통신연구원 선임연구원, HuggingFace Fellow)
|
|
이 책은 우리가 AI와 더 정확하고 효과적으로 소통하는 법을 알려주는 탁월한 안내서입니다. 할루시네이션을 단순한 오류가 아닌 LLM의 본질적 특징으로 정의하고, 이를 제어하기 위한 프롬프트 엔지니어링의 체계적인 방법론을 제시합니다. 자칫 복잡하고 막연하게 느껴질 수 있는 주제를 명쾌한 원리와 실전 프로젝트를 통해 끝까지 친절하게 안내하려는 저자의 노력이 돋보입니다. 독자들은 단순한 정보 검색을 넘어 AI가 스스로 추론하고 행동하며 학습하는 고급 에이전트 시스템을 어떻게 설계하는지, 전체적인 아키텍처를 깊이 있게 학습하게 됩니다. 특히 AI가 자신의 기억에만 의존하지 않고 외부의 검증된 자료를 찾아보고 답하게 만드는 방법을 상세히 다루어, LLM이 만들어내는 결과의 신뢰성을 공학적으로 확보하는 길을 명확히 보여줍니다.
이 책은 AI 시스템을 직접 구축하는 개발자와 아키텍트는 물론 최신 챗봇 빌더 서비스를 활용하는 기획자에게도 실질적인 지침을 제공합니다. 나아가 복잡한 코드를 넘어 AI의 작동 원리와 신뢰성을 깊이 이해하고 싶은 일반인들에게도 훌륭한 입문서가 될 것입니다. - 이준호 (인그래디언트 대표) |
28,800원
총 1개
28,800원
