인프런 영문 브랜드 로고
인프런 영문 브랜드 로고

모두를 위한 대규모 언어 모델 LLM Part 6 - 프로젝트로 배우는 LangGraph를 이용한 AI 에이전트 구현

LangGraph를 이용해서 다양한 AI 에이전트 구현 프로젝트를 진행하면서 LangGraph를 이용해서 실용적인 AI 에이전트는 만드는 방법을 학습합니다.

중급자를 위해 준비한
[LangGraph, AI Agent] 강의입니다.

이런 걸 배울 수 있어요

  • LangGraph로 AI 에이전트를 구현하는 법

  • 다양한 실용적인 AI 에이전트를 구현하는 법

  • AI 에이전트의 실용적인 활용사례

  • 다양한 AI 에이전트 아키텍처

테크업계의 메가트렌드 AI 에이전트! 
다양한 프로젝트를 통해 실용적인 AI 에이전트를 구현하는 방법을 학습해보세요! 

프로젝트를 통해 다양한 AI 에이전트를 만들어보면서
LangGraph를 이용한 실용적인 AI 에이전트 구현방법을 학습해봅시다!

다양한 실용적인 AI 에이전트를 만들어보면서 LangGraph를 이용해서 AI 에이전트를 만드는 방법들을 차근차근 학습합니다.

  • ✅ 랭그래프(LangGraph) 라이브러리를 이용해서 AI 에이전트를 구현하는 방법을 학습합니다.
  • ✅ 다양한 프로젝트를 통해 AI 에이전트 구현 방법들을 학습합니다.

구현 프로젝트 소개 😊

AI 뉴스 서비스 - 해외 뉴스 번역 및 요약
AI를 이용해서 해외 뉴스기사를 크롤링한뒤 한국어 번역 및 요약,
키워드 추출, 감정분석 등을 진행하고 성능을 평가해봅니다.
 

유튜브 요약 서비스 - 유튜브 영상 번역 및 요약
AI를 이용해서 유튜브 영상 대본을 크롤링한뒤 한국어 번역 및
내용 요약을 진행하고 성능을 평가해봅니다.
 

네이버 블로그 포스팅 생성 서비스 - 자동화된 블로그 글쓰기
AI를 이용해서 네이버 블로그 포스팅 목차를 생성한뒤
자동화된 블로그 글쓰기를 진행하고 성능을 평가해봅니다.
 

시장 요약 서비스 - 주식 시장 주요 정보 요약
AI를 이용해서 주식 시장의 주요 정보들을 크롤링한뒤
요약 및 시각화를 진행하고 성능을 평가해봅니다.
 
 

어떤 분들을 위한 강의인가요?

실용적인 AI 에이전트를 만들어보고 싶은 분

LangGraph를 이용해서 나만의 AI 에이전트를 만들어보고 싶은 분 

LangGraph 구현 능력을 향상 시키고 싶은 분

최신 LLM 모델을 이용한 서비스를 개발해보고 싶은 분


 

선수 과정 ✅

👋 본 강의는 Python, 자연어처리(NLP), LLM, 랭체인(LangChain), LangGraph에 대한 선수지식이 필요한 강의입니다. 반드시 아래 강의를 먼저 수강하시거나 그에 준하는 지식을 갖춘 뒤 본 강의를 수강하세요.


Q&A 💬

Q. 프로젝트를 통해 LangGraph를 이용한 AI 에이전트 구현 방법을 학습하면 좋은점이 무엇인가요?

LangGraph는 복잡한 AI 에이전트를 유연하게 구성할 수 있는 강력한 프레임워크로, 최근 AI 에이전트 개발의 핵심 도구로 주목받고 있습니다.

프로젝트 기반으로 LangGraph를 학습하면 다음과 같은 장점이 있습니다: 

1. 실전 중심의 학습:

단순히 이론을 배우는 데 그치지 않고, 직접 동작하는 AI 에이전트를 만들어보면서 실무 감각을 익힐 수 있습니다. 실무에 바로 투입 가능한 역량을 쌓을 수 있습니다.

2. 복잡한 에이전트 로직 설계 경험:

LangGraph를 사용하면 멀티스텝 추론, 분기 처리, 상태 기반 흐름 등 복잡한 로직을 시각적이고 명확하게 구성할 수 있습니다. 이를 통해 고도화된 에이전트를 설계하고 구현하는 능력을 기를 수 있습니다.

3. LangChain 생태계에 대한 이해 확장:

LangGraph는 LangChain 기반으로 동작하기 때문에, 자연스럽게 LangChain의 핵심 개념들과 다양한 툴 활용법도 함께 익힐 수 있습니다.

4. 최신 기술 트렌드 습득:

AI 에이전트는 앞으로 다양한 서비스에 적용될 핵심 기술입니다. LangGraph는 이 흐름 속에서 빠르게 확산되고 있는 도구로, 미리 익혀두면 경쟁력을 높일 수 있습니다.

5. 포트폴리오로 활용 가능:

프로젝트를 통해 만든 결과물은 나만의 포트폴리오로 활용할 수 있어, 취업이나 커리어 전환 시 강력한 무기가 됩니다.

Q. 선수 지식이 필요한가요?

본 [모두를 위한 대규모 언어 모델 LLM Part 6 - 프로젝트로 배우는 LangGraph를 이용한 AI 에이전트 구현] 강의는 랭그래프(LangGraph) 라이브러리와 LLM을 이용해서 AI 에이전트를 구현하는 프로젝트 실습을 다루고 있습니다. 따라서 Python, 자연어처리, LLM, 랭체인(LangChain), 랭그래프(LangGraph)에 대한 기초지식을 가지고 있다는 가정하에 강의가 진행됩니다. 따라서 선수지식이 부족하다면 반드시 선행 강의인 [모두를 위한 대규모 언어 모델 LLM Part 5 - LangGraph로 나만의 AI 에이전트 만들기] 강의를 먼저 수강하시길 바랍니다.

이런 분들께
추천드려요!

학습 대상은
누구일까요?

  • LangGraph를 이용해서 나만의 AI 에이전트를 만들어보고 싶은 분

  • 딥러닝 연구 관련 직종으로 취업을 원하시는 분

  • 인공지능/딥러닝 관련 연구를 진행하고 싶은 분

  • 인공지능(AI) 대학원을 준비 중이신 분

  • 실용적인 AI 에이전트를 구현해보고 싶은 분

선수 지식,
필요할까요?

  • Python 사용 경험

  • 선수강의 [모두를 위한 대규모 언어 모델 LLM Part 5 - LangGraph로 나만의 AI 에이전트 만들기] 수강경험

안녕하세요
AISchool입니다.

8,398

수강생

591

수강평

345

답변

4.6

강의 평점

28

강의

더보기

커리큘럼

전체

25개 ∙ (4시간 51분)

강의 게시일: 
마지막 업데이트일: 

수강평

전체

2개

4.5

2개의 수강평

  • 멍멍이망고님의 프로필 이미지
    멍멍이망고

    수강평 5

    평균 평점 5.0

    수정됨

    5

    100% 수강 후 작성

    선수강의인 LangGraph 강의를 수강했다면 정말 가볍게 볼 수 있는 내용입니다. 선수 강좌에서는 논문을 참고하며 다양한 아키텍처를 구현하면서 학습이 잘 됐는데, 오히려 현 강의에서는 간단한 그래프 위주의 내용이어서 김이 조금 샌 부분이 있습니다. 현 강의는 시중에서 제공되는 다양한 AI서비스를 따라서 구현하는 클론 프로젝트 중심인데, 그만큼 시중에 있는 AI 서비스가 생각보다 간단한 것이라고 생각해도 될 것 같네요. 공부가 목적이라면 선수 강의를 더 추천하고, 실무에 쉽고 효율적으로 바로 써먹는 것이 목적이라면 현 강의가 더 좋아보이긴 합니다! 그리고 강의를 진행하시면서 결과를 단순히 확인하거나 비교만 하는 과정에서 쭉 읽어나가시기만 하는 부분이 꽤 많았는데, 학습하는 입장에서는 비효율적으로 느껴졌습니다. 그래도 그런 부분은 알아서 스킵하면서 필요한 부분 잘 참고하면서 수강 했습니다. 좋은 내용 감사해요!

    • 용용용!!님의 프로필 이미지
      용용용!!

      수강평 10

      평균 평점 4.5

      4

      60% 수강 후 작성

      AISchool님의 다른 강의

      지식공유자님의 다른 강의를 만나보세요!

      비슷한 강의

      같은 분야의 다른 강의를 만나보세요!

      연관 로드맵

      강의가 포함된 로드맵으로 학습해 보세요!

      월 ₩15,400

      5개월 할부 시

      ₩77,000