인프런 영문 브랜드 로고
인프런 영문 브랜드 로고
채널톡 아이콘
NEW

graphRAG - Neo4J로 구현하는 지식 그래프 기반 RAG 시스템 (feat. LangChain)

Neo4J로 구현하는 지식 그래프 기반 RAG 시스템: 단순 벡터 검색을 넘어 데이터 관계까지 활용하는 차세대 검색 기술 그래프 데이터베이스의 힘으로 RAG 성능 극대화하기!

초급자를 위해 준비한
[AI · ChatGPT 활용, RAG] 강의입니다.

이런 걸 배울 수 있어요

  • Neo4J 그래프 데이터베이스를 활용한 지식 그래프 구축 방법

  • 지식 그래프(Knowledge Graph)를 RAG에 적용하는 방법

  • 랭체인(LangChain)과 Neo4J를 연동하여 그래프 기반 검색 시스템 구현

  • 다양한 검색 기법(기본 검색, 전문 검색, 벡터 검색) 활용 및 통합

  • Text2Cypher 기법을 통한 자연어 질의의 그래프 쿼리 변환

오픈 기념 이벤트 🎉

오뜨 띠배너 (51)

RAG입문 + AI에이전트 + GraphRAG로 구성된 올인원 로드맵을 할인된 가격에 만나보세요 :)
363,000원 → 181,500원 (50% 할인)
- 쿠폰은 선착순으로 조기 마감될 수 있습니다 -

잠깐! 이미 AI에이전트 강의가 있는 인프러너를 위한 별도 혜택

  • GraphRAG 강의 구매 시, 선착순으로 <RAG 입문> 70% 할인쿠폰을 드립니다!
    (하지만 AI 에이전트 강의가 없다면, 로드맵으로 구매하는게 가장 저렴해요 🤗)

  • 신청하러 가기 >>

강력한 RAG 시스템을 위한 그래프 데이터베이스 활용 🪄

일반적인 RAG 시스템은 단순 벡터 검색에 의존하여 정보 간의 관계를 제대로 표현하기 어렵습니다. 그래프 데이터베이스를 활용한 graphRAG는 데이터 간의 복잡한 관계를 구조화하여 더 정확하고 맥락에 맞는 응답을 생성할 수 있게 해줍니다. 구조화된 지식 표현관계 기반 검색을 통해 더 정확한 검색 결과를 얻을 수 있습니다.

[프로젝트 2] ETF 금융상품 추천 - 지식 그래프 구현 (Neo4J 브라우저 활용)

지식 그래프로 RAG 성능 높이기 🔧

구조적 지식 표현 : 정보를 노드와 관계로 표현하여 데이터 간의 연결성을 명확히 하고, 복잡한 지식을 체계적으로 구조화합니다.

관계 기반 검색 : 단순 키워드 매칭이나 벡터 유사도를 넘어 의미적 관계에 기반한 검색으로 더 정확한 결과를 제공합니다.

다양한 검색 방식 통합 : 키워드 기반 전문 검색(Full-text Search), 벡터 기반 시맨틱 검색(Semantic Search)을 함께 활용하여 검색 성능을 극대화합니다.

확장 가능한 지식 구조 : 새로운 데이터와 관계를 쉽게 추가하고 연결할 수 있어 지속적으로 확장 가능한 지식 베이스를 구축할 수 있습니다.

<Neo4J의 특징>

  • 노드와 관계를 통해 자연스러운 데이터 모델링이 가능합니다.

  • Cypher 쿼리 언어를 통해 직관적인 그래프 탐색이 가능합니다.

  • 강력한 그래프 알고리즘과 벡터 인덱싱을 지원합니다.

  • LangChain 프레임워크와 통합하기 위한 다양한 기능을 제공합니다.

[LangChain + Neo4J 활용 RAG 구현] https://neo4j.com/labs/genai-ecosystem/langchain/

이 강의의 특징

실전 중심의 단계별 학습

이론적인 설명과 즉시 실습을 병행하여 그래프 데이터베이스와 RAG 통합에 대한 개념을 확실히 이해하고 적용하는 능력을 키웁니다.

다양한 실제 사례 학습

영화 추천, 뉴스 데이터, ETF 금융상품, 법률 문서 등 실제 데이터를 활용한 다양한 도메인의 지식 그래프 구축 및 검색 방법을 배웁니다.

이런 내용을 배워요

Neo4J 그래프 데이터베이스 기초

Neo4J AuraDB 설정부터 그래프 데이터베이스의 핵심 개념인 노드, 관계, 속성까지 배웁니다. Cypher 쿼리 언어의 주요 구문과 경로 탐색, 집계 함수 등 그래프 데이터베이스 활용에 필요한 기본 지식을 습득합니

지식 그래프(Knowledge Graph) 구축

CSV 정형 데이터부터 뉴스, ETF 금융상품, 법률 문서 등 다양한 도메인의 데이터를 지식 그래프로 변환하는 방법을 배웁니다. 온톨로지 설계, 제약조건 설정, 그래프 변환을 위한 랭체인 도구 활용법을 학습합니다.

그래프 기반 검색 기법 구현

기본 검색, 전문 검색(Full-text Search), 벡터 검색(Semantic Search), Text2Cypher 등 다양한 그래프 기반 검색 기법을 구현하는 방법을 배웁니다. 강화된 RAG 시스템 구현을 위한 하이브리드 검색 방법도 학습합니다.

수강 전 참고 사항

실습 환경

  • 운영 체제 및 버전(OS): MacOS 기준으로 강의 진행 (Linux, Windows 사용자도 실습 가능)

  • 가상환경 사용: uv 패키지 관리자를 사용 (conda, poetry, venv 사용자도 실습 가능)

  • 사용 도구: VS Code, LLM API 인증키 필요 (OpenAI/ Google Gemini) *비용 발생 가능

  • PC 사양: 해당사항 없음

  • 파이썬 3.12 /

    langchain 0.3.23 / langchain-neo4j 0.3.0 / numpy 1.26.4

학습 자료

  • 실습에 필요한 자료 제공 (강의 수업노트, 실습코드, 실습 데이터)

  • 수업노트, 수업자료 다운로드 목록을 확인하세요.

선수 지식 및 유의사항

  • Python 기본 프로그래밍 능력

  • 랭체인(LangChain) 기본 개념 이해

  • 그래프 데이터베이스 경험은 필요하지 않음 (강의에서 기초부터 다룸)

  • 질문 또는 의견이 있으시면 편하게 질문해주세요.


이런 분들께
추천드려요!

학습 대상은
누구일까요?

  • RAG 시스템의 성능과 정확도를 높이고 싶은 개발자

  • 복잡한 관계를 가진 데이터를 효과적으로 처리하고 싶은 분

  • 단순 벡터 검색을 넘어 구조화된 지식 검색 시스템을 구축하고 싶은 분

  • 지식 그래프(Knowledge Graph)를 AI 애플리케이션에 적용하고 싶은 분

선수 지식,
필요할까요?

  • 파이썬

  • 랭체인 (LangChain)

  • RAG

안녕하세요
판다스 스튜디오입니다.

11,903

수강생

272

수강평

108

답변

4.9

강의 평점

7

강의

안녕하세요. 저는 파이썬을 활용한 데이터 분석 및 인공지능 서비스 개발 실무를 하고 있습니다. 관심 있는 주제를 찾아서 공부하고 그 내용들을 많은 분들과 공유하기 위해 꾸준하게 책을 집필하고 인공지능 강의를 진행해 오고 있습니다.

 

[이력]

현) 핀테크 스타트업 CEO

전) 데이콘 CDO

전) 인덕대학교 컴퓨터소프트웨어학과 겸임교수

Kaggle Competitin Expert, 빅데이터 분석기사

 

[강의]

NCS 등록강사 (인공지능)

SBA 서울경제진흥원 새싹(SeSAC) 캠퍼스 SW 교육 ‘우수 파트너 선정’ (Python을 활용한 AI 모델 개발)

금융보안원, 한국전자정보통신산업진흥회, 한국디스플레이산업협회, 대구디지털산업진흥원 등 강의

서울대, 부산대, 경희대, 한국외대 등 국내 주요 대학 및 국내 기업체 교육 경험

  

[집필]

 

[유튜브] 판다스 스튜디오 : https://youtube.com/@pandas-data-studio?si=XoLVQzJ9mmdFJQHU

더보기

커리큘럼

전체

58개 ∙ (7시간 4분)

해당 강의에서 제공:

수업자료
강의 게시일: 
마지막 업데이트일: 

수강평

아직 충분한 평가를 받지 못한 강의입니다.
모두에게 도움이 되는 수강평의 주인공이 되어주세요!