66,000원
iamcho042025-02-201525821안녕하세요 커리큘럼보면 중간에 open ai 쓰는거말고 ollama 쓰는방식으로 나오는데 그럼 허깅페이스에 있는 다른 가벼운 모델을 사용하는것도 해당강의를 들으면 모델을 사용하는 방법도 배울수 있는거낙요? 개인노트북으로 돌려보고 싶은데 성능문제로 인해 딥식처럼 가벼운 모델을 돌려도 성능이 잘나오는지 궁금합니다.
- 한창현2024-12-261471131
안녕하세요 강사님, 강의 구매 전에 질문드릴 사항이 있어 문의드리게 되었습니다. 최근 랭체인 버전 업그레이드에 따라, 메모리 기능을 이용하려면 랭그래프를 이용하도록 권장하고 있는걸로 알고있고, 추후 AI Agent 개발시 랭그래프와 관련된 지식을 필수적으로 알아야 하는 것으로 알고있는데, 혹시 랭체인 외에 랭그래프 관련 내용도 해당 강의에 추가해주실계획이 있으실까요???
강병진2024-12-26388220안녕하세요! LangGraph는 후속 강의를 준비중이고, 기존의 강의에 추가할 계획은 없습니다. 그리고 LangGraph는 기존 LangChain으로 개발하던 LCEL의 wrapper일뿐 필수는 아닙니다. 메모리도 마찬가지고요. 최근 여기저기서 관련 자료들이 쏟아지면서 LangGraph가 필수인 것처럼 보여지고 있는데, LangGraph를 사용하면 분명 이점은 있지만 서비스 특성에 따라 오버 엔지니어링이 될 가능성도 높습니다. 더 궁금하신 점이 있으시면 질문주시면 답변 드리겠습니다!
- 냠냠2024-09-191383994
안녕하세요! 강의 관련하여 궁금한게있어 문의 드립니다. 제가 현재 리액트 + 스프링 기반의 웹페이지를 개발하고 있는데, 거기에 챗봇 서비스 추가하고 싶어 관련 내용을 찾다가 해당 강의를 발견하게되었습니다! 강의목차를 보면 Streamlit을 이용해 챗봇 페이지를 구현하신것 같은데, Streamlit은 단순히 답변을 화면에 표시하는 프론트엔드 역할만을 하는 건가요?? 아니면 완전한 챗봇 기능 구현을 위해 Streamlit이 필요한 건가요?? "섹션 3. 3. LangChain을 활용한 Retrieval Augmented Generation(RAG) 구성" 강의 까지를 들으면 챗봇으로부터 답변받는것 까지 구현되는건지 궁금합니다! 답변까지 받아온다면 그 이후 섹션은 Streamlit을 이용하지 않고 제가 자체적으로 개발한 프론트에 해당 답변을 띄우면 될 것 같아서 문의드립니다!!
강병진2024-09-19367770안녕하세요! 질문하신 것처럼 Streamlit은 UI를 구성하는데 필요한 요소일 뿐 챗봇 구현에 필수는 아닙니다. 강의에서 Streamlit을 활용하는 이유는 RAG pipeline구성을 파이썬으로 하기 때문에 다른 프로그래밍 언어를 활용하지 않고 Python으로만 강의를 진행하기 위해서 입니다. 3.3까지만 수강하셔도 기본적인 RAG pipeline은 구성할 수 있지만, 3.6강까지 들으시면서 데이터 전처리나 키워드 활용 방법까지 학습하시는 편이 RAG pipeline의 퀄리티에 더 도움이 될 것 같습니다!
안녕하세요! 좋은 질문 감사합니다 허깅페이스 모델 사용 방법은 5.3, 5.4강에 있습니다. 두 강의를 먼저 수강하셔서 사용방법을 익히시고, 섹션 3에서 llm = ChatOpenAI()라고 선언된 부분만 llm = ChatHuggingFace()로 수정해주시면 됩니다 사용하시는 컴퓨터 사양이 어떻게 되나요? 저는 MacBook M2 Pro 사용중인데 ollama활용하면 `deepseek-r1:1.5b` 정도는 괜찮게 돌아갑니다 속도는 괜찮은데 "성능이 잘 나온다"라는 부분은 gpt나 claude와 같은 모델과 비교했을 때 복잡한 태스크는 잘 처리하지 못하는 것 같습니다.