RAG를 활용한 LLM Application 개발 (feat. LangChain) 대시보드

안녕하세요 강병진입니다.

강의를 출시한지 얼마 되지않았는데 생각보다 훨씬 많은 분들께서 수강해주시고, 질문을 올려주고 계신데요,
그중 가장 많은 질문은 OpenAI API quota를 어떻게 늘리느냐 였습니다.

그래서 OpenAI API quota를 늘리는 방법에 대해 추가촬영을 했는데, 생각해보니 이미 강의를 결제하셨는데
OpenAI API까지 결제하는게 싫으실 수 있을거라는 판단이 들었습니다. 그래서 회원가입을 하면 $30의 크레딧을 제공하는 Upstage API를 활용하는 방법을 추가했습니다.

강의를 수강하신 분들은 이미 아시겠지만 embedding의 경우 UpstageEmbedding이 OpenAIEmbedding 보다 훨씬 성능이 좋기때문에 오히려 강의를 들으시는데 더 좋은 결과를 만나실수도 있을거라는 생각이 듭니다.

활발하게 질문 올려주신 분들께 좋은 피드백을 주셔서 감사하다는 말씀을 전달드리고, 수강하시면서 이해가 안되거나 어려운 부분은 꼭 질문으로 올려주세요! 최대한 빠르게 답변 드리도록 하겠습니다.

감사합니다
강병진 드림

안녕하세요, 강병진입니다.

요즘 힙한 Large Language Model (LLM)을 활용해서 RAG를 구성하는 강의를 출시했습니다.

요즘 회사에서 주 업무이기도 하고, 제가 작년부터 이걸로 너무 많은 고생을해서.... 다른분들은 조금 덜 고생하셨으면 하는 마음에 강의를 준비하게 되었습니다.

강의는 OpenAI API를 활용하는데, LangChain을 활용하기 때문에, Claude, Cohere, Upstage등등 LangChain에서 활용하는 패키지를 사용하면 쉽게 따라하실 수 있습니다. 강의 내용을 보시면 LCEL에서 llm 에 해당하는 부분만 ChatAnthropic, ChatCohere, ChatUpstage 등을 활용하시면 되고, Ollama 를 활용해서 Llama3를 활용하고 싶으신 분들은 ChatOllama 를 사용하시면 됩니다.

혹시 Ollama 를 활용한 강의가 필요하시거나, LLM 관련해서 더 알고싶으신 부분이 있으시다면 수강평이나 강의 질문에 남겨주시거나 jasonkang14@gmail.com 으로 말씀해주시면, 다음 강의를 준비하는데 도움이 될 것 같습니다!