RAG를 활용한 LLM Application 개발 (feat. LangChain)

실리콘밸리 GenAI 해커톤 우승자가 말아주는 RAG

• 데이터 전처리 및 효율적인 Retrieval: RAG 구성을 위해 필요한 데이터 전처리 기술과 키워드를 활용하여 검색 효율을 극대화하는 방법을 배웁니다.

• 효율적인 프롬프트 작성방법: LLM 성능이 좋아져서 한국어로도 프롬프트를 작성해도 좋은 결과를 얻을 수 있습니다. LangChain의 PromptTemplate을 활용해서 한국어 프롬프트 작성 방법을 배웁니다.

• LLM 성능 평가와 서비스 최적화: 서비스 배포 후 LLM 평가를 통해 모델의 성능, 신뢰성, 정확성을 체계적으로 측정하고 최적화하는 방법을 익힙니다.

RAG? 검색 증강 생성?

RAG는 검색 증강 생성(Retrieval Augmented Generation)으로 대규모 언어 모델(LLM)의 성능을 향상시키는 기술입니다. LLM은 방대한 텍스트 데이터를 학습하여 뛰어난 언어 이해와 생성 능력을 가지지만, 편향성과 사실 관계 오류 등의 한계가 있습니다. RAG는 실시간 정보 검색을 통해 이러한 한계를 보완하고 정확성과 신뢰성을 높일 수 있습니다.

이 강의의 특징

📌 현업에서 LLM Application 개발/배포/운영 중 몸으로 부딛히면서 배운 노하우들을 담았습니다

📌 이론 10% 실습 90%. 필수 이론만 가볍게 설명하고 모든 강의는 라이브 코딩으로 이루어집니다

📌 에러를 의도적으로 편집하지 않았습니다. LLM 서비스 개발 중 디버깅 하는 방법을 배울 수 있습니다

📌 강의질문 해결 100%! 질의응답을 통해 강의 내용이나 현업에서 마주친 어려움을 같이 해결합니다

이런 분들께 추천해요

수강 후에는

• 데이터 전처리 및 키워드 활용: RAG 구성을 위해 필요한 데이터 전처리 기술과 키워드를 활용하여 검색 효율을 극대화하는 방법을 배울 수 있어요.

• 모델 성능 평가: LLM 평가를 통해 모델의 성능, 신뢰성, 정확성을 체계적으로 측정하고 최적화하는 방법을 익히게 돼요. 평가 결과를 통해 모델의 품질을 향상시키는 방법을 배워요.

• 서비스 배포 및 유지보수: Streamlit과 같은 도구를 사용하여 애플리케이션을 배포하고 유지보수하는 방법을 익히고, 실무에 바로 적용할 수 있는 스킬을 갖추게 돼요.

• Hallucination 문제 해결: LLM 모델이 생성하는 부정확한 정보를 최소화하고, 더 신뢰성 있는 정보를 제공하기 위한 기술을 배우게 돼요.

• 최신 AI 기술 이해 및 응용: RAG와 같은 최신 AI 기술을 이해하고 이를 활용하여 나만의 AI 응용 프로그램을 개발할 수 있어요

이런 내용을 배워요.

이 강의를 만든 사람

• 24년 6월 실리콘 밸리 GenAI Hackathon for Building RAG Applications and Fine-Tuning 우승

  • 강의 소개 영상 에서 해커톤 결과물 발표 영상 일부를 확인하실 수 있습니다

• (현) 국내 대기업 GenAI R&D 및 그룹사 GenAI 개발 교육 담당

• (전) 시리즈 C AI 스타트업 Tech Lead

수강 전 참고 사항