NEW
인공지능

/

AI · ChatGPT 활용

LangChain 활용 RAG 시스템 구현 & 성능 평가

이 강의는 LangChain을 활용한 RAG(Retrieval-Augmented Generation) 시스템의 기본 개념과 구현 방법을 다룹니다. 참가자들은 RAG의 핵심 원리를 이해하고, LangChain을 통해 실제로 시스템을 구축하며 성능을 평가하는 방법을 배우게 됩니다.

14명

이 수강하고 있어요.

RAGLangChainLLM챗봇Python
Thumbnail

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

이런 걸
배워요!

  • LangChain을 활용한 RAG 시스템 구축하기

  • 효과적인 검색 및 생성 기법 익히기

  • RAG 시스템의 성능 평가 방법

  • LangChain의 LCEL 문법과 Runnable 사용법

RAG 구현부터 성능 평가까지
9시간으로 끝내는 실전 AI 개발

AI기술의 발전으로 RAG 시스템의 활용도가 높아졌지만, 배우고 구현하는 과정은 여전히 어렵습니다. 저 역시 처음 RAG를 공부할 때 많은 어려움을 겪었고, 그 경험을 바탕으로 이 강의를 기획하게 되었습니다.

강의는 단계별 실습을 바탕으로 실제로 동작하는 시스템을 만드는 데 중점을 두었으며, 기본 구현뿐만 아니라 성능 평가와 최적화 방법까지 다룸으로써 실제 프로젝트에 바로 적용할 수 있는 실용적인 지식을 담았습니다.

출시 5개월만에
1590+명이 수강한
LLM 시리즈 강의를 만든
지식공유자의 RAG 강의

파이썬&랭체인
기초 무료강의 제공
파이썬 기초강의 ▶
랭체인 기초강의 ▶

RAG 시스템구축을 위한
풍부한 학습자료
31p분량의 요약자료와
6개의 소스코드 파일

강의 포인트 💫

RAG 구현을 위한 기초체력 다지기

무작정 코드를 따라 작성하는 것은 한계가 있습니다. 언제, 왜 이 컴포넌트를 사용하는지 원리를 이해해야 합니다. 강의에서는 RAG의 기본 개념과 주요 컴포넌트, LCEL 문법 등 을 다루며 RAG 구현을 위한 기초체력을 다집니다. 또한 입문자를 이한 파이썬&랭체인 기초 무료강의도 함께 제공합니다.

최신 모듈과 기법으로 RAG 구현능력 up

RAG 프로세스는 [문서로드 → 텍스트분할 → 임베딩 → 벡터저장 → 검색 → 프롬프트 → LLM → 최종결과물]로 이루어집니다. 강의는 각 프로세스 별 적용가능한 다양한 최신 모듈과 기법을 소개합니다. 특히 검색성능 향상을 위한 하이브리드 검색, Re-rank, 맥락압축 등 고급 검색기법을 만나볼 수 있습니다.

RAG 개선을 위한 10가지 성능평가

RAG시스템 고도화를 위해서는 "평가-개선" 작업이 필수입니다. 강의에서는 RAG의 검색성능을 평가하기 위해 정보검색(Information Retrieval)의 5가지 방법을 소개합니다. 또한 정량적 지표 기반의 평가방법과 LLM을 활용한 평가방법, 총 5가지 RAG의 답변 평가방법을 다룹니다.

다수의 후기가 증명하는 쉽고 깔끔한 설명력

많은 수강생 분들이 증명해 주셨습니다

수강평은 지식공유자의 24.9월 기준 오픈한 강의들에 대한 수강평입니다.

이런 내용을 배워요

RAG와 LangChain의 기본 개념 이해

RAG 시스템의 동작 원리를 이해하고, LangChain의 구조 및 LCEL 문법을 학습합니다. 이를 통해 실습 환경을 준비하고, 다양한 AI 프로젝트에 활용할 수 있는 기초 지식을 얻습니다.

실습 내용: LangChain 설치, 환경 설정, 기본 RAG 파이프라인 구성

데이터 처리 및 텍스트 분할 기법 실습

다양한 데이터 형식(PDF, JSON, Web 등)을 처리하고, 효과적인 텍스트 분할 기법을 익혀 대규모 데이터를 효율적으로 관리할 수 있습니다.

실습 내용: PyPDFLoader, CSVLoader 등 다양한 문서 로더 실습, 텍스트 분할 전략(재귀적 분할, 정규표현식 활용, 의미론적 분할) 적용

임베딩 모델과 벡터 저장소의 활용

임베딩 모델을 활용하여 텍스트 데이터를 벡터로 변환하고, 이를 벡터 저장소에 저장하여 RAG 검색 성능을 극대화할 수 있습니다.

실습 내용: Chroma, FAISS 벡터 저장소 생성 및 검색 실습, OpenAI와 Huggingface, Ollama 임베딩 모델 활용법

RAG 검색 성능 평가와 최적화

다양한 정보검색 평가지표를 활용하여 RAG 검색 성능을 평가하고, 실제 프로젝트에 적용할 수 있는 최적화 기술을 습득합니다.

실습 내용: 검색 성능 테스트 및 평가 (Hit Rate, MRR 등 정량적 평가), 최적화 방법(쿼리 확장, Re-rank, 맥락 압축) 실습

LLM을 활용한 답변 생성 및 평가

다양한 LLM을 활용하여 RAG 시스템의 답변을 생성하고, LangChain 평가 도구를 통해 답변의 품질을 평가할 수 있습니다.

실습 내용: LLM 연동 실습, LangChain 평가도구 활용한 답변 평가

Gradio를 활용한 RAG 기반 챗봇 구현

Gradio를 이용하여 사용자와 상호작용하는 RAG 기반 챗봇 인터페이스를 구축하고, 실시간 검색 및 답변 생성 시스템을 설계할 수 있습니다.

실습 내용: Gradio를 사용한 RAG 챗봇 구현, 스트림 방식 출력, 채팅 히스토리 추가

스크린샷 2024-09-14 오전 10.41.14

수강 전 참고 사항

실습 환경

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

  • 가상환경 사용: Poetry 기준으로 강의 진행 (conda, venv 사용자도 실습 가능)

  • 사용 도구: VS Code, OpenAI API 등 LLM 인증키 필요 (별도 비용 발생 가능)

  • PC 사양: 해당사항 없음

  • 랭체인(LangChain) 버전: v0.2.16 적용

학습 자료

  • 실습에 필요한 자료 제공 (강의 수업노트, 실습코드)

  • (입문자를 위해) 위키독스에 참고 교재 제공 : https://wikidocs.net/book/14473

선수 지식 및 유의사항

  • 파이썬 기본 지식이 있는 분 (기본 프로그래밍이 가능한 분)

  • 입문자를 위한 LangChain 기초 (무료 강의) : https://inf.run/Fzfhs


  • 질문 또는 의견이 있으시면 편하게 질문해주세요.

이런 분들께
추천드려요!

학습 대상은
누구일까요?

  • LLM 활용 RAG 시스템에 관심 있는 분들

  • LangChain을 활용한 AI 프로젝트를 시작하고 싶은 분들

  • RAG 검색 및 생성 성능 평가 방법을 배우고 싶은 분들

선수 지식,
필요할까요?

  • 파이썬

  • 입문자를 위한 LangChain 기초 (강의)

안녕하세요
판다스 스튜디오입니다.

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

커리큘럼

전체

79개 ∙ 8시간 42분

수업 자료

가 제공되는 강의입니다.

강의 게시일: 2024년 09월 30일
마지막 업데이트일: 2024년 10월 01일

수강평

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