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]
파이썬 머신러닝 판다스 데이터 분석(정보문화사) : https://zrr.kr/x1ec
파이썬 딥러닝 머신러닝 입문(정보문화사) : https://zrr.kr/RPaE
파이썬 딥러닝 텐서플로(정보문화사) : https://zrr.kr/PrVN
실무자를 위한 파이썬 Python 100제(정보문화사) : https://zrr.kr/4fyq
랭체인(LangChain) 입문부터 응용까지 (위키독스) : https://wikidocs.net/book/14473
[유튜브] 판다스 스튜디오 : https://youtube.com/@pandas-data-studio?si=XoLVQzJ9mmdFJQHU
graphRAG - Neo4J로 구현하는 지식 그래프 기반 RAG 시스템 (feat. LangChain)
₩143,000
초급 / RAG, LangChain, neo4j, LLM, DBMS/RDBMS
5.0
(8)
Neo4J로 구현하는 지식 그래프 기반 RAG 시스템: 단순 벡터 검색을 넘어 데이터 관계까지 활용하는 차세대 검색 기술 그래프 데이터베이스의 힘으로 RAG 성능 극대화하기!
초급
RAG, LangChain, neo4j
AI 에이전트로 구현하는 RAG 시스템(w. LangGraph)
₩99,000
초급 / AI Agent, LangGraph, RAG, LLM, LangChain
4.9
(51)
랭그래프(LangGraph)로 구현하는 검색증강생성(RAG) 지능형 AI 에이전트! 이론부터 실전까지, 초보자도 쉽게 따라할 수 있는 핸즈온 튜토리얼입니다.
초급
AI Agent, LangGraph, RAG
RAG 마스터: 기초부터 고급기법까지 (feat. LangChain)
₩121,000
초급 / RAG, LangChain, LLM, 챗봇, Python
4.9
(23)
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.
초급
RAG, LangChain, LLM
LLM 데이터 분석 - 웹 크롤링부터 추천 시스템까지
₩66,000
초급 / LLM, LangChain, 웹 크롤링, 웹 스크래핑, 추천 시스템, Selenium
4.3
(9)
초급자를 위한 쉬운 설명과 다양한 실습 프로젝트 중심으로 구성된 강의입니다. 웹 크롤링과 LangChain 도구로 데이터를 수집하고, LLM 활용하여 요약, 추출, 감성 분석, 추천 시스템을 다룹니다.
초급
LLM, LangChain, 웹 크롤링
입문자를 위한 Python 기초
무료
입문 / Python
4.9
(20)
비전공 입문자를 위한 파이썬 기초 강의입니다. 실습자료는 깃헙(Github)을 통해서 제공합니다.
입문
Python
프로젝트로 배우는 Python 챗봇 & RAG - LangChain, Gradio 활용
₩52,800
초급 / RAG, LangChain, LLM, ChatGPT, 챗봇, openAI API, gradio
5.0
(21)
파이썬 기본 문법과 라이브러리를 활용해서 나만의 AI 챗봇을 직접 만들어 보세요. PDF 문서 기반의 RAG 등 5개의 프로젝트를 단계별로 수행하고, 웹 서비스로 배포하는 과정을 학습합니다.
초급
RAG, LangChain, LLM
질문&답변
새로 추가된 강의의 강의자료는 따로 없는 걸까요??
안녕하세요. 추가된 강의는 LangChain 최신 버전 업데이트된 내용을 토대로 나중에 별도로 제작하였습니다. 따라서, 개발 환경에 차이가 있습니다만, 추가된 내용을 가지고 코랩에서 그대로 실습을 진행해도 괜찮습니다.
질문&답변
[실습을 위한 환경 설정 방법] 자료가 없습니다.
찾으셔서 다행입니다. 언제든지 편하게 질문해 주세요.
질문&답변
최근 안내해주신 수강생 이벤트 관련 문의입니다.
안녕하세요. 말씀해주신 내용이 맞습니다. "graphRAG - Neo4J로 구현하는 지식 그래프 기반 RAG 시스템 (feat. LangChain)" 강의는 현재 40% 할인 중입니다. 이 강의를 수강하고 이벤트 페이지에서 구글 폼으로 신청해주시면, "RAG 마스터: 기초부터 고급기법까지 (feat. LangChain)" 70% 할인 쿠폰을 보내드립니다. 감사합니다.
질문&답변
AI 에이전트로 구현하는 RAG 시스템 수강생입니다.
안녕하세요. Graph RAG 강의를 수강하시면, RAG 마스터 강의 70% 할인 쿠폰을 드리고 있습니다. 아래 링크에서 강의 수강 등록을 하시고, 소개 페이지에서 이벤트 부분에서 "신청하러 가기"를 클릭하고 구글 폼을 작성하시면 됩니다. 강의 소개 링크: https://inf.run/VGUhd 감사합니다.
질문&답변
Text2Cypher 기법에서 Llm이 작성하는 cypher 코드의 오타 발생 문제
안녕하세요. Text2Cypher에서 LLM의 오타 문제는 흔한 현상이며, 특히 작은 모델에서 자주 발생합니다.모델이 학습한 데이터에 Cypher 구문이 얼마나 많이 포함되어 있는지에 따라서도 차이가 있습니다.일반적인 해결책은 Few-shot으로 예시를 직접 보여주거나, 더 좋은 성능을 보이는 모델을 적용하는 것입니다. Few-shot 프롬프팅: 예시 추가""" Examples: CORRECT: MATCH (p:Person)-[:DIRECTED]->(m:Movie) WRONG: MATCH (p:Person)-[:DORECTED]->(m:Movie) """ 더 좋은 모델 사용: GPT-4.1, Google Gemini-2.0-pro, Claude-3.7-sonnet 등이 외에도 적용 도메인에서 자주 사용하는 Cypher 쿼리를 기반으로 Fine-tuning하거나, LLM을 사용하여 Cypher 쿼리 검증 및 재작성하는 방법도 가능합니다.
질문&답변
수업 자료 문의
해결하셨다니 다행입니다!
질문&답변
docker 환경에서 해당 서비스를 구성해보는 건 어떤가요?
안녕하세요. Docker 환경에서 진행하셔도 파이썬 패키지 설치와 LLM API 호출에 문제가 없는 환경이라면 괜찮을 것 같습니다.
질문&답변
numpy 설치 에러
안녕하세요. 판다스 스튜디오입니다. 파이썬 3.13은 아직 많은 패키지들이 지원하지 않고 있습니다. 따라서, 3.11 또는 3.12 버전으로 개발환경을 구성해야 하는데, poetry는 해당 버전의 파이썬을 추가 설치해야 하는 번거로움이 있습니다. 파이썬 3.12를 별도로 설치하지 않고 사용하는 방법으로는 uv 패키지 관리자가 있습니다. 아래 내용을 참조해서 설치해보세요. 1. UV 설치하기macOS 또는 Linux:curl -LsSf https://astral.sh/uv/install.sh | sh Windows (PowerShell):irm https://astral.sh/uv/install.ps1 | iex pip을 통한 설치:pip install uv 2. 프로젝트 생성프로젝트 폴더 생성 및 초기화:uv init 프로젝트명 프로젝트 폴더 이동:cd 프로젝트명3. 가상 환경 생성 및 관리특정 Python 버전으로 가상 환경 생성:uv venv --python=3.12 가상 환경 활성화:# 리눅스/맥OS source .venv/bin/activate # 윈도우 .venv\Scripts\activate.bat4. 패키지 설치개별 패키지 설치:uv add numpy pandas matplotlib
질문&답변
The onnxruntime python package is not installed.
안녕하세요. 1. poetry로 가상환경을 사용하고 계신다면, 다음과 같이 poetry 명령어로 설치해주세요. poetry add onnxruntime2. 계속 문제가 발생하면 poetry.lock을 삭제하고 재설치해보세요. rm poetry.lock poetry install 시도해보시고 계속 문제가 있으면 말씀해주세요. 감사합니다.
질문&답변
섹션 5, 사용자 정의 조건부 엣지 관련 질문입니다.
안녕하세요! 좋은 질문입니다. 우려하신 부분은 이해가 됩니다. 그러나 이 코드에서는 시스템 메시지가 중복되어 쌓이지 않습니다. call_model 함수 내부를 보면:def call_model(state: GraphState): system_message = SystemMessage(content=system_prompt) messages = [system_message] + state['messages'] response = llm_with_tools.invoke(messages) return {"messages": [response]} 중요한 부분은 return {"messages": [response]} 입니다. 이 부분이 상태를 어떻게 업데이트하는지가 중요합니다.MessagesState는 메시지 배열을 관리하는 특별한 상태 클래스인데, return {"messages": [response]} 코드는 기존 메시지를 대체하지 않고 추가합니다.하지만 system_message는 매번 함수 호출시 새로 생성되어 임시로 메시지 목록에 추가되고, 상태에는 중복 저장되지 않습니다.최종 상태에 저장된 messages 속성의 목록을 확인해보시면 됩니다. 감사합니다.
판다스 스튜디오님의 소개 - 인프런
