구글 Vertex AI로 텍스트 임베딩 & RAG 시스템 구축하기

01

이론과 실습의 완벽한 조화

임베딩(Embeddings)의 핵심 개념부터 Python과 Vertex AI API를 활용한 실전 코딩까지 한 번에 마스터합니다.

02

현업 수준의 대규모 데이터 처리

단순 예제가 아닌 BigQuery와 StackOverflow 실제 데이터를 활용해 Enterprise급 데이터 처리 파이프라인을 경험합니다.

03

나만의 RAG 애플리케이션 구축

단순 텍스트 생성을 넘어, 벡터 검색(Vector Search)과 LLM을 결합한 RAG 시스템을 직접 구현합니다.

04

최신 기술 트렌드 마스터

Multimodal Embeddings, ScaNN/Faiss 같은 최신 벡터 검색 알고리즘과 LLM 파라미터 튜닝 기법을 학습합니다.

임베딩 시각화 & 검색기

텍스트를 벡터로 변환하고 시각화하여 단어 간의 의미적 관계를 확인하고 유사 문장 검색 엔진을 구현합니다.

BigQuery 데이터 분석

BigQuery를 연동하여 StackOverflow 대용량 데이터를 수집하고 Pandas로 가공하는 실무 파이프라인을 구축합니다.

CH 01

강의 소개 및 환경 설정

강의 개요 및 Vertex AI 실습을 위한 Google Cloud Project, Python, VS Code 환경 완벽 구축 가이드.

CH 02

임베딩(Embeddings) 핵심 이론

임베딩의 정의, 벡터 공간의 이해, Multimodal 임베딩의 개념 및 비즈니스 활용 사례 분석.

CH 03

임베딩 생성 및 시각화 실습

Vertex AI API로 텍스트 임베딩을 생성하고, Scikit-learn과 Matplotlib을 이용해 데이터를 시각화합니다.

CH 04

텍스트 생성 모델 (Generative AI)

Text Bison 모델 활용법. 프롬프트 엔지니어링, Temperature/Top-K 파라미터 튜닝을 통한 결과 최적화.

CH 05

실전 데이터 분석: BigQuery 연동

BigQuery SQL로 StackOverflow 데이터를 추출하고, 대규모 배치 처리를 통해 임베딩을 생성하는 방법.

CH 06

최종 프로젝트: RAG 시스템 구축

벡터 검색(Faiss)과 생성형 AI를 결합하여 문맥을 이해하고 답변하는 지능형 검색 시스템 완성.