파이썬 기초부터 랭체인, RAG, 파인튜닝까지 생성형 AI의 모든 것을 한 번에 마스터하세요. 오픈AI와 올라마를 활용해 챗봇과 AI 비서를 직접 만들며 실전 감각을 폭발적으로 끌어올립니다. 막막했던 LLM 개발, 이제 당신의 가장 강력한 커리어 무기가 됩니다.
파이썬과 랭체인으로 구축하는
엔터프라이즈급 RAG & LLM 애플리케이션
기초 이론부터 로컬 LLM 파인튜닝까지, 현업 AI 엔지니어의 노하우로 보안과 비용 문제를 해결하는 실전 파이프라인 구축
이 강의를 선택하는 이유
01
Zero to Hero: 실무형 커리큘럼
파이썬 기초 문법부터 시작해 딥러닝 원리를 거쳐, 실제 기업 환경에서 사용 가능한 AI 서비스를 배포하는 전 과정을 마스터합니다.
02
RAG 시스템 & 환각 해결
LLM의 최대 약점인 환각(Hallucination) 현상을 해결하고, 기업 내부 데이터를 기반으로 정확한 답변을 제공하는 검색 증강 생성 시스템을 구축합니다.
03
랭체인 & 최신 스택
랭체인, Streamlit, Vector DB(Pinecone/Chroma) 등 현업 엔지니어들이 사용하는 표준 기술 스택으로 확장성 있는 앱을 개발합니다.
04
비용 절감 & 로컬 LLM
오픈AI API 비용 최적화 전략과 함께, Ollama와 Llama 3를 활용한 온프레미스(On-premise) 로컬 모델 구축 및 보안 전략을 다룹니다.
이런 고민이 있으신가요?
여러분이 만들게 될 것
실전 프로젝트 4개를 통해 포트폴리오를 완성합니다.
고객 응대 자동화율 80% 달성: RAG 챗봇
PDF 및 사내 매뉴얼을 벡터화하여 저장하고, 질문 시 관련 문서를 참조해 답변하는 RAG 챗봇을 구현하여 단순 반복 업무를 자동화합니다.
업무 리포트 작성 시간 90% 단축: 뉴스 에이전트
랭체인 Agent를 활용해 실시간 웹 뉴스를 수집하고, 핵심 인사이트만 요약하여 리포트를 자동 생성하는 AI 워크플로우를 개발합니다.
핸즈프리 제어 시스템: 음성 비서 (Jarvis)
Whisper(STT)와 ElevenLabs(TTS)를 결합하여, 키보드 없이 음성만으로 명령을 수행하고 대화하는 접근성 높은 AI 인터페이스를 만듭니다.
도메인 특화 성능 최적화: 파인튜닝 모델
의료, 법률 등 특수 도메인 데이터셋을 활용해 LoRA(Low-Rank Adaptation) 기법으로 모델을 미세 조정하고, Base 모델 대비 성능을 극대화합니다.
강의 과정 소개
01
AI 엔지니어링을 위한 파이썬 환경 구축
가상 환경 설정부터 필수 라이브러리 설치까지, AI 개발을 위한 견고한 토대를 마련합니다.
#파이썬 #Environment
02
딥러닝 아키텍처: Transformer의 이해
현대 LLM의 기반이 되는 Transformer 구조와 Attention 메커니즘을 엔지니어 관점에서 해석합니다.
#Transformer #Architecture
03
데이터의 숫자 변환: Tokenizer & Embedding
텍스트를 벡터로 변환하는 임베딩 원리를 이해하고, 의미론적 검색(Semantic Search)의 기초를 다집니다.
#Embedding #Semantic Search
04
프롬프트 엔지니어링 & API 최적화
CoT 등 고급 프롬프팅 기법과 API 비용을 아끼는 효율적인 호출 전략을 배웁니다.
#Prompt Eng #Cost Optimization
05
Context Aware: 기억을 가진 AI 구현
랭체인의 Memory 모듈을 활용하여 대화의 맥락을 유지하고 장기 기억을 관리하는 법을 실습합니다.
#랭체인 Memory #Context
06
Enterprise RAG: 벡터 DB 구축 실전
Pinecone/ChromaDB를 활용하여 대규모 문서를 인덱싱하고, 환각 없이 정확한 정보를 검색하는 파이프라인을 구축합니다.
#RAG #Vector DB
07
랭체인 Agent & Tool Use
LLM이 스스로 도구(검색, 계산기 등)를 선택하여 복잡한 문제를 해결하는 자율 에이전트를 개발합니다.
#Agent #Automation
08
멀티모달 AI: 음성 인터페이스 확장
Whisper 모델을 연동하여 텍스트뿐만 아니라 음성 데이터까지 처리하는 멀티모달 애플리케이션을 만듭니다.
#Whisper #Multimodal
09
커스터 LLM: LoRA 파인튜닝 실무
오픈소스 모델(Llama 3 등)을 내 목적에 맞게 경량화 튜닝(LoRA)하여 나만의 모델을 확보하는 고급 기술을 익힙니다.
#Fine-tuning #LoRA
강의 핵심 포인트
POINT 01
현업 AI 엔지니어의 실무 노하우
단순 코딩 강의가 아닙니다. 실제 대기업 AI 프로젝트에서 사용되는 아키텍처 설계, 에러 핸들링, 성능 최적화 등 현업 엔지니어의 경험이 담긴 '진짜' 개발 노하우를 전수합니다.
POINT 02
보안과 비용을 고려한 하이브리드 전략
고성능의 오픈AI API와 보안에 강한 로컬 LLM(Ollama/Llama)을 상황에 맞게 선택하여 사용하는 하이브리드 전략을 통해, 기업의 비용 절감과 데이터 보안 요구사항을 모두 충족시킵니다.
POINT 03
RAG부터 파인튜닝까지 Full-Stack 커버
프롬프트 엔지니어링부터 시작해 RAG 시스템 구축, 그리고 모델 파인튜닝까지. AI 애플리케이션 개발의 A to Z를 다루며, 수료 후 즉시 실무 투입이 가능한 수준의 기술력을 배양합니다.
자주 묻는 질문
Q. 파이썬 기초가 부족한 비전공자도 수강 가능한가요?
네, 가능합니다. 본 과정은 'Zero to Hero'를 지향하여 초반부에 AI 개발에 필수적인 파이썬 핵심 문법과 환경 설정을 다룹니다. 비전공자 수강생들도 RAG 챗봇 구현까지 성공적으로 마친 사례가 다수 있습니다.
Q. 고가의 GPU 장비가 없어도 실습이 가능한가요?
네, 가능합니다. 대부분의 실습은 클라우드 환경(Google Colab)에서 무료 T4 GPU를 활용하여 진행됩니다. 로컬 LLM 실습 또한 양자화(Quantization) 기술을 활용해 일반 노트북에서도 구동 가능한 방법을 안내해 드립니다.
Q. 이 강의를 들으면 어떤 비즈니스 성과를 낼 수 있나요?
사내 문서를 자동 분석하는 챗봇으로 업무 효율을 높이거나, 고객 응대 자동화 시스템을 구축할 수 있습니다. 또한, 도메인 특화 모델 파인튜닝을 통해 경쟁사 대비 차별화된 AI 서비스를 개발할 수 있는 역량을 갖추게 됩니다.
Q. API 비용은 얼마나 발생하며, 대안은 있나요?
실습 수준에서는 커피 한 잔 값 정도의 소액이 발생합니다. 하지만 비용 부담을 없애기 위해 무료 오픈소스 모델(Llama 3, Mistral 등)을 Ollama로 구동하여 비용을 최소화하는 방법도 함께 알려드립니다.
© 2024 AI Engineering Course. All rights reserved.
강사
파울러 디숀
안드로이드, 자바, 플러터 개발자이자 강사이다. IT 분야에서 사람들을 가르치는 것에 열정을 가지고 있습니다. 175개 이상의 국가에서 80,000명 이상의 학생들을 가르쳐 온 그는 프로그래밍과 개발 분야의 지식과 전문성을 전파하는 데 헌신해 왔습니다.
Whitworth University에서 컴퓨터 공학 학위를 취득한 했으며, 교육과 더불어 프로그래밍을 즐깁니다. 그는 모바일 앱과 웹 개발 분야에서 풍부한 경험을 보유하고 있으며, 학생들이 전문 개발자가 되는 데 필요한 기술을 제공하는 플랫폼인 "Build Apps with Paulo"를 설립했습니다.
학생들이 뛰어난 애플리케이션과 소프트웨어를 만들 수 있도록 가르치고 안내하는 것은 그에게 매우 보람 있는 여정이었습니다. 10년 넘게 온라인으로 강의해 온 그는 학습자들의 현재 경험 수준과 관계없이 숙련된 개발자가 될 수 있도록 돕는다는 사명감으로 활동하고 있습니다.
커리큘럼
1-01차시 소개
02
1-02차시 이 과정에서 만들게 될 것
03
1-03차시 강의 구조
04
1-04차시 이 강의를 최대한 활용하는 방법
05
2-01차시 개발 환경 설정 개요
06
2-02차시 윈도우 사용자를 위한 파이썬 설치
07
2-03차시 맥에서 파이썬 설치 하기 위한 맥 사용자 용
08
2-04차시 비주얼 스튜디오 코드 다운로드
09
2-05차시 VS Code용 파이썬 확장팩 설치하기
10
2-06차시 VS Code에서 첫 파이썬 프로그램 실행하기
11
3-01차시 파이썬이란 무엇이며 어디에 사용되는가
12
3-02차시 파이썬 컴파일 및 해석 과정
13
3-03차시 파이썬에서 변수 선언하기
14
3-04차시 데이터 유형
15
3-05차시 파이썬 f 스트링
16
3-06차시 숫자 정수와 부동소수점
17
3-07차시 리스트 소개 접근 및 수정하기
18
3-08차시 f 문자열과 리스트의 개별 값
19
3-09차시 목록 정렬 및 목록 길이 구하기
20
3-10차시 리스트와 반복문 리스트 반복하기
21
3-11차시 반복문과 range() 함수를 이용한 숫자 목록 만들기
22
3-12차시 숫자를 위한 통계 함수
23
3-13차시 리스트와 범위를 이용한 짝수 생성
24
3-14차시 중요한 코드 구조 노트
25
3-15차시 리스트 내포
26
3-16차시 튜플 (Tuples)
27
3-17차시 분기 조건문과 부울값(Booleans)
28
3-18차시 엘리프와 키워드에서의 in
29
3-19차시 논리 연산자 사용하기 및 또는
30
3-20차시 그리고 또는 논리 연산자
31
3-21차시 부등식 확인하기
32
3-22차시 내부 if 문 활용하기
33
3-23차시 데이터 구조 사전—소개와 선언하기
34
3-24차시 사전 수정하기
35
3-25차시 딕셔너리 순회하기
36
3-26차시 중첩 사전과 그 반복 처리
37
3-27차시 리스트 내에 포함된 사전 루핑
38
3-28차시 사용자 입력과 반복문 소개
39
3-29차시 홀수와 짝수 다루기
40
3-30차시 반복문과 간단한 종료 프로그램
41
3-31차시 실습 퀴즈 게임
42
3-32차시 리스트에서 특정 값 모든 인스턴스 제거하기
43
3-33차시 실습 꿈의 여행 일정 프로그램—사전 채우기
44
3-34차시 함수 소개
45
3-35차시 함수에 정보 전달하기 매개변수
46
3-36차시 위치 인자와 이름이 있는 인자
47
3-37차시 기본값 매개변수
48
3-38차시 함수에서 반환 값 다루기
49
3-39차시 정수 반환하기 및 DocString 소개
50
3-40차시 함수 리스트를 인수로 전달하기
51
3-41차시 임의의 수의 인자를 함수에 전달하기
52
3-42차시 모듈 소개 특정 함수 가져오기
53
3-43차시 별칭으로서의 as 사용하기
54
3-44차시 클래스와 OOP 객체 지향 프로그래밍—init과 str
55
3-45차시 초기화 및 문자열 방법
56
3-46차시 클래스에 더 많은 메서드 추가하기
57
3-47차시 속성의 기본 값 설정
58
3-48차시 클래스 속성 직접 수정하기와 메서드로 수정하기
59
3-49차시 상속 전자책 생성하기—자식 클래스
60
3-50차시 메서드 재정의 (Overriding Methods)
61
3-51차시 모듈에서 생성하기 및 가져오기
62
3-52차시 객체 클래스 개요
63
3-53차시 파이썬 표준 라이브러리
64
3-54차시 랜덤 모듈 랜덤 과일 실습
65
3-55차시 선택 모듈 방법을 활용한 랜덤 과일 다루기
66
3-56차시 날짜시간 모듈 사용하기
67
3-57차시 파일 쓰기와 읽기 파이썬으로 유용한 작업 수행하기
68
3-58차시 경로 클래스와 텍스트 파일 읽기
69
3-59차시 하위 디렉토리에서 경로 읽기 해결하기 with Path
70
3-60차시 경로 속성 개요
71
3-61차시 경로가 있는 텍스트 파일에 쓰기
72
3-62차시 위치 키워드를 사용하여 파일 읽기 및 쓰기
73
3-63차시 예외 처리
74
3-64차시 파일을찾을수없음(FileNotFound)과 인덱스오류(IndexError) 예외 유형
75
3-65차시 사용자 정의 예외 생성 및 처리
76
3-66차시 JSON 읽기와 JSON 파일에 쓰기
77
3-67차시 국가를 JSON 파일에 쓰기와 읽기 실습
78
3-68차시 파일 정리 실습
79
3-69차시 파이썬 가상 환경과 PIP
80
3-70차시 가상 환경 설정과 패키지 설치
81
3-71차시 워터마커 파이썬 도구 실습
82
3-72차시 파이썬으로 이미지 워터마크 구축하기 1부
83
3-73차시 워터마크가 있는 이미지 생성하기
84
3-74차시 CSV 파일 읽기 소개
85
3-75차시 CSV 헤더 위치 얻기
86
3-76차시 CSV 열에서 데이터 읽기
87
3-77차시 CSV 데이터로 그래프 그리기
88
4-01차시 딥러닝 및 머신러닝 심층 탐구 개요 및 분석
89
4-02차시 딥러닝 핵심 측면
90
4-03차시 딥 신경망 구조 비교와 은유를 통한 전체 탐구
91
4-04차시 단일 뉴런 계산 심층 탐구
92
4-05차시 가중치 심층 분석
93
4-06차시 활성화 함수 비유를 통한 심층 탐구
94
4-07차시 딥러닝 요약
95
4-08차시 기계 학습 소개 기계 학습 대 심층 학습
96
4-09차시 학습유형 교육시스템 비유
97
4-10차시 비교 능력 딥러닝, 머신러닝, 및
98
5-01차시 생성형 AI 소개와 구조 개요
99
5-02차시 생성 AI 핵심 기술 제한사항 및 도전 과제
100
5-03차시 생성 AI 핵심 구성 요소 개요 및 요약
101
6-01차시 대형 언어 모델(LLMs) 개요
102
6-02차시 트랜스포머 아키텍처 기초
103
6-03차시 자기 주목 메커니즘 비유
104
6-04차시 트랜스포머 라이브러리 깊이 파고들기
105
6-05차시 실습 변환기 라이브러리에서 간단한 LLM 만들기
106
6-06차시 실습 강화된 트랜스포머 LLM
107
6-07차시 오픈 소스와 클로즈드 소스 모델 개요
108
7-01차시 오픈AI 계정 설정 및 API 키 획득
109
7-02차시 AI 프로젝트에서 API 효과적으로 사용하기
110
7-03차시 우리의 첫 오픈AI 모델 호출 만들기 실습
111
8-01차시 프롬프트 엔지니어링 소개
112
8-02차시 프롬프트 엔지니어링과 유형 그것이 중요한 이유
113
8-03차시 간단한 프롬프트 예제 핸즈온
114
8-04차시 고급 프롬프트 기법 및 도전과제
115
8-05차시 핸즈온 소수샷 프롬프트(탄력적 프롬프트)
116
8-06차시 제로샷 프롬프트 실습
117
8-07차시 직접 해보기 사고의 연쇄 프롬프트
118
8-08차시 실습 기반 교수 프롬프트
119
8-09차시 실습 역할극과 열린 문제 제기
120
8-10차시 온도와 Top p 샘플링
121
8-11차시 실습 프롬프트 기법 조합과 스트리밍
122
8-12차시 프롬프트 엔지니어링 요약 및 주요 내용
123
9-01차시 실습 컨텍스트와 메모리 관리 개요
124
9-02차시 맥락(Context)과 메모리 관리(Memory Management)에 대한 심층 분석
125
9-03차시 실습 챗봇에 메모리와 맥락 추가하기
126
9-04차시 요약
127
10-01차시 로그 소개 무엇과 왜
128
10-02차시 대형언어모델 응용프로그램에서의 로그인 및 로그 생애주기
129
10-03차시 로그가 포함된 챗봇 실습
130
10-04차시 요약
131
11-01차시 RAG 소개 그게 뭘까요
132
11-02차시 RAG 핵심 구성요소 RAG 삼위일체
133
11-03차시 RAG 모델과 순수 생성 인공지능 모델
134
11-04차시 RAG 심층 탐구 전체 다이어그램 워크쓰루
135
11-05차시 RAG 이점과 실용적 응용
136
11-06차시 RAG 도전 과제
137
11-07차시 RAG 기초 정리와 요약
138
12-01차시 RAG 파이프라인 개요
139
12-02차시 첫 RAG 워크플로우 아키텍처 다이어그램
140
12-03차시 임베딩 모델 클래스 설정하기
141
12-04차시 핸즈온 정보 검색과 생성(RAG) 워크플로우 구축 및 시연
142
12-05차시 사용자 인터페이스(UI)와 함께하는 RAG 워크플로우 실습—스트림릿
143
12-06차시 첫 번째 RAG 파이프라인 요약
144
13-01차시 PDF RAG 워크플로우 아키텍처 개요
145
13-02차시 PDF와 청크 처리 및 청크 오버랩 심층 탐구
146
13-03차시 간단한 RAG 시스템 클래스와 메서드 설정하기
147
13-04차시 PDF RAG 시스템
148
13-05차시 간단한 PDF RAG 워크플로우 요약
149
14-01차시 LLM 프레임워크 소개 랑체인 기초
150
14-02차시 랭체인과 주요 구성 요소는 무엇인가?
151
14-03차시 랭체인 설정과 챗모델
152
14-04차시 핸즈온 랭체인 채팅 프롬프트 템플릿
153
14-05차시 인덱스(Index), 검색기(Retriever), 및 데이터 준비 개요
154
14-06차시 실습 랭크레인 텍스트로더(TextLoaders)
155
14-07차시 텍스트 분할 및 정리 실습
156
14-08차시 FAISS VectorStore를 이용한 임베딩과 검색기 핸즈온
157
14-09차시 랭체인 텍스트분할기 심층탐구
158
14-10차시 랑체인 디렉토리로더
159
14-11차시 랭체인 PDF로더
160
14-12차시 실습 랭체인 체인
161
14-13차시 실습 간단한 RAG 시스템 체험 및 챗과 랭체인 체인
162
14-14차시 핸즈온 전체 RAG 시스템 QA 봇 사용하기 랭체인
163
15-01차시 LLM 응용 뉴스 요약
164
15-02차시 뉴스 요약기 전체 구현
165
15-03차시 LLM 응용 유튜브 영상 요약
166
15-04차시 유튜브 영상 요약기와 Q&A 의존성 설정
167
15-05차시 유튜브 영상 요약기 수업 설정과 안내
168
15-06차시 유튜브 영상 요약기 Q&A 워크플로우 테스트
169
15-07차시 LLM 어플리케이션 음성 비서 RAG 시스템
170
15-08차시 음성 비서(RAG) 시스템 데모
171
15-09차시 음성 assistant RAG 시스템
172
16-01차시 미세조정
173
16-02차시 세밀 조정(파인 튜닝) 기법
174
16-03차시 미세 조정 기법 비교
175
16-04차시 미세 조정(파인 튜닝) 일반 과정
176
16-05차시 오픈AI 모델 파인튜닝 가격
177
16-06차시 토큰과 토크나이저 오픈AI 도구
178
16-07차시 열린AI 모델의 미세 조정 실습
179
16-08차시 우리의 미세 조정된 모델로 챗봇 만들기 및 테스트
180
17-01차시 LoRA 소개 장점
181
17-02차시 LoRA 심층 분석
182
17-03차시 LoRA 구현 전략 워크플로우
183
17-04차시 핸즈온 훈련 모델—LoRA와 PEFT
184
17-05차시 LoRA 모델 미세 조정 및 테스트
185
17-06차시 세밀하게 조정된 모드와 인터페이스하기 위한 API 서비스 생성
186
17-07차시 우리의 LoRA 모델 API 엔드포인트 테스트
187
17-08차시 로라(LoRA)로 미세조정된 모델과의 채팅
188
17-09차시 전체 LoRA 작업흐름 훈련과 미세조정된 모델로 채팅하기
189
18-01차시 마치며
수강 후기
첫번째 리뷰어가 되어주세요.
소중한 후기가 다른 분들께 도움이 될 거에요.
정가
110,000원
총 결제 금액
110,000원
적립 예정
3,300P
110,000원
110,000원