벡터 검색의 한계를 넘어, 데이터 간의 관계까지 이해하는 차세대 GraphRAG 시스템 구축 가이드.
LLM은 강력하지만, 구체적인 도메인 지식 없이는 환각(Hallucination)에 빠집니다.
키워드는 매칭되지만, 문서 간의 복잡한 연결 고리를 파악하지 못해 엉뚱한 문단을 참고합니다.
유사도 기반 검색(Vector Search)은 "A가 B의 아버지다" 같은 명시적 관계 추론에 약합니다.
AI가 왜 그런 답변을 했는지 추적하기 어렵습니다. 블랙박스 모델의 한계입니다.
Hybrid Retrieval: 키워드 + 벡터 + 그래프 검색을 결합하여 완벽한 문맥을 제공하세요.
데이터 간의 연결(Edge)을 통해 숨겨진 맥락까지 찾아냅니다.
그래프 시각화를 통해 AI의 답변 경로를 눈으로 확인할 수 있습니다.
Neo4j
LangChain
Python
GPT-4
단순 따라하기가 아닌, 스스로 아키텍처를 설계할 수 있도록 돕습니다.
단순 RAG를 넘어 고도화된 엔터프라이즈급 AI 앱을 구축하고 싶은 분
데이터 간의 숨겨진 관계를 파악하고 이를 시각적으로 증명하고 싶은 분
최신 AI 기술 트렌드인 GraphRAG를 이해하고 실무에 도입하려는 분
궁금한 점을 미리 확인하고 시작하세요.
"대부분의 사람들은 시작조차 하지 않거나, 끝까지 가지 못합니다. 하지만 지금 이 글을 읽고 계신 여러분은 이미 남다른 열정을 가지셨습니다. 복잡한 데이터가 명쾌한 지식 그래프로 연결되는 짜릿한 순간, 7일 뒤 달라져 있을 여러분의 모습을 진심으로 응원합니다. 지금 바로 도전하세요!"
1_01_소개 및 사전 요구사항
02
1_02_강의 구성
03
2_01_개발 환경 설정 및 OpenAI 계정 개요
04
2_02_OpenAI API 키 설정하기
05
3_01_지식 그래프 심층 탐구_정의와 핵심 개념
06
3_02_지식그래프_구조_구축과_응용
07
3_03_요약
08
4_01_지식 그래프 구축 및 Neo4j 소개와 개요
09
4_02_Neo4J 기초
10
4_03_Neo4j 브라우저 개요
11
4_04_Neo4J 설정하기_그래프 데이터베이스 인스턴스 생성 및 연결
12
4_05_그래프 데이터베이스에 프로그래밍 방식으로 연결하기
13
4_06_프로그래밍으로 엔터티와 관계 생성하기
14
4_07_간단한 쿼리 실행하여 모든 엔티티 이름 가져오기
15
4_08_경로와 관계를 조회하는 쿼리 실행하기
16
4_09_요약
17
5_01_지식 그래프 & RAG 전체 개요
18
5_02_CSV 파일 데이터 추출 및 변환 실습
19
5_03_Neo4j_브라우저에서_그래프_전체_시각적으로_보기
20
5_04_LangChain 래퍼를 활용한 지식 그래프 질의
21
5_05_요약
22
6_01_벡터 인덱스 생성, 임베딩(Embeddings) 생성 및 데이터 채우기
23
6_02_벡터 인덱스와 지식 그래프 질의하기
24
6_03_요약
25
7_01_그래프 리트리버(Graph Retriever) 및 지식 그래프 전체 흐름 개요
26
7_02_실습_로마 제국 RAG 시스템과 지식 그래프(Knowledge Graph)
27
7_03_프로젝트_설정과_위키피디아_데이터_불러오기_및_분할
28
7_04_그래프 데이터 추출 및 지식 그래프 생성
29
7_05_전체 지식 그래프(knowledge graph) 시각화
30
7_06_그래프 검색기(Graph Retriever) 및 엔터티 파서(Entity Parser) 설정
31
7_07_전체_텍스트_인덱스_생성과_필요한_함수_구현
32
7_08_RAG 체인 정의 및 통합하기(GraphRAG)
33
7_09_요약
34
8_01_마치며
첫번째 리뷰어가 되어주세요.
소중한 후기가 다른 분들께 도움이 될 거에요.
정가
63,000원
판매가
12,600원
총 결제 금액
80%
12,600원
63,000원
80%
12,600원