다음에 대한 학습 방향 기술 전문가
RAG 시스템 완전 정복
이 입문자용 학습 방향에서는 검색-증강 생성(RAG, Retrieval-Augmented Generation) 시스템을 살펴보며, 초급 및 고급 RAG 기법, LlamaIndex와 JavaScript 통합, 비정형 데이터 전처리, 지식 그래프 기반 RAG, 멀티모달 RAG 애플리케이션을 다룹니다. 수강생은 벡터 데이터베이스, 밀집 패시지 검색, 크로스-인코더 순위 재지정, Neo4j를 활용한 지식 그래프 구축, 현대적 프레임워크를 통해 바로 가능한 RAG 애플리케이션 구축을 실습하게 됩니다.
학습 목표
- 검색-증강 생성(RAG)의 원리와 아키텍처를 설명하고 기본 및 고급 RAG 기법을 구분합니다.
- 쿼리 확장, 크로스-인코더 순위 재지정, 밀집형 패시지 검색 등 고급 RAG 기법을 구현하여 정보 검색 및 답변 생성 기능을 강화합니다.
- LlamaIndex와 JavaScript를 활용한 RAG 애플리케이션을 구축 및 배포합니다. 여기에는 풀스택 챗봇 개발 및 벡터 데이터베이스 통합이 포함됩니다.
- 전용 프레임워크와 청킹 전략을 활용하여 RAG 및 LLM을 위한 PDF, HTML, PPTX, 이미지 등 비정형 데이터를 전처리 및 구조화합니다.
- Neo4j와 GPT-4를 활용해 지식 그래프와 멀티모달 데이터를 RAG 시스템에 통합하여 복잡한 컨텍스트 인식 검색 및 추천 워크플로우를 지원합니다.
대상 수강생
이 학습 방향은 실제 애플리케이션을 위한 RAG 시스템을 마스터하려는 AI 엔지니어, 데이터 과학자, 소프트웨어 개발자 및 기술 전문가를 위해 마련되었습니다. 최신 도구와 프레임워크를 사용해 고급 검색-증강 AI 솔루션을 구축, 최적화 및 배포하려는 기초 프로그래밍 유경험자에게도 적합합니다.