![[브오디-103][신규][디티] Gen AI RAG 실전 가이드, Langchain을 활용한 AI 챗봇 완전정복](https://www.masocampus.com/wp-content/uploads/2024/09/016-1.jpg)
복잡한 과정은 이제 그만
핵심 기술만 이해하고, AI 챗봇 시스템을 바로 구현하세요
– Langchain 필수 개념 정리
– 실전 웹 기술 적용 방법
– 완벽한 AI 챗봇 시스템 구축 가이드
불필요한 시간 낭비는 그만하세요.
이 강의 하나로 모든 걸 해결하세요
Langchain과 RAG를 통해 AI 챗봇 시스템을 구축하는 완벽한 가이드!
생성형 인공지능 개발 기술을 위한 체계적인 학습 과정을 제공합니다.
핵심만 담은 RAG 서비스 구축 강의
수강 체험단 후기
기업 강의 전문, 노하우가 만들어낸 강의
이 강의를 듣고 나니 Langchain이 이렇게 강력한 도구였다는 걸 처음 알았어요.
실제로 RAG 서비스를 구축하면서 다양한 기술들을 접할 수 있어서 너무 유익했어요. 이제는 혼자서도 AI 시스템을 구축할 수 있을 것 같아요!
체험단 후기 (이***)
정말 실전에서 바로 사용할 수 있을 거 같이 설명을 잘 해주시네요!
단순한 이론 강의보단 적용할 수 있는 AI 개발 기술들을 배워서 만족스럽습니다. 특히 AI 챗봇 구축 방법이 재밌었어요~
체험단 후기 (박**)
강사님이 설명을 잘해주십니다.
솔직히 처음엔 어려울거라고 생각했는데 Langchain과 RAG 서비스의 진정한 가치를 알게 되었어요!
이전에는 어렵게만 느껴졌던 기술들이 이제는 손에 잡히는 것 같아요.
실습을 통해 직접 구현해 보니 자신감도 생기고, 앞으로 더 많은 프로젝트에 도전할 수 있을 것 같습니다.
체험단 후기(감****)
Langchain이란?
Langchain은 파이썬 기반의 라이브러리로, 언어 모델을 활용해 복잡한 자연어 처리(NLP) 작업을 간편하게 구현할 수 있도록 도와주는 도구입니다.
이를 통해 다양한 AI 시스템, 특히 챗봇이나 텍스트 분석 시스템을 손쉽게 개발할 수 있습니다.
RAG 서비스란?
RAG(Retrieval-Augmented Generation) 서비스는 검색과 생성 기능을 결합한 AI 모델입니다.
RAG는 사용자 질문에 대해 데이터베이스에서 관련 정보를 검색하고, 이를 바탕으로 정확하고 유용한 답변을 생성합니다.
이렇게 만들어진 AI 시스템은 더 나은 사용자 경험을 제공하며, 정보 검색과 생성의 효율성을 극대화합니다.
Langchain과 RAG로 강력한 AI 시스템을 쉽게, 빠르게 구축할 수 있습니다!
AI 챗봇 개발과 RAG 서비스 최적화을 익히는 핵심 강의입니다.
1. Langchain 핵심 개념과 실전 활용
RAG 서비스 구축에 필수적인 Langchain의 개념과 활용법을 학습
2. 구체적인 RAG 서비스 구현 방법
실습을 통해 LCEL 기반의 RAG 파이프라인을 구성하고 최적화하는 방법
3. 풀스택 생성형 AI 개발 기술
HTML/CSS와 JavaScript로 AI 챗봇 인터페이스를 구현&FastAPI와의 통합 방법
4. RAG 서비스 적용 사례 분석
실제 사례를 통해 RAG 서비스의 성공적인 적용 전략을 분석하고 학습
모두를 위한 프리미엄 강의,
지금 AI 개발로 경쟁력을 높이세요!
다 떠먹여드립니다.수강할 마음만 준비하세요!
1. 강의 신청하기
2. 강사님을 따라 실습해보기
3. AI 챗봇 전문가로 거듭나기
성공의 3 STEP, 지금 밟을 차례입니다
Langchain과 RAG로 AI 시스템을 직접 설계하고 구현하는 능력 강화
AI를 활용한 실전 프로젝트 학습을 통한
업무 성과 극대화와 포트폴리오 제작으로
커리어를 한층 더 발전
AI 활용, 이제 AI 기술을 통해
변화하는 비즈니스 환경에 빠르게 적응하고
리더로 성장
지금이 AI 챗봇 기술을 배우고 활용할 최적의 기회입니다.
미래를 선도할 AI 전문가, 이 강의로 준비하세요.
– AI 시스템 구축의 기초부터 심화까지 배우고 싶은 분
– 데이터 기반의 의사결정을 위해 AI를 활용하고자 하는 모든 분
– 최신 AI 기술을 실무에 바로 적용하고 싶은 현업 종사자
– AI 챗봇과 RAG 서비스 구현에 관심 있는 현직 개발자 및 엔지니어
– 생성형 AI 개발로 커리어를 증진시키고, 포트폴리오에 기재하여 자신의 경쟁력을 높이고 싶은 개발자
모든 분야에서 AI 기술이 필수가 되는 지금, 나만 뒤쳐지는 거 같아 불안하셨나요?
이 강의를 통해 Langchain과 RAG 서비스를 마스터하고, 경쟁력을 강화하세요.
AI 시스템 구축의 전 과정을 학습하며 실무에 바로 적용할 수 있는 강력한 무기를 갖추세요!
STEP 1. 핵심 개념부터 탄탄하게
Langchain과 RAG의 기본 개념을 확실히 이해하고, 실전 대비
STEP 2. 실습 중심으로 쉽게
단계별 실습으로 직접 웹사이트 제작까지
STEP 3. 실무에 바로 적용 가능한 기술
실제 프로젝트에 바로 활용할 수 있는 생성형 AI 개발 기술
STEP 4. 완벽한 준비로 자신있는 도전
모든 과정을 마치고, 성능이 더 뛰어난 생성형 AI 개발 프로젝트 도전
AI 시스템 구축의 선두주자가 될 준비가 되셨나요?
마소캠퍼스의 강의를 통해 Langchain과 RAG 서비스를 마스터하고,
AI 활용 개발자로서의 첫걸음을 밟아보세요
지금 바로 강의를 신청하고, AI 중심의 미래를 선도해 보세요!
마소캠퍼스 X 윤성재 강사님과 함께하는
RAG, Langchain 활용 강의!
단 6시간만 투자하세요.
효율적이고 체계적인 커리큘럼으로
역량 강화와 실질적인 결과물을 한 번에 마스터하세요
Q. AI 시스템 개발에 대한 어느 정도의 사전 지식과 코딩 실력이 필요한가요?
A. 본 강의는 AI 시스템 개발에 관심이 있는 분들을 대상으로 하며, 파이썬 백엔드 개발 중급 이상, html, css, java script 프론트엔드 개발 초급 정도의 실력이 요구됩니다. AI 관련 개념은 기초부터 체계적으로 설명되지만, AI 코딩에 대한 사전 지식이 있으면 더욱 효과적으로 학습할 수 있습니다.
Q. 강의에서 사용하는 도구나 프로그램 설치가 필요한가요?
A. 강의에서 사용되는 AI 도구 및 소프트웨어는 무료로 제공되며, 설치와 활용 방법을 강의 중에 단계별로 안내해 드립니다. 강의 후반부에서는 Visual Studio Code를 사용하여 강의가 진행되는데, 이 도구의 기본적인 사용법은 강의 초반에 간략히 소개되지만, 수업을 원활하게 따라가기 위해 미리 설치하고 사용해보는 것을 권장합니다.
Q. 본 강의를 수강하기 위한 요구 사항 또는 필요 조건이 있나요?
A. 본 강의에서는 Google의 Colaboratory(Colab)라는 소프트웨어를 사용합니다. Colab은 클라우드 기반의 Python 환경을 제공하여 별도의 설치 없이 바로 사용할 수 있지만, 강의를 원활하게 진행하기 위해 Colab의 기본 사용 방법을 미리 알아보시는 것을 추천드립니다. 또한, Colab을 처음 사용하시는 분들은 Google 계정이 필요하며, 사전에 Colab에 접속하여 환경을 준비해두시면 더욱 원활한 학습이 가능합니다.
-
-
- 실습 위주의 강의이기 때문에 강의 화면과 실습 화면을 분리할 수 있는 듀얼 모니터 또는 여분 기기를 함께 준비해주시면 좋습니다.
- 또한 Windows OS 기반으로 실습이 진행되므로, Windows 환경에서의 강의 수강을 추천해드립니다.
- 강의 교안 및 실습파일은 <00. 교재 다운로드 센터> 섹션에 존재합니다.
-
가능성을 깨우는 성장파트너,
마소캠퍼스
마소캠퍼스가 우리 모두의 성장을 위해 준비한 Actionable & Time-Saving 콘텐츠,
지금 확인해보세요. (기업 교육 문의는 biz@masocampus.com)
커리큘럼
| 00. 교재 다운로드 | |||
| [onc102] RAG000 교재 다운로드 | 00:00:00 | ||
| 1. 강의 소개 | |||
| [onc102] RAG101 강의 소개 | FREE | 00:04:07 | |
| 2. RAG 기초와 파이프라인 | |||
| [onc102] RAG201 RAG의 개념과 필요성 | FREE | 00:12:33 | |
| [onc102] RAG202 RAG 파이프라인 개요와 핵심 컴포넌트 | 00:15:55 | ||
| [onc102] RAG203 RAG 실제 적용 사례 분석 | FREE | 00:05:53 | |
| 3. Langchain 프레임워크 소개 | |||
| [onc102] RAG301 Langchain 개념과 아키텍처 | 00:14:56 | ||
| [onc102] RAG302 Langchain을 사용한 RAG 구현 워크플로우 | FREE | 00:04:54 | |
| 4. RAG를 위한 Langchain 핵심 구성요소 | |||
| [onc102] RAG401 (실습) Models | 00:36:57 | ||
| [onc102] RAG402 (실습) Prompt Templates | 00:24:06 | ||
| [onc102] RAG403 (실습) Document Loaders | 00:27:39 | ||
| [onc102] RAG404 (실습) Text Splitters | 00:22:19 | ||
| [onc102] RAG405 (실습) Embeddings | 00:23:07 | ||
| [onc102] RAG406 (실습) Vector Stores | 00:15:07 | ||
| [onc102] RAG407 (실습) Retrievers | 00:11:21 | ||
| 5. Langchain을 더 편하게, LCEL | |||
| [onc102] RAG501 LCEL 소개 및 기본 구조 | 00:06:02 | ||
| [onc102] RAG502 (실습) Runnable 인터페이스와 체이닝 | 00:07:08 | ||
| [onc102] RAG503 (실습) RunnablePassthrough와 RunnableLambda | 00:19:09 | ||
| [onc102] RAG504 (실습) LCEL을 사용한 RAG 파이프라인 구성 | 00:25:51 | ||
| 6. 고급 RAG 기법 | |||
| [onc102] RAG601 (실습) 다중 쿼리 생성(Multi-query Retriever) 기법 | 00:08:26 | ||
| [onc102] RAG602 (실습) 재정렬(Rerank) 기법 | 00:07:06 | ||
| [onc102] RAG603 (실습) 맥락 압축(Context Compression) 기법 | 00:11:18 | ||
| [onc102] RAG604 (실습) HyDE(Hypothetical Document Embeddings) 기법 | 00:06:35 | ||
| 7. Streamlit을 활용한 RAG 챗봇 구현 | |||
| [onc102] RAG701 (실습) Streamlit 챗봇 기초 구현 | 00:23:16 | ||
| [onc102] RAG702 (실습) 대화 이력 관리와 메모리 구현 | 00:23:12 | ||
| 8. FastAPI를 활용한 챗봇 웹사이트 구축 | |||
| [onc102] RAG801 (실습) FastAPI 기초와 RESTful API 설계 | 00:10:30 | ||
| [onc102] RAG802 (실습) FastAPI와 Langchain RAG 서비스 연동 | 00:20:18 | ||
| [onc102] RAG803 (실습) HTML/CSS 기초: 챗봇 인터페이스 구현 | 00:09:36 | ||
| [onc102] RAG804 (실습) JavaScript 기초: 비동기 통신 및 채팅 기능 구현 | 00:17:40 | ||
541390 등록 수강생
