강의 상세보기

검색증강 AI 개발 실전 프로젝트, RAG × LLM × VectorDB

샘플강의 보기
  • 학습기간 60일
  • 학습난이도중급
  • 강의 수19강
  • 정원500명
  • 강사임성열
  • 총 학습시간19시간
  • 복습시간30일
  • 교재없음
  • 정가209,000 원
  • 할인금액120,000 원
  • 총 결제금액89,000 원

  • 학습개요

    [새로운 인공지능의 등장]
    딥러닝의 한계를 극복하기 위한 검색 증강 생성, RAG 등장!

    RAG를 활용을 위한 LLM과 벡터DB 연결법을 함께 제공합니다.

  • 학습목표

    - 생성형 AI와 RAG의 개념 및 원리를 이해하고 활용할 수 있습니다.
    - 벡터 데이터베이스 및 LLM(Open Weight 포함)을 활용한 AI 애플리케이션을 직접 구축할 수 있습니다.
    - 실습 중심의 프로젝트를 통해 실무형 AI 서비스 개발 역량을 갖출 수 있습니다.

  • 학습대상

    - 생성형 AI 및 딥러닝 기술에 관심 있는 개발자
    - LLM, RAG, 벡터 DB 등 최신 AI 기술 기반 서비스 개발을 희망하는 예비 창업자 및 스타트업 실무자
    - AI 기반 앱 서비스 개발을 위한 실전형 교육이 필요한 직장인

강사이력

- 해커스 캠퍼스 SQL 강사
- 고려대학교 산업공학 박사
- 고려대, 아주대 강사 및 특임 교원
- 삼성전자, KT, 한국은행 등 IT 특강
- 데이터 아키텍트 및 DBA 수행 (POSCO DX, SK 등)
- 현대경제연구원/인재개발 연구원
강의목차
1강새로운 인공지능 세계로 입문!
  • 새로운 세계에, 클라우드와 GPU 그리고 새로운 인공지능
  • 새로운 인공지능이 동작하는 방식
  • [실습] 기본 생성형 AI 서비스 사용
2강딥러닝은 어떻게 생각하고, 생성형 AI는 어떻게 말할까?
  • 딥러닝과 생성형 AI 바로알기
  • 딥러닝과 생성형 AI 구조와 작동 방식 비교
  • [실습] 생성형 AI 활용 서비스 데모
3강생성형 AI로 보는 인공지능의 과거와 현재
  • 기존 인공지능 (ML/DL)에 대한 이해와 생성형 AI에 대한 발전 방향 비교
  • 기존 인공지능 (ML/DL)과 생성형 AI를 결합한 사례 이해
  • [실습] 기존 인공지능 (ML/DL)과 생성형 AI를 결합한 사례 실습
4강딥러닝 한계와 생성형 AI를 이용한 극복, 생성형 AI 도전 과제
  • 딥러닝 특성과 한계점 극복을 위한 시도
  • [실습] 딥러닝 특성과 한계점 파악
  • [실습] 생성형 AI가 특성과 한계점 이해
5강검색 증강 생성, RAG 필요성
  • 검색 증강 생성, RAG 기술이 주목받는 이유
  • [실습] RAG 원리와 동작 방식 알아보기(시나리오 기반)
6강생성형 AI, RAG 실습 환경 구성
  • Python을 이용한 RAG 및 벡터 DB 구축 환경 구성
  • [실습] RAG 실습 환경 구성하기
7강생성형 AI 활용, Prompt Engineering
  • 생성형 AI 특성 이해와 Prompt Engineering 활용
  • [실습] Prompt Engineering 활용
8강RAG Chain 및 AI Agent 이해
  • 생성형 AI에서 Chain 방식으로 서비스 처리
  • [실습] RAG Chain 구성 실습1
  • [실습] RAG Chain 구성 실습2
9강Closed Source LLM 활용
  • Open AI API를 이용한 생성형 AI 서비스
  • [실습] Closed Souce LLM 활용 1
  • [실습] Closed Souce LLM 활용 2
10강RAG 프로세스 이해 및 정리
  • RAG 프로세스 이해 및 정리
  • [실습] RAG 구축 및 Tool Calling 실습
11강RAG와 벡터 DB 아키텍처 연계
  • RAG와 벡터 DB 아키텍처 연계 알아보기
  • [실습] RAG와 벡터 DB 아키텍처 구축하기
12강벡터 DB 구축 이해
  • 벡터 DB 구축 필요성과 절차 이해
  • [실습] 벡터 DB 구축 절차
13강벡터 DB 쿼리와 청크 설계
  • 벡터 DB 구축과 쿼리 및 청크 설계
  • [실습] 쿼리 설계 및 청크 설계 실습
14강허깅 페이스 사용하기
  • 허깅페이스에 등록된 Open Weight LLM 이해
  • [실습] 허깅페이스 API 인증, Access 및 연결 활용
15강Open Weight LLM 기반 RAG 구축
  • Open Weight LLM을 이용한 RAG 서비스 모델 구축
  • [실습] Open Weight Model 사용하여, 기본 RAG App 데모 구현
  • [실습] Open Weight Model 사용하여, 확장된 RAG App 데모 구현
16강RAG와 벡터 DB 구축
  • 벡터 DB 구축 쿼리와, RAG 검색 상호 영향 이해
  • [실습] 벡터 DB 구축 쿼리 및 RAG 검색 동시 연결 비교 App 구축
17강RAG Fine Tuning
  • RAG Fine Tuning 트렌드 알아보기
  • [실습] PERT 기법(LoRa) 동작 확인 실습
18강Advanced RAG 구축
  • RAG와 벡터 DB 구축을 이용한 App 상용 구성 아키텍처 이해
  • [실습] RAG와 벡터 DB를 이용하여 상용 LLM App 빌드 및 배포
19강[Mini-Project] 생성형 AI, RAG, 벡터 DB 응용 지능형 서비스
  • Mini-Project AI 서비스 기획 및 아키텍쳐 설계
  • [실습] 생성형 AI, RAG, 벡터 DB, AI App 연결
수강신청
강의계획서
강의목차
강의목차
과정명 그래머 게이트웨이 베이직
근로자카드 판매가 49,010원
학습정원 500명
1일 수강 제한 1일 8차시만 수강 가능
학습기간 32H
학습방법 이러닝
강의목차
학습개요 실생활과 동떨어져 단지 시험을 위한 목적으로 문법용어를 익히는 것에 집중했던 기존의 영어문법강의를 벗어나 실생활에서 바로 사용할 수 있는 예문과 다양한 유형의 연습문제를 통해 말하기와 쓰기 능력을 기르는 것을 목적으로 한다. 본 강의를 통해 문법을 처음 시작하는 초보 학습자들이 영어의 기초를 탄탄하게 다질 수 있다.
학습목표 일상생활과 관련된 쉬운 주제와 에피소드를 통해 기초문법을 쉽게 이해할 수 있다. 영어에 대한 자신감을 회복하여 기본적인 영어 문장을 만들어 말할 수 있다. 학습한 문법 지식을 일상생활에 바로 적용하여 말할 수 있다.
학습대상 수능, 토익 등 그 동안의 영어시험에서 문법문제는 무조건 감으로 찍던 학습자 영어로 비즈니스 메일을 쓸 때마다 문법책 찾는 직장인 영어 기초가 부족하여 해외출장에서의 대화와 발표가 고민이었던 학습자
평가형식 진도율 80% 이상 / 평가(중간, 최종) 합산점수 60점 이상
평가비율
평가비율
구분 진도 시험(중간) 시험(최종)
반영율 - 10% 90%
필수기준 80% 이상 0점 이상 60점 이상
평가비율
구분 과제 토론 총점
반영율 - 10% 90%
필수기준 0점 이상 0점 이상 60점 이상
평가시작일
평가시작일
시험 기수 시작 1일 이후 진도율 80% 후
과제 기수 시작 0일 이후 진도율 0% 후
토론 기수 시작 0일 이후 진도율 0% 후
닫기

HRD-net에서 수강신청은 하셨나요?

  • 본 과정은 HRD-net에서 수강신청, 해커스 HRD에서 결제를 모두 완료하셔야 수강이 가능합니다.
  • 본 과정은 개강일 기준 재직 상태인 근로자만 수강이 가능합니다.
상단으로