LangChain과 함께 RAG 활용하기: 상

RAG, LangChain

딥러닝 프로젝트
7 시간 11 스테이지
100 명

프로젝트 설명

어떤 프로젝트일지 시작하기 전에 읽어보세요

선행 학습 교재 시리즈

무엇을 다루는 교재인가요?

'LangChain과 함께 RAG 이해하기'에서 RAG의 기본 원리에 대해 잘 배우고 오셨나요? 이제는 더 복잡한 실무 환경에서 안정적으로 작동하는 RAG 시스템을 구축할 차례입니다. 본 교재에서는 기본 RAG 개념을 바탕으로, 실제 업무에서 마주치는 다양한 데이터 소스 처리와 성능 최적화 기법들을 알아봅니다.

선행 교재에서 RAG의 기본 파이프라인과 구성 요소들을 배우셨다면, 이제는 웹페이지부터 복잡한 PDF까지 다양한 데이터 소스 처리, 문서 특성에 맞는 똑똑한 청킹 전략, 그리고 성능과 비용을 모두 고려한 임베딩 모델 선택까지 RAG 시스템의 실무 운영 노하우를 마스터하실 차례예요. 복잡한 실무 데이터 처리부터 성능 최적화까지, 실제 업무 환경의 다양한 예제들을 통해 배운 내용을 직접 활용해보면서 RAG 시스템 구축의 진정한 매력을 느껴봅시다!

이번 교재에서 배워요.

스테이지 1~2

RAG 개념 정리와 교재 구성 소개

• RAG의 데이터 준비 단계와 운영 단계를 체계적으로 복습합니다.
• 본 교재에서 다룰 내용의 전체 구성을 소개합니다.

스테이지 3~5

Document Loaders - 다양한 데이터 소스 연결하기

• 실무 환경에서 마주치는 복잡한 데이터 소스들의 특성과 도전 과제를 분석합니다.
• WebBaseLoader를 활용한 웹 페이지 데이터 수집 기법을 학습합니다.
• PDF 처리의 고급 기법들을 비교 분석합니다.
• 상황에 맞는 Document Loader 선택 기준과 커스텀 로더 구현 방법을 탐구합니다.

스테이지 6~8

Text Splitters - 효과적인 문서 청킹 전략

• RecursiveCharacterTextSplitter의 활용법과 문서 구조를 고려한 스마트 청킹을 실습합니다.
• 토큰 기반 청킹의 실무 적용 방법을 학습합니다.
• 의미 기반 청킹의 개념과 구현 방법을 익히고, 기존 방식과의 성능을 비교 분석합니다.
• 문서 유형별 맞춤 청킹 전략과 메타데이터를 활용한 청킹 기법을 탐구합니다.

스테이지 9~11

임베딩 모델 선택과 최적화

• 임베딩 모델이 RAG 성능에 미치는 영향을 분석하고 선택 기준을 학습합니다.
• OpenAI, BGE, E5 시리즈 등 주요 임베딩 모델들의 특성을 비교합니다.
• 임베딩 모델 선택 프로세스를 살펴봅니다.
• 임베딩 모델의 성능을 직접 비교해보는 실습을 진행합니다.

학습이 끝나면 이런 것들을 할 수 있어요.

✓

실무 환경의 다양한 데이터 소스를 효과적으로 처리할 수 있어요

✓

문서 특성에 맞는 최적의 청킹 전략을 수립할 수 있어요

✓

성능과 비용을 고려한 임베딩 모델 선택과 최적화를 할 수 있어요

✓

실무에서 안정적이고 효과적인 RAG 시스템을 구축할 수 있어요

이런 분들에게 추천해요.

'LangChain과 함께 RAG 이해하기'를 완주하고 다음 단계로 나아가고 싶으신 분

기본 RAG는 할 줄 알지만 실무에서 막히는 부분들을 해결하고 싶으신 분

다양한 데이터 소스를 다루는 기법들을 배우고 싶으신 분

청킹과 임베딩 최적화로 RAG 성능을 한 단계 업그레이드하고 싶으신 분

프로젝트 과정

차근차근 단계를 밟아 학습해보세요.

스테이지 11 개

1. RAG 개념 정리와 교재 구성 소개

2. QUIZ - RAG 시스템의 기본 작동 원리와 구성 단계

3. Document Loaders - 다양한 데이터 소스 연결하기

4. QUIZ - 실무에서 마주치는 다양한 데이터 소스 처리 방식

5. QUIZ - 다양한 Document Loader 선택과 활용 전략

6. Text Splitters - 효과적인 문서 청킹 전략

7. QUIZ - Text Splitters의 한계와 실무에서 발생하는 청킹 오류

8. QUIZ - 고급 청킹 전략과 청킹 품질 평가 방법

9. 임베딩 모델 선택과 최적화

10. QUIZ - RAG 시스템에서 임베딩 모델의 중요성과 선택 기준

11. QUIZ - 임베딩 모델 도입 시 비용 전략과 실무적 판단

내 학습 진도

1. RAG 개념 정리와 교재 구성 소개

데이스쿨

안녕하세요! 🙋‍♀️ 데이스쿨은 인공지능 초/중급 학습자를 위한 프로젝트 학습, 해커톤, 트랙으로 구성된 학습 플랫폼이에요. 부단한 연습과 매일의 작은 노력을 통해 여러분의 학습 목표를 달성해 보세요. 🏆 여러분의 성공을 위해 데이스쿨이 함께 할게요. 🎉 📧 문의: dacon0school@gmail.com