비개발자를 위한 AI 활용 (마스터 클래스) 임베딩·벡터화·RAG 원리와 실무 적용 완전정복

Embedding 기술과 AI 모델 최적화 실전 학습

⏰   학습 시간          총 6시간

📚   교육 형태          오프라인 강의 + 실습 지도

💻   교육비       300,000원     ➡   30,000원(인당 / 환급 적용 시)

교육 대상

AI 및 데이터 활용 역량을 필요로 하는 직무 담당자, 또는 비개발자 직군 실무자


교육 목표

Embedding의 개념과 AI 모델 학습 방식을 이해하고, 실제 LLM 도입 프로세스를 학습한다.
Text Embedding과 Deep Learning 기반 AI 모델의 작동 원리를 익히고, RAG(검색 증강 생성) 기술을 통한 실무 활용법을 학습한다.

국내외 기업 사례를 바탕으로 RAG 기반 AI 도입 프로세스를 분석하고, 실무 적용 전략을 탐색한다.


프로그램

전용 실습 프로그램 제공(ChatGPT 4o API 연동)

※ 실습을 위한 노트북 지참 필수


비개발자를 위한 AI 활용 (마스터 클래스) 임베딩·벡터화·RAG 원리와 실무 적용 완전정복
Embedding 기술과 AI 모델 최적화 실전 학습

  학습 시간     총 6시간

📚  교육 형태     오프라인 강의 + 실습지도

💻   교  육  비 (인당 / 환급 적용 시) 

 300,000원  30,000원

교육 대상
AI 및 데이터 활용 역량을 필요로 하는 직무 담당자, 또는 비개발자 직군 실무자

교육 목표
Embedding의 개념과 AI 모델 학습 방식을 이해하고, 실제 LLM 도입 프로세스를 학습한다.
Text Embedding과 Deep Learning 기반 AI 모델의 작동 원리를 익히고, RAG(검색 증강 생성) 기술을 통한 실무 활용법을 학습한다.
국내외 기업 사례를 바탕으로 RAG 기반 AI 도입 프로세스를 분석하고, 실무 적용 전략을 탐색한다.

프로그램
전용 실습 프로그램 제공(ChatGPT 4o API 연동)
※ 실습을 위한 노트북 지참 필수

교육 커리큘럼

Embedding의 개념 및 활용 방식을 알고, 
Text Embedding 및 Deep Dive LLM에 대해 학습합니다.
STEP 01
Embedding 기본 개념 및 활용 방식

Embedding의 원리와 모델 분석
Embedding의 개념과 벡터화 과정을 학습한다. Word2Vec, BERT 등 대표적인 임베딩 모델 작동 원리와 모델 간의 차이를 비교 분석한다.
STEP 02
Text Embedding 및 Deep Dive LLM

자연어 처리를 위한 Text Embedding
LLM(대형 언어 모델)의 핵심 기술 중 하나인 Text Embedding을 학습하고, 자연어 처리(NLP)에서의 활용 사례를 분석한다.
Deep Learning LLM의 구조와 특징
Transformer 모델을 기반으로 한 Deep Learning LLM의 구조와 특징을 익히고, 다양한 최신 LLM 모델(GPT, Claude, Gemini 등)의 차이점을 비교하여 이해도를 높인다.
STEP 03
국내 기업의 RAG 도입 사례 분석

RAG 도입 사례 분석 및 프로세스 탐색
국내외 기업의 성공적인 RAG 도입 사례를 분석하고, 실무 적용을 위한 주요 프로세스를 탐색한다. 기업 환경에서 RAG 기반 AI를 활용하여 검색 최적화 및 자동화 서비스를 구축하는 방법을 실습한다.

과정 목차


  • Natural Language Processing의 발전
  • Gen AI for Enterprise :Model
  • Gen AI for Enterprise :Fine-Tuning
  • Gen AI for Enterprise : RAG & Agent
  • RAG 사례 : NL2SQL
  • RAG 사례 : 신문기사 추천
  • RAG 사례 : 고객 이탈 관리
  • 안전한 RAG : GuardRail
  • 실무 : LLM Agent Project
  • Gen AI & RAG Wrap-up

✽ 실제 강의 현장 상황에 따라 교과 내용의 순서 또는 내용이 변경될 수 있습니다.

다른 과정 더 보기

교육 커리큘럼

Embedding의 개념 및 활용 방식을 알고, Text Embedding 및 Deep Dive LLM에 대해 학습합니다.

 STEP 01 

Embedding 기본 개념
및 활용 방식

Embedding의 원리와 모델 분석
Embedding의 개념과 벡터화 과정을 학습한다. Word2Vec, BERT 등 대표적인 임베딩 모델 작동 원리와 모델 간의 차이를 비교 분석한다.

 STEP 02 

Text Embedding
및 Deep Dive LLM

자연어 처리를 위한 Text Embedding
LLM(대형 언어 모델)의 핵심 기술 중 하나인 Text Embedding을 학습하고, 자연어 처리(NLP)에서의 활용 사례를 분석한다.
Deep Learning LLM의 구조와 특징
Transformer 모델을 기반으로 한 Deep Learning LLM의 구조와 특징을 익히고, 다양한 최신 LLM 모델(GPT, Claude, Gemini 등)의 차이점을 비교하여 이해도를 높인다.

 STEP 03 

국내 기업의 RAG
도입 사례 분석

RAG 도입 사례 분석 및 프로세스 탐색
국내외 기업의 성공적인 RAG 도입 사례를 분석하고, 실무 적용을 위한 주요 프로세스를 탐색한다. 기업 환경에서 RAG 기반 AI를 활용하여 검색 최적화 및 자동화 서비스를 구축하는 방법을 실습한다.

과정 목차


AI와 협업하는 시대
: Embedding 및 AI 모델 최적화 과정
  • Natural Language Processing의 발전
  • Gen AI for Enterprise :Model
  • Gen AI for Enterprise :Fine-Tuning
  • Gen AI for Enterprise : RAG & Agent
  • RAG 사례 : NL2SQL
  • RAG 사례 : 신문기사 추천
  • RAG 사례 : 고객 이탈 관리
  • 안전한 RAG : GuardRail
  • 실무 : LLM Agent Project
  • Gen AI & RAG Wrap-up

✽ 실제 강의 현장 상황에 따라 교과 내용의 순서 또는 내용이 변경될 수 있습니다.

다른 과정 더 보기