⏰  학습 시간     총 18시간

📚  교육 형태     오프라인 강의 + 실습지도

💻   교  육  비 (인당 / 환급 적용 시) 

 600,000원  ➡60,000원

STEP 01

생성형 AI 및 LLM 서비스 개발 사례 분석

생성형 AI와 LLM의 개념과 기술의 발전

다양한 산업에서 활용되는 LLM 기반 서비스 사례를 분석하고, 이를 기반으로 서비스 기획에 필요한 요소를 도출한다.

프롬프트 엔지니어링 실습과 자동화 시스템 설계

프롬프트 엔지니어링의 원리를 배우고, LLM 모델을 활용한 프롬프트 설계 및 최적화 기법을 실습한다.

STEP 02

RAG & Embedding 기반 데이터 처리 및 응용

RAG 개념과 Embedding 활용 기법

RAG(Retrieval-Augmented Generation)의 개념을 이해하고, Embedding을 활용한 문서 검색 및 벡터 데이터베이스 활용 기법을 익힌다.

RAG 기반 검색 AI 모델 구축

FAISS, Weaviate 등의 오픈소스 도구를 사용하여 벡터 검색을 최적화하는 방법을 배우고, RAG 기반 검색 AI 모델을 구축하여 데이터 검색의 효율성을 극대화하는 방법을 학습한다.

STEP 03 

Advanced RAG & Agent 활용 AI 서비스 구현

프레임워크를 활용한 AI Agent 개발

AI Agent의 개념과 역할을 학습하고, LangChain, AutoGPT 등의 프레임워크를 활용해 AI Agent를 개발하는 방법을 실습한다.

Advanced RAG 기법을 통한 서비스 구축

Advanced RAG 기법을 활용하여 검색 AI 모델의 성능을 개선하는 방법을 배우고, API 연동 및 자동화 기법을 통해 AI 기반 서비스를 구축하고, 이를 서비스화하기 위한 핵심 기술을 익힌다.

• 생성형 AI가 바꾼 일상
• 생성형 AI의 발전과 기술적 변화
• 생성형 AI의 실생활 및 비즈니스 적용
• Gen AI 서비스 활용
• 생성형 AI 모델의 비교 및 활용
• ChatGPT 실습
• 생성형 AI : ChatGPT
• LLM의 발전과 개념 이해
• ChatGPT 실습
• 생성형 AI : LLM 활용
• 생성형 AI 기업 활용 사례
• AI 기반 산업 및 기술 변화
• 산업별 생성형 AI 활용 사례
• Prompt Engineering
• 프롬프트 엔지니어링의 개념과 원ㄹ
• 프롬프트 최적화 및 실습

• 사례 1: 국내 금융 RAG 도입 사례
• AI 기초 : Vector
• Gen AI LLM 모델 기본 개념
• 딥러닝 및 전이학습 개념 이해
• 대규모 언어모델(LLM) 개념 및 구조
• 신뢰할 수 있는 LLM : RAG
• LLM의 한계와 신뢰성 문제
• RAG 개념과 구현
• Naive RAG
• Team Project :Prompt 개선

• 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