비개발자를 위한 AI 활용 (중급) 서비스 구조부터 기획 전략까지, AI 핵심기술 활용법

LLM 기반 서비스 개발과 검색 증강 생성(RAG) 활용

⏰   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

생성형 AI 및 대형 언어 모델(LLM)의 기본 개념과 주요 기술을 이해하고, 실무에서 활용할 수 있도록 학습한다.

비개발자도 쉽게 접근할 수 있도록 AI, ML, DL 개념과 LLM 구조를 익히고, 주요 키워드 및 최신 AI 트렌드를 분석한다.

RAG(RetrievalAugmented Generation) 기반의 신뢰할 수 있는 LLM을 구축하는 방법을 학습하고, 기업 도입 사례를 통해 실무 적용 방안을 모색한다.

국내외 기업의 AI 서비스 도입 프로세스를 분석하여 AI 모델 최적화 및 실무 활용 역량을 강화한다.


프로그램

전용 실습 프로그램 제공(ChatGPT 4o API 연동)

※ 실습을 위한 노트북 지참 필수


비개발자를 위한 AI 활용 (중급) 서비스 구조부터 기획 전략까지, AI 핵심기술 활용법
LLM 기반 서비스 개발과 검색 증강 생성(RAG) 활용

  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
생성형 AI 및 대형 언어 모델(LLM)의 기본 개념과 주요 기술을 이해하고, 실무에서 활용할 수 있도록 학습한다.
비개발자도 쉽게 접근할 수 있도록 AI, ML, DL 개념과 LLM 구조를 익히고, 주요 키워드 및 최신 AI 트렌드를 분석한다.
RAG(RetrievalAugmented Generation) 기반의 신뢰할 수 있는 LLM을 구축하는 방법을 학습하고, 기업 도입 사례를 통해 실무 적용 방안을 모색한다.
국내외 기업의 AI 서비스 도입 프로세스를 분석하여 AI 모델 최적화 및 실무 활용 역량을 강화한다.

프로그램
전용 실습 프로그램 제공(ChatGPT 4o API 연동)

※ 실습을 위한 노트북 지참 필수

교육 커리큘럼

Vector Embedding 을 알고, LLM 모델 구조 및 RAG의 개념을 학습합니다.
STEP 01
AI, ML, DL 개념 및 Vector Embedding 기초

생성형 AI의 개념과 머신러닝, 딥러닝의 원리
생성형 AI(Gen AI)의 개념과 머신러닝(ML), 딥러닝(DL)의 원리를 이해하고, AI 모델이 데이터를 학습하는 과정을 학습한다.
Vector Embedding 기초
벡터 임베딩(Vector Embedding)의 역할이 무엇인지 학습하고, 다양한 AI 모델이 생성형 AI 시스템에서 어떻게 활용되는지를 이해한다.
STEP 02
LLM 모델 구조 및 RAG 핵심 개념 학습

LLM 모델 구조와 사례
LLM의 기본 구조와 트랜스포머 모델의 핵심 개념을 학습하고, 최신 AI 모델(GPT, Claude, Gemini 등)의 차이점을 비교한다.
RAG 핵심 개념 학습
RAG(Retrieval-Augmented Generation) 기술을 활용한 검색 기반 AI 모델을 학습하고, 데이터를 효과적으로 검색하고 활용하는 방법을 익힌다.
STEP 03
국내 기업의 LLM 및 RAG 도입 사례 분석

실제 기업들의 LLM 및 RAG 도입 과정
국내외 기업이 LLM 및 RAG 기반 AI를 도입한 사례를 분석하고, AI 모델 도입 시 고려해야 할 데이터 수집 및 처리 방식, 최적화 전략 등을 학습한다.

과정 목차


  • 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

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

다른 과정 더 보기

교육 커리큘럼

Vector Embedding 을 알고, LLM 모델 구조 및 RAG의 개념을 학습합니다.

 STEP 01 

AI, ML, DL 개념 및
Vector Embedding 기초

생성형 AI의 개념과 머신러닝, 딥러닝의 원리
생성형 AI(Gen AI)의 개념과 머신러닝(ML), 딥러닝(DL)의 원리를 이해하고, AI 모델이 데이터를 학습하는 과정을 학습한다.
Vector Embedding 기초
벡터 임베딩(Vector Embedding)의 역할이 무엇인지 학습하고, 다양한 AI 모델이 생성형 AI 시스템에서 어떻게 활용되는지를 이해한다.

 STEP 02 

LLM 모델 구조 및
RAG 핵심 개념 학습

LLM 모델 구조와 사례
LLM의 기본 구조와 트랜스포머 모델의 핵심 개념을 학습하고, 최신 AI 모델(GPT, Claude, Gemini 등)의 차이점을 비교한다.
RAG 핵심 개념 학습
RAG(Retrieval-Augmented Generation) 기술을 활용한 검색 기반 AI 모델을 학습하고, 데이터를 효과적으로 검색하고 활용하는 방법을 익힌다.

 STEP 03 

국내 기업의 LLM 및
RAG 도입 사례 분석

실제 기업들의 LLM 및 RAG 도입 과정
국내외 기업이 LLM 및 RAG 기반 AI를 도입한 사례를 분석하고, AI 모델 도입 시 고려해야 할 데이터 수집 및 처리 방식, 최적화 전략 등을 학습한다.

과정 목차


AI와 협업하는 시대
: LLM 서비스 개발 및 RAG 활용 과정
  • 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

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

다른 과정 더 보기