Finally a course that explains reranking without hand-waving — the comparison between different rerankers on real queries was worth it alone.
RAG 시스템 구축: 검색, Reranking 및 평가
Retrieval-Augmented Generation의 기초를 이해하고 실용적인 텍스트 기반 실습을 통해 하이브리드 검색 구현 및 LLM 응답 평가 방법을 배웁니다.
-
💬
AI 강사
어떤 강의든 질문하면 언제든 즉시 명확한 답을 받을 수 있어요. -
🕐
언제든지 시작
정해진 일정이나 마감이 없어요 — 원할 때 자신의 속도로 배우세요. -
🌐
한국어로
강의, 과제, 수료증까지 — 모두 완전히 당신의 언어로.
이 과정 소개
Large Language Models (LLMs)가 소프트웨어 개발을 변화시킴에 따라, 이를 커스텀 데이터에 연결하는 능력은 필수적인 기술이 되고 있습니다. Retrieval-Augmented Generation (RAG)는 AI 응답을 정확하고 문맥에 맞게 만드는 업계 표준입니다. 이 텍스트 기반 코스는 RAG 시스템을 기초부터 구축하는 과정을 안내합니다. AI 및 벡터 검색의 핵심 용어부터 시작하여, 하이브리드 검색 구현, reranking 기법 적용, 그리고 현대적인 Python 패턴을 사용한 시스템 답변 품질 평가까지 단계별로 학습합니다.
학습 내용:
- Retrieval-Augmented Generation 및 임베딩 모델의 기초 개념 이해.
- 텍스트를 준비하고 현대적인 벡터 데이터베이스에 삽입하기 위한 커스텀 데이터 파이프라인 구축.
- 키워드 및 의미론적 검색을 결합한 하이브리드 검색 전략 구현.
- 검색된 문맥의 관련성을 개선하기 위한 reranking 알고리즘 적용.
- 최신 업계 지표를 사용하여 LLM이 생성한 응답의 정확도와 품질 평가.
- AI 출력을 최적화하기 위한 프롬프트 엔지니어링 기초 통합 연습.
커리큘럼은 기본 정의와 핵심 AI 개념에서 실제 구현 단계까지 논리적으로 흐릅니다. 명확한 설명과 잘 구조화된 코드 스니펫을 읽으며 현대적인 AI 백엔드 통합에 대한 이해를 높일 수 있습니다. 초보자와 기본적인 프로그래밍 지식이 있는 개발자를 위해 설계된 이 코스는 사전 머신러닝 경험이 필요하지 않습니다. 지금 바로 읽기 시작하여 Retrieval-Augmented Generation의 기초 기술을 쌓아보세요.
받게 되는 것
-
📜
수료증
LinkedIn 프로필에 추가 -
💬
개인 AI 튜터
강좌에서 막혔나요? 내장 튜터에게 언제든지 무엇이든 물어보세요. -
♾️
평생 이용
언제든 다시 보세요, 만료 없음 -
📱
휴대폰 또는 컴퓨터
어디서든 모든 기기에서 -
💸
14일 환불
이유 묻지 않음 -
⚡
짧고 핵심적
2시간 30분의 실용 학습
리뷰 (20)
Świetne wyjaśnienie reranking i ewaluacji.
Bon cours, un peu dense par moments.
Reranking অংশটা অসাধারণভাবে বোঝানো হয়েছে।
Reranking explicado de forma clara e direta.
Phần đánh giá RAG rất hữu ích.
এই কোর্সটা RAG সিস্টেম নিয়ে যেভাবে ধাপে ধাপে বুঝিয়েছে তা সত্যিই দারুণ লেগেছে। প্রথমে সার্চের বেসিক, তারপর reranking কেন দরকার, আর শেষে evaluation মেট্রিক্স দিয়ে কীভাবে যাচাই করতে হয় — পুরো ফ্লো একদম সহজবোধ্য। কোডের উদাহরণগুলো নিজে চালিয়ে দেখেছি, কাজ করেছে ঠিকঠাক। আগে শুধু ভেক্টর সার্চ দিয়ে কাজ চালাতাম, কিন্তু এখন বুঝতে পারছি কোথায় ফলাফল উন্নত করা যায়। সময় নিয়ে বসে শেখার মতো একটা কোর্স।
Good breakdown of how reranking actually improves retrieval quality over plain vector search. The evaluation frameworks covered near the end gave me a real way to benchmark my own pipeline instead of just eyeballing results. Wish there was a bit more depth on hybrid search though.
Le module sur le reranking m'a vraiment ouvert les yeux, je ne comprenais pas bien pourquoi mes résultats de recherche étaient si moyens avant ça. Les exercices sur l'évaluation avec des métriques concrètes sont hyper utiles pour juger si un système RAG marche vraiment. Rythme parfait, ni trop lent ni trop dense.
O curso explica muito bem a diferença entre busca simples e reranking, algo que eu nunca tinha entendido direito antes. A parte de avaliação com métricas reais ajudou muito a validar se as mudanças no meu sistema realmente melhoraram os resultados. Os exemplos práticos são fáceis de acompanhar mesmo sem muita experiência prévia com RAG.
Il corso copre in modo molto ordinato tutto il percorso di un sistema RAG, dalla ricerca iniziale fino al reranking dei risultati. La parte sulla valutazione mi è piaciuta particolarmente perché finalmente ho capito come misurare se le modifiche fatte al sistema portano davvero un miglioramento. Gli esempi pratici sono ben spiegati e si possono riprodurre facilmente con i propri dati. L'unico neo è che alcune sezioni teoriche sul reranking sono un po' dense rispetto agli esercizi collegati. Nel complesso resta un corso solido per chi vuole andare oltre il semplice retrieval vettoriale.
RAG 시스템을 처음부터 끝까지 다루는 구성이 정말 알찼습니다. 검색 단계에서 어떤 방식으로 문서를 가져오는지, 그리고 왜 reranking이 필요한지 순서대로 설명해줘서 흐름이 자연스러웠어요. 특히 평가 지표 부분에서 실제로 결과를 어떻게 측정하는지 실습으로 보여줘서 바로 제 프로젝트에 적용할 수 있었습니다. 설명 속도도 적당하고 예제 코드도 군더더기 없이 깔끔했습니다. RAG를 실무에 도입하려는 사람에게 정말 도움이 될 강의라고 생각합니다.
The section on evaluation metrics for RAG pipelines finally made sense of something I'd been guessing at for months.
RAG 시스템의 기본 구조를 제대로 잡고 싶었는데 하이브리드 검색을 직접 구현해 보면서 감을 확실히 잡았어요. 리랭킹이 왜 필요한지, 검색 결과 품질이 어떻게 달라지는지 텍스트 실습으로 보여줘서 이해가 빨랐습니다. 특히 LLM 응답을 어떻게 평가하는지 다루는 부분이 실무에 바로 도움이 됐어요. 다만 대규모 데이터에서의 성능 최적화 얘기가 조금 더 있었으면 했습니다. 그래도 RAG 입문으로는 아주 알찬 강의였습니다.
Materi reranking dan evaluasi sangat jelas.
The hands-on hybrid search and reranking exercises finally made RAG evaluation click for me; I can now actually measure whether my answers are any good.
Курс закрывает всю базу по RAG: от простого поиска до реранкинга и метрик оценки качества. Особенно понравился блок про evaluation — наконец разобралась, как измерять, действительно ли система отвечает лучше после доработок. Примеры кода рабочие, можно сразу повторить на своих данных. Единственное — тема реранкинга могла бы получить чуть больше практики, было ощущение, что теория обгоняет упражнения. В целом однозначно стоило потраченного времени.
Penjelasan tentang reranking bikin saya paham kenapa hasil pencarian RAG saya selama ini kurang relevan. Bagian evaluasi juga membantu banget karena ada metrik konkret buat mengukur performa sistem, bukan cuma tebak-tebakan. Cuma agak berharap ada lebih banyak studi kasus dunia nyata di bagian akhir.
คอร์สนี้อธิบายเรื่อง RAG ได้ค่อนข้างละเอียด ตั้งแต่การค้นหาข้อมูลพื้นฐานไปจนถึง reranking ซึ่งเป็นส่วนที่ผมไม่เคยเข้าใจมาก่อนว่าทำไมต้องมี ส่วนของการประเมินผลด้วย metric ต่าง ๆ ก็ช่วยให้เห็นภาพชัดว่าระบบทำงานดีขึ้นจริงหรือเปล่า ตัวอย่างโค้ดใช้งานได้จริงและลองทำตามได้ไม่ยาก แต่บางช่วงในเรื่อง reranking รู้สึกว่าอธิบายเร็วไปหน่อยสำหรับคนที่เพิ่งเริ่มต้น โดยรวมแล้วคุ้มค่ากับเวลาที่เสียไปมาก
Solid walkthrough of search and reranking, though the evaluation section moved a little fast for my taste.
다른 학습자도 수강
자주 묻는 질문
이 과정을 듣는 데 무엇이 필요한가요? +
인터넷이 되는 휴대폰이나 컴퓨터만 있으면 됩니다. 설치나 특별한 장비는 필요 없습니다.
결제는 어떻게 하나요? +
Stripe를 통한 카드로. 카드 정보는 저장하지 않으며 Stripe가 안전하게 처리합니다.
환불받을 수 있나요? +
네 — 14일 이내 전액 환불, 이유를 묻지 않습니다.
얼마나 오래 이용할 수 있나요? +
평생. 구매하면 과정은 당신의 것이며 언제든 다시 볼 수 있습니다.
수료증을 받을 수 있나요? +
네. 수료 시 LinkedIn 프로필에 추가할 수 있는 수료증을 받습니다.
이런 분야 학습자에게
테크
디자인
금융
마케팅
의료
교육
호스피탈리티
제조업