Sempre tive dificuldade em entender como conectar modelos de linguagem a fontes externas de dados, mas esse curso deixou o processo muito mais claro. A explicação sobre como o LangChain organiza os pipelines de recuperação de informação foi o ponto alto para mim. Os exercícios práticos de construção de um app RAG do zero ajudam bastante a fixar o conteúdo, sem ficar preso só na teoria. Gostei também do ritmo, dá pra acompanhar mesmo sem ter muita experiência prévia com essas ferramentas. No final consegui montar meu próprio protótipo de busca sobre documentos internos usando exatamente o que foi ensinado.
LangChain 기본: 검색 증강 생성(RAG) 앱 구축
LangChain 구성 요소를 사용하여 대규모 언어 모델을 외부 데이터 소스에 연결하는 방법을 학습하여 강력하고 정확한 맞춤형 AI 애플리케이션을 구현합니다.
-
💬
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
맞춤형, 최신 또는 독점 데이터를 기반으로 하는 AI 애플리케이션을 구축해야 합니까? 검색 증강 생성(RAG)은 LLM을 기반으로 하고 정확하며 상황에 맞는 답변을 제공하기 위한 필수 패턴입니다.
이 과정은 RAG 아키텍처에 대한 기초적이고 텍스트 기반의 이해와 LangChain을 사용하여 이를 구현하는 방법을 제공합니다. 기본적인 LLM 상호 작용에서 관련 문서를 검색하고 처리하며 고품질의 검증 가능한 응답을 생성하는 복잡한 체인을 구축하여 고급 AI 에이전트 개발의 기반을 마련할 것입니다.
무엇을 배울 것인가:
* 문서 로딩, 청킹, 임베딩, 벡터 스토어를 포함한 RAG의 핵심 개념을 이해합니다.
* LangChain 구성 요소(Chains, Prompts, Models, Retrievers)를 사용하여 복잡한 워크플로를 구성하는 연습을 합니다.
* 다양한 데이터 소스(로더)를 구성하고 효과적인 검색을 위해 문서 전처리를 최적화합니다.
* 검색된 컨텍스트를 효과적으로 사용하여 LLM을 안내하는 프롬프트 엔지니어링 기술을 적용합니다.
* 맞춤형 문서를 기반으로 질문에 답할 수 있는 완전한 종단 간 RAG 애플리케이션을 구축하고 테스트합니다.
이 과정은 LLM의 한계와 RAG의 필요성을 정의하는 것으로 시작하며, Python 및 LangChain 프레임워크를 사용한 실습으로 빠르게 진행됩니다. 강력한 데이터 상호 작용을 위한 벡터 데이터베이스 설정 및 효율적인 체인 설계에 대해 다룹니다.
이 과정은 맞춤형 데이터를 대규모 언어 모델에 통합하려는 초급 개발자 및 데이터 과학자를 위해 설계되었습니다. LangChain 또는 벡터 데이터베이스에 대한 사전 경험은 필요하지 않으며, Python 프로그래밍에 대한 기본적인 숙련도만 있으면 됩니다.
오늘 바로 컨텍스트 인식 AI 애플리케이션을 구축하는 데 필요한 기술을 마스터하십시오.
받게 되는 것
-
📜
수료증
LinkedIn 프로필에 추가 -
💬
개인 AI 튜터
강좌에서 막혔나요? 내장 튜터에게 언제든지 무엇이든 물어보세요. -
🎧
오디오 버전 포함
화면 없이 어디서나 학습 -
♾️
평생 이용
언제든 다시 보세요, 만료 없음 -
📱
휴대폰 또는 컴퓨터
어디서든 모든 기기에서 -
💸
14일 환불
이유 묻지 않음 -
⚡
짧고 핵심적
3시간의 실용 학습
리뷰 (5)
Ich wollte schon länger verstehen, wie man ein LLM sinnvoll mit einer eigenen Wissensdatenbank verbindet, und dieser Kurs hat genau das geliefert. Die Erklärung, wie LangChain die Verbindung zwischen Sprachmodell und externen Datenquellen organisiert, war für mich der eigentliche Aha-Moment. Besonders hilfreich fand ich die praktischen Übungen, bei denen man Schritt für Schritt eine eigene RAG-Anwendung aufbaut. Die Konzepte werden zunächst einfach erklärt und dann Stück für Stück komplexer, sodass man nie das Gefühl hat, den Anschluss zu verlieren. Am Ende hatte ich ein funktionierendes kleines Projekt, das ich direkt für die Suche in eigenen Dokumenten nutzen konnte.
Connecter un modèle à mes propres documents avec les composants LangChain pour faire du RAG est enfin devenu clair et concret.
Explican de forma muy clara cómo usar LangChain para conectar modelos de lenguaje con fuentes de datos externas y construir una app RAG funcional.
LangChain का उपयोग करके RAG ऐप बनाना इतना आसान लगा, हर स्टेप बहुत साफ तरीके से समझाया गया है।
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