AI의 시대가 바뀌었습니다.
하지만, 당신의 AI는 여전히 그럴듯하지만 부정확한 답을 주고 있나요?

기존 방식은 정보가 어떤 개념에 속하는지 왜 중요한지를 이해하지 못합니다.
이 한계를 넘기 위해 주목받는 것이 바로
데이터를 텍스트가 아닌 개념과 관계로 구조화해 이해시키는 Graph 기반 접근입니다.

AI,그래프,RAG,Agent,GraphDB,지식그래프,GraphRAG,Vector RAG,LLM,Graph,그래프 모델링,Graph Database,Knowledge Graph,온톨로지,Neo4j

그.러.나.
Graph 활용, 어떻게 시작해야 할 지 막막하신가요?

ImageSlide
ImageSlide
ImageSlide
ImageSlide
ImageSlide

이제 어려움은 끝 !
헤매이지 않도록 그래프의 로드맵을 구성했습니다.

AI,그래프,RAG,Agent,GraphDB,지식그래프,GraphRAG,Vector RAG,LLM,Graph,그래프 모델링,Graph Database,Knowledge Graph,온톨로지,Neo4j

지금 이 강의로 시작하세요!

강사님이 직접 말해주는 이 강의를 들어야 하는 이유!

다른 강의와 어떤 것이 다를까?
지금 영상에서 직접 확인하세요!

01. 강의 핵심 포인트

Point 1.

GraphDB 부터 GraphRAG를 활용한
Agent까지 모두 담은 커리큘럼

그래프를 활용하며 마주치는 한계를 해결하기 위해
Graph의 핵심 개념과 구조 원리를 먼저 짚습니다.
관계와 구조 관점에서 그래프를 이해하는 단계입니다.

Point 2.

기초부터 활용까지, 한 흐름으로 이어지는
핵심 6가지 실습 & 단계별 4가지 프로젝트

기초 개념부터 지식그래프 구축, GraphRAG 활용, Agent 구현까지
단계별 실습으로 핵심을 이해하고,
프로젝트를 통해 그래프 기반 시스템을 완성합니다.

Point 3.

GraphDB 필수 스택 Neo4j
사용법과 문법까지 한 번에!

Neo4j 환경 구축부터 데이터 저장·확인, Cypher 문법까지 그래프를 실제로 다루기 위한 필수 툴을 한 번에 익힙니다. 또한 최신 업데이트 된 agent 툴도 함께 학습합니다.

Point 4.

세미나를 통한 트렌드 업데이트 &
커뮤니티 채널을 통한 질의응답 제공

세미나를 통해 그래프 최신 트렌드와 실제 활용 사례를 살펴보고,
Q&A 시간을 통해 강사님에게 직접 궁금한 점을 질문하며 어려운 점을 해결하고 이해를 확장할 수 있습니다.

수강생들을 위한 특별 혜택

빠르게 변화하는 트렌드를 따라가기 위한
그래프의 모든 것 실전 세미나 개최 (feat. 온톨로지)

✓ 빠르게 확장되는 GraphDB·지식그래프·GraphRAG 최신 트렌드 소개
✓ 실제 그래프 활용 사례를 중심으로 한 핵심 개념·구조 이해 세미나
✓ 그래프 실무 경험이 풍부한 강사님의 그래프 설계·활용 인사이트 공유
✓ 온톨로지 관련 Graph 내용 ONLY 수강생에게만 추가 녹화본 제공

* 본 세미나는 26년에 총 2번 진행되며, zoom Live를 통해 송출됩니다. (첫 번째 세미나 2월 초 예정)
* 본 세미나의 영상본은 강의를 결제한 수강생 분들께만 제공됩니다.

02. 커리큘럼

데모까지 완성하는 Graph Agent 구축을 목표로,

GraphDB부터 GraphRAG까지 기초부터 단계적으로 학습합니다. 데모까지 완성하는 Graph Agent 구축을 목표로,
GraphDB부터 GraphRAG까지 기초부터 단계적으로 학습합니다.

AI,그래프,RAG,Agent,GraphDB,지식그래프,GraphRAG,Vector RAG,LLM,Graph,그래프 모델링,Graph Database,Knowledge Graph,온톨로지,Neo4j
AI,그래프,RAG,Agent,GraphDB,지식그래프,GraphRAG,Vector RAG,LLM,Graph,그래프 모델링,Graph Database,Knowledge Graph,온톨로지,Neo4j

학습 내용 및 실습 ・Neo4j 환경 구축 (Sandbox / AuraDB / Local)
・그래프 데이터 저장 및 시각적 확인
・Python에서 Neo4j 연결하기

학습 내용 및 실습 ・Cypher 문법을 활용한 그래프 데이터 조회
・Cypher 문법을 활용한 그래프 데이터 저장
・그래프 쿼리 기반 데이터 활용 실습

AI,그래프,RAG,Agent,GraphDB,지식그래프,GraphRAG,Vector RAG,LLM,Graph,그래프 모델링,Graph Database,Knowledge Graph,온톨로지,Neo4j
ImageSlide<b span style="color: #2F6DF4";> 01 </b>
01
지식그래프 모델링하기 : 데이터 의미 & 관계 표현
데이터를 단순한 값이 아닌, 의미와 관계 중심의 구조로 표현하는 지식그래프 설계 방식을 이해합니다.
ImageSlide<b span style="color: #2F6DF4";> 02 </b>
02
Neo4j Graph Builder :
그래프 자동 구축 흐름 살펴 보기
Neo4j에서 제공하는 도구를 활용해,
텍스트와 데이터를 지식그래프로 구성하는 전체 흐름을 살펴봅니다.
ImageSlide<b span style="color: #2F6DF4";> 03 </b>
03
Neo4j Graph Builder :
그래프 자동 구축 흐름 살펴 보기
서로 다른 형태의 데이터를
지식그래프 구조로 변환하는 접근 방식을 익힙니다.
AI,그래프,RAG,Agent,GraphDB,지식그래프,GraphRAG,Vector RAG,LLM,Graph,그래프 모델링,Graph Database,Knowledge Graph,온톨로지,Neo4j
ImageSlide
ImageSlide
ImageSlide
AI,그래프,RAG,Agent,GraphDB,지식그래프,GraphRAG,Vector RAG,LLM,Graph,그래프 모델링,Graph Database,Knowledge Graph,온톨로지,Neo4j

처음 부터 시작해도 가능할 수 있도록 준비한 완.벽. 커리큘럼!

이 강의를 들은 후

실무 데이터를 지식그래프로 표현하기 위한 최적의 온톨로지를 설계할 수 있어요.

다양한 문서 데이터(PDF, 엑셀 등)를 지식그래프로 표현할 수 있어요.

GraphRAG의 다양한 검색 방식을 활용하여 벡터 DB에서의 RAG 한계를 극복하고 RAG 성능을 고도화할 수 있어요.

AI Agent를 이해하고, GraphRAG를 Agent로 구현하여 GraphRAG의 성능을 보장하는 시스템을 구축할 수 있어요.

어렵게 느껴지신다면 전혀 걱정하지 마세요!

핵심 개념을 실습으로 익히고, 프로젝트로 완성하며
그래프 기반 시스템을 완주하도록 설계했습니다. 어렵게 느껴지신다면 전혀 걱정하지 마세요!

핵심 개념을 실습으로 익히고, 프로젝트로 완성하며그래프 기반 시스템을
완주하도록 설계했습니다.

03. 프로젝트

GraphDB부터 GraphgRAG 활용 에이전트 개발까지
구현하는 4가지 프로젝트

프로젝트 1
그래프 데이터 활용하기 : 그래프 쿼리 기반 추천 시스템 구현 그래프 데이터베이스의 특성을 활용해, 관계 중심 데이터를 쿼리로 다루는 방법을 실전으로 익힙니다.

AI,그래프,RAG,Agent,GraphDB,지식그래프,GraphRAG,Vector RAG,LLM,Graph,그래프 모델링,Graph Database,Knowledge Graph,온톨로지,Neo4j
| 프로젝트 프로세스
 ・그래프 데이터 구조 설계 (노드·관계 정의)
・데이터 그래프 저장 및 연결
・Cypher 기반 관계 탐색
・추천 로직 쿼리 설계
・추천 결과 검증 및 개선
| 프로젝트 결과물
 ・그래프 쿼리 기반 추천 시스템
・관계 중심 데이터 탐색 쿼리 세트

프로젝트 2
5개 데이터 형태를 활용한 지식그래프 구축 : 다양한 형태의 데이터를 의미와 관계 중심의 지식그래프 구조로 통합해봅니다.

AI,그래프,RAG,Agent,GraphDB,지식그래프,GraphRAG,Vector RAG,LLM,Graph,그래프 모델링,Graph Database,Knowledge Graph,온톨로지,Neo4j
| 프로젝트 프로세스
 ・데이터 유형 분석 (CSV / PDF / 문서 등)
・지식그래프 스키마(엔티티·관계) 설계
・데이터별 그래프 변환 로직 구성
・그래프 통합 및 연결
・지식그래프 구조 검증
| 프로젝트 결과물
 ・다양한 데이터 기반 지식그래프
　・CSV / Excel 데이터
　・PDF 문서 (목차·본문 구조화)
　・법률·법령 문서
　・상품 리뷰 데이터 (Kaggle)
　・의료 지식 데이터
・재사용 가능한 지식그래프 설계 구조

프로젝트 3
GraphRAG 구축 및 평가 : 추론·하이브리드 검색부터 파이프라인 완성까지 그래프 구조를 활용한 검색 방식을 확장하고, GraphRAG 검색 파이프라인을 완성해봅니다.

AI,그래프,RAG,Agent,GraphDB,지식그래프,GraphRAG,Vector RAG,LLM,Graph,그래프 모델링,Graph Database,Knowledge Graph,온톨로지,Neo4j
| 프로젝트 프로세스
 ・GraphRAG 검색 구조 설계
・추론 기반 그래프 검색 구현
・Vector + Graph 하이브리드 검색 구성
・GraphRAG 검색 파이프라인 통합
・평가 데이터셋 기반 성능 검증
| 프로젝트 결과물
 ・GraphRAG 검색 파이프라인
・추론·하이브리드 검색 구조
・GraphRAG 평가 리포트

FINAL PROJECT

Grapg RAG로 구현하는 나만의 Agent 챗봇 서비스 제작

GraphRAG를 활용해 사용자의 질의에 따라 그래프 검색과 쿼리 생성을 자동으로 수행하는 Agent 챗봇 서비스를 직접 구현합니다. 그래프 데이터 위에서 검색·추론·응답이 어떻게 연결되는지 하나의 서비스 형태로 완성해보는 최종 프로젝트입니다.

[ 최종 프로젝트 결과물 예시 ]
*예시 이미지로 실제 강의 내 구현 결과와 상이할 수 있습니다.

AI,그래프,RAG,Agent,GraphDB,지식그래프,GraphRAG,Vector RAG,LLM,Graph,그래프 모델링,Graph Database,Knowledge Graph,온톨로지,Neo4j
| 프로젝트 프로세스
 ・GraphRAG 검색 구조 설계
・Agent용 도구 정의
・검색 방식 자동화 구현
・쿼리 생성·수정 자동화
・챗봇 형태로 통합
| 프로젝트 결과물
 ・GraphRAG 기반 Agent 챗봇
・자동화된 검색·쿼리 처리 흐름

04. 다양한 실습

GraphRAG를 제대로 이해하기 위한
핵심 개념 6가지 실습

STEP 1 | GraphDB

1. Neo4j 구축 및 그래프 데이터 실습

그래프 데이터베이스를 실제로 사용하기 위한 환경을 구성하고,
그래프 데이터를 저장·확인하며 Neo4j 사용의 기본 흐름을 익힙니다.

실습 내용 보기 ・Neo4j 환경 구축 (Sandbox / AuraDB / Local)
・그래프 데이터 저장 및 시각적 확인
・Python에서 Neo4j 연결하기

2. Cypher 문법 실습

그래프 구조를 다루기 위한 전용 쿼리 언어인
Cypher의 핵심 문법을 실습합니다.

실습 내용 보기 ・Cypher 문법으로 데이터 조회
・Cypher 문법으로 데이터 저장

3. Text2Knowledge Graph 변환 실습

텍스트 데이터를 단순한 문장이 아닌,
의미와 관계 중심의 지식그래프 구조로 변환하는 과정을 실습합니다.

실습 내용 보기 ・텍스트 데이터 구조화
・지식그래프 형태로 표현

4. Text2Cypher / 벡터 인덱스 기반 검색 구현 실습

그래프 구조를 활용한 검색 방식을 구현하고,
벡터 인덱스를 결합한 의미 검색까지 함께 다룹니다.

실습 내용 보기 ・Text2Cypher 기반 검색 구현
・벡터 인덱스 기반 의미 검색

STEP 4 | GraphRAG Agent

5. 도구 기반 Agent 구현 실습

GraphRAG를 활용하는 Agent의 기본 구조를 이해하고,
도구 기반으로 동작하는 Agent 흐름을 구현합니다.

실습 내용 보기 ・GraphRAG 검색을 호출하는 Tool 정의
・검색 → 판단 → 응답으로 이어지는 Agent 실행 흐름 구성

6. Streamlit 챗봇 구현 실습

구현한 Agent를 실제로 사용할 수 있도록,
Streamlit 기반 챗봇 형태로 완성합니다.

실습 내용 보기 ・Agent를 연결한 Streamlit 챗봇 UI 구현
・실제 질의·응답이 가능한 데모 챗봇 완성

이 모든 커리큘럼을 알려 주실

그래프의 공원나연 강사님을 소개합니다.

강사 소개

국내 유.일.무.이. 입문자 맞춤 그래프 지식 공유
쏙쏙 박히는 꼼꼼하고 쉬운 설명의 공원 나연 강사님 국내 유.일.무.이.
입문자 맞춤 그래프 지식 공유
쏙쏙 박히는 꼼꼼하고 쉬운 설명의
공원 나연 강사님

AI,그래프,RAG,Agent,GraphDB,지식그래프,GraphRAG,Vector RAG,LLM,Graph,그래프 모델링,Graph Database,Knowledge Graph,온톨로지,Neo4j

그래프의 모든 것을 알려줄 공원나연입니다.

현) 프리랜서 AI Engineer
∙ Knowledge Graph 및 GraphRAG 시스템 개발
∙ 멀티에이전트 기반 지식관리 시스템 개발
∙ 공공기관 데이터 활용 RAG 기술 자문 및 개발
∙ 머신러닝, 딥러닝 기반 학생 성취도 진단, 문제 추천모델 연구 및 개발
∙ 오픈소스 LLM 및 API 기반 RAG 챗봇 개발

[ 외부 이력]
유튜브 <공원나연> Neo4j 기반 GraphRAG, AI Agent, LLM 등 개념 및 활용법 공유
∙ 패스트캠퍼스 <실전 AI Agent의 모든 것 : 34개 프로젝트로 MCP부터 GraphRAG Agent까지 (by. 공원나연)> 강사
∙ 패스트캠퍼스 강사
∙ 천재교육 주관 머신러닝, 추천시스템 강사
∙ NCS직종 정보기술전략•계획(200101), 정보기술개발(200102), 인공지능(200107) 확인강사
∙ 다수 AI 기업 GraphDB / GraphRAG 관련 자문 및 프로젝트 참여

AI,그래프,RAG,Agent,GraphDB,지식그래프,GraphRAG,Vector RAG,LLM,Graph,그래프 모델링,Graph Database,Knowledge Graph,온톨로지,Neo4j

유튜브 로고 '공원나연' 유튜브 바로가기 링크드인 로고 강사님 링크드인 바로가기 Tistory 로고 강사님 Tistory 바로가기 문서 아이콘 강사님 위키독스 바로가기

| 5.8천 그래프 입문자들이 선택한 공원나연님 뛰어난 전달력 미리보기

데이터 수집부터 지식그래프 구축까지, GraphRAG 완성하기
한눈에 파악하는 GraphRAG 동작 결과 | Neo4j GraphRAG
시간을 업데이트하는 지식그래프 Graph DB 구축하고 검색하기

| 그래프 & 에이전트 전문가 공원나연님의 다양한 강연 활동

ImageSlide
서울 아산병원 AI 에이전트와 RAG 주제 강연
ImageSlide
이화여대 AI 챗봇 구현 실습
ImageSlide
패스트캠퍼스 일할맛 세미나 AI Agent 세미나

핵심 툴

GraphDB를 제대로 다루기 위해 반드시 알아야 할 핵심 툴
Neo4j부터 Agent 프레임워크까지 GraphDB를 제대로 다루기 위해
반드시 알아야 할 핵심 툴
Neo4j부터 Agent 프레임워크까지

| Graph의 핵심 툴, Neo4j 가 중요한 이유

ImageSlide
ImageSlide
ImageSlide
AI,그래프,RAG,Agent,GraphDB,지식그래프,GraphRAG,Vector RAG,LLM,Graph,그래프 모델링,Graph Database,Knowledge Graph,온톨로지,Neo4j

| 무엇을 배우나요?

ImageSlide
ImageSlide
ImageSlide

Neo4j GraphRAG 튜토리얼 저자
강사님이 직접 말해주는 Neo4j 활용 프로젝트

2025년 말 대규모 업데이트된
LangGraph · LangChain v1,

최신 표준에 맞춘 실습으로 바로 적용합니다.

강의로만 끝내기 아쉬우니까!
가이드 정리본부터 부록 영상까지 몽~땅 받아 가세요!

여기에 이것까지?
본 강의 수강생 분들께만 드리는 혜택!

ImageSlide
ImageSlide

Graph 트렌드를 담은
Graph의 모든 것 세미나 VOD 제공

* zoom live로 진행됩니다.
* 2026년 중 두 번 진행 됩니다. (첫 번째 - 2월, 두 번째 - 미정)
* 온라인 강의장을 통해 세미나 VOD를 제공합니다.

오직 패스트캠퍼스 수강생을 위한
오픈 커뮤니티 질의응답까지

강사님 답변 기간 : 2026.01.19 ~ 2029.01.18
* 강사님이 현업 중 답변 하시기에 답변까지 영업일 기준 7일 내외 시간이 소요될 수 있습니다.
* 강의와 무관한 질문에 대해서는 답변이 필수로 제공되지 않습니다.

한 번의 구매로 평생 소장!
언제든, 몇 번이든 다시!

한 번 결제로 평생 동안 무제한 반복 학습이 가능합니다.
바쁜 일정에 걱정할 필요 없이, 원하는 때에 학습하고 필요할 때마다 복습하세요.

QUESTION 1.
어떤 분들이 수강하시면 좋을까요?
∙ 그래프 DB·지식그래프·GraphRAG를 처음 접하지만 제대로 시작하고 싶은 입문자
∙ LLM을 활용해보고 싶지만, 데이터를 어떻게 구조화해야 하는지 감이 없는 분
∙ Neo4j나 그래프 개념이 생소해도, 기초부터 실습·프로젝트까지 완주해보고 싶은 분
∙ 개인 도메인(리서치·문서·업무 데이터 등)에 그래프 기반 AI를 적용해보고 싶은 신입/초중급 실무자
QUESTION 2.
강의를 수강한 후에 어떤 내용을 학습할 수 있나요?
∙ GraphDB에 대해 이해하고, 특히 Neo4j 그래프 DB 기반의 GraphRAG 시스템을 구축할 수 있습니다.
∙ GraphDB를 다루기 위해 꼭 필요한 cypher 쿼리 작성법 부터 지식그래프 구축방법까지 빠짐없이 다루어 온톨로지와 지식그래프의 개념을 이해하고 활용할 수 있습니다.
∙ 간단한 쿼리 작성 실습부터 다양한 문서들을 지식그래프로 변화하는 실습, 이를 기반으로 GraphRAG 및 Agent 로 구현하는 심화 실습까지, NN개의 프로젝트를 통해 실무 케이스에 바로 활용할 수 있도록 지원합니다.
QUESTION 3.
어떤 기술스택들이 활용되나요?
neo4j-graphrag >= 1.10.0
neo4j
python
langgraph >= 1.0.0
langchain >= 1.0.0
OpenAI LLM API 활용 (개인 사용량 만큼 비용 발생)

* 25년 12월 기준 정보
* 툴이나 프로그램 사용 환경과 버전 업데이트 등에 따라, 강의에서의 UI와 기능과 실제 수강에 차이가 있을 수 있습니다.
* 본 강의는 촬영 시점의 버전을 기준으로 학습 흐름과 개념 전달에 중점을 두었으며, 이후 버전 업데이트에 따른 내용 수정이나 추가는 제공되지 않습니다.