핵심 01
45시간 분량의
체계적인 RAG 로드맵
체계적인 RAG 로드맵
랭체인 개념부터 실전 활용을 위한 LangGraph까지
테디노트의 모든 노하우가 이 강의 하나에 전부 담겨있어요.
테디노트의 모든 노하우가 이 강의 하나에 전부 담겨있어요.
(리뉴얼) 테디노트의 RAG 비법노트 : 랭체인 기반의 GPT·로컬 모델부터 LangGraph·Agent까지
01. 제작 배경 및 커리큘럼
누구나 따라올 수 있는
RAG 강의의 끝판왕
RAG를 배우는 사람들의 모든 페인포인트 반영
500명 이상의 설문 응답과 3만 명 구독자의 피드백을 바탕으로,
RAG를 가장 쉽게 이해하고 실무에 바로 적용할 수 있도록 합니다.
테디노트 강력 추천
45시간으로 끝내는 RAG 커리큘럼
부록 강의를 제외하고 45시간 과정이며, 더욱 자세한 학습 내용은 하단 상세 커리큘럼을 참고해주세요.
02. 강의 핵심 포인트
핵심 02
상황별로 진행하는
30가지 RAG 프로젝트 실습
30가지 RAG 프로젝트 실습
테디노트가 직접 준비한 다양한 프로젝트로
실전 응용을 위한 RAG 활용법을 탄탄히 익혀보세요.
실전 응용을 위한 RAG 활용법을 탄탄히 익혀보세요.
핵심 03
매 월 1회, 가장 핫한 주제로 찾아가는
AI Live 특강(주주총회)
AI Live 특강(주주총회)
매달 마지막 주, 테디노트와 실시간으로
가장 핫한 현업의 이슈를 다뤄보세요.
* 라이브는 26년 12월까지 진행되며 녹화 영상이 함께 제공드립니다.
가장 핫한 현업의 이슈를 다뤄보세요.
* 라이브는 26년 12월까지 진행되며 녹화 영상이 함께 제공드립니다.
핵심 04
4,500명이 함께하는
수강생 전용 커뮤니티
수강생 전용 커뮤니티
질의응답부터 특급 자료 공유까지,
수강생만을 위한 전용 커뮤니티에 참여해보세요.
* 커뮤니티는 26년 12월 31일까지 운영됩니다.
수강생만을 위한 전용 커뮤니티에 참여해보세요.
* 커뮤니티는 26년 12월 31일까지 운영됩니다.
03. 강사 소개
안녕하세요. 테디노트의
'테디' 이경록입니다.
'테디' 이경록입니다.
이번 강의를 통해 여러분이 가지고 있는 문제점과 고민들을 해결할 수 있도록 최대한 도와드리려고 합니다. "RAG"의 기본 개념부터 세부 요소까지 면밀히 알아보고, 최적의 답을 찾을 수 있도록 가이드해 드리겠습니다.
또한 커뮤니티를 통해 수강생분들과의 끊임없는 소통을 중요시하며, 매월 라이브 강의를 통해 최신 기술에 대한 정보와 Q&A를 진행할 예정입니다. 만약 RAG로 인해 혼자 고민하고 계신 분이라면, 이번 강의를 통해 테디노트 커뮤니티의 일원이 되어보시기를 강력하게 추천드립니다.
또한 커뮤니티를 통해 수강생분들과의 끊임없는 소통을 중요시하며, 매월 라이브 강의를 통해 최신 기술에 대한 정보와 Q&A를 진행할 예정입니다. 만약 RAG로 인해 혼자 고민하고 계신 분이라면, 이번 강의를 통해 테디노트 커뮤니티의 일원이 되어보시기를 강력하게 추천드립니다.
브레인크루 대표랭체인 글로벌 엠버서더
국내 유일
삼성전자 C-lab 아날로그 플러스 CTO삼성전자 Software Developer
linkedin
GitHub
RAG를 배우는 사람들이
테디노트님 강의를 적극 추천하는 이유
이유 01
만족도 98%,
수강생들의 생생한 후기
수강생들의 생생한 후기
테디노트 유튜브 바로가기
테디노트의 RAG
강의 미리보기
04. 특별 혜택
수강생만 입장 가능한
테디노트 커뮤니티
수강생 한정 강의 관련
끝까지 책임지는 질의응답까지
끝까지 책임지는 질의응답까지
강의 수강 도중 어려운 내용이 발생했다면?
무엇이든 물어보세요. 테디노트가 끝까지 책임 집니다.
* 실제 디스코드 질의응답 내용입니다.
* 테디노트 커뮤니티는 26년 5월 26일까지 운영됩니다.
* Live 영상은 24년6월부터 26년 5월까지 '수강생 전용 커뮤니티를' 통해 진행됩니다.
* 당사 상황에 따라 Live 영상 업데이트가 어려울 수 있습니다.
* 강의 구매자에게는 라이브 영상 녹화본이 추가로 제공됩니다.
초보자를 위한
다양한 부가 혜택까지
지금 가장 핫한 1위 RAG 강의는 무엇이 다를까요?
어떤 내용을 배우는지 꼼꼼히 확인하세요.
05. 커리큘럼 상세 소개
탄탄한 기본기를 위한
RAG 단계별 핵심 요소 학습
01. 문서 준비 및 전처리
다양한 문서를 불러와 텍스트를 추출하고, 긴 내용을 적절한 크기로 나누어 정리합니다. 이를 통해 필요한 정보를 빠르게 검색할 수 있도록 준비합니다.
학습 내용
도큐먼트 로더의 종류, 기본 구조, Document 구조
Document, Document Loader 의 구조 이해하기
PDF 로더
Upstage LayoutAnalysis 로더
02. 벡터화 및 저장
전처리된 텍스트를 임베딩 모델로 벡터화해 의미를 함축적으로 표현하고, 이를 벡터 스토어에 저장해 유사도 기반 검색이 가능하도록 합니다.
학습 내용
임베딩(Embeddings) 개요
벡터스토어(VectorStore) 개요
FAISS
Pinecone
03. 쿼리 및 컨텍스트 생성
사용자의 질문을 벡터로 변환하고, 벡터 스토어에서 유사한 청크를 찾아 컨텍스트로 제공합니다. 이를 통해 모델은 질문과 관련된 배경 정보를 이해합니다.
학습 내용
벡터스토어 기반 검색기(VectorStore-backed Retriever)
앙상블 검색기(Ensemble Retriever)
[프로젝트] PDF 기반 QA 챗봇
04. 답변 생성 및 결과 확인
컨텍스트를 기반으로 모델이 최적의 답변을 생성하며, 이를 검증 후 사용자에게 전달해 정확하고 신뢰할 수 있는 정보를 제공합니다.
학습 내용
RAG 에서의 LLM(Large Language Model)
PDF 문서 기반 QA RAG
리랭커(Reranker) 개요
더욱 자세한 학습 내용은 하단 상세 커리큘럼을 참고해주세요.
현업에서 가장 핫한 도구, LangGraph를
활용한 멀티 에이전트 구축
Agentic RAG :
RAG를 수행하는 에이전트 구축
RAG를 수행하는 에이전트 구축
RAG를 수행하는 에이전트의 구조와 작동 원리를 익히고, 사용자의 쿼리를 분석해 상황에 맞는 도구를 선택하는 과정을 실습합니다. 이를 통해 LLM이 사용자의 입력을 분석하고 적합한 도구를 활용하여 유연하고 최적화된 답변을 생성할 수 있는 방법을 학습합니다.
기술 스택
LangGraph
ReActAgent
Tool
OpenAI
멀티 에이전트 :
Plan-and-Execute
Plan-and-Execute
다단계 계획 수립과 실행 과정을 통해 에이전트 간의 협업을 효율적으로 관리하고,
작업 완료 후 계획을 재검토 및 수정하는 방법을 익힙니다. 특히, 보고서 작성이나 프로젝트 관리와 같은 복잡한 작업에서도 높은 완성도와 체계적인 결과물을 기대할 수 있습니다.
기술 스택
LangGraph
LangChain
ReActAgent
TavilySearch
멀티 에이전트 협업 :
Researcher와 Chart Generator 에이전트 협업
Researcher와 Chart Generator 에이전트 협업
Researcher와 Chart Generator 에이전트가 협력하여 데이터를 분석하고 시각화하는 과정을 실습하며, AutoGen과 LangGraph를 기반으로 네트워크를 구축합니다. 이를 통해 복잡한 작업을 분담하고 처리하는 멀티 에이전트의 작동 원리를 익힙니다.
기술 스택
LangGraph
Python REPL Tool
ReActAgent
TavilySearch
SQL 에이전트:
정확한 쿼리 검색 기능
정확한 쿼리 검색 기능
테이블 스키마를 기반으로 SQL 쿼리를 자동 생성, 수정, 실행하여 사용자 질문에 맞는 결과를 도출하고 이를 자연어로 전달하는 과정을 다룹니다. 데이터 검색의 정확성과 효율성을 높이고, 자동화된 데이터베이스 상호작용을 구현하는 방법을 학습합니다.
기술 스택
LangGraph
SQL Database
ReActAgent
OpenAI
여기서 끝이 아닙니다!
LangGraph의 다양한 활용법
Self-RAG
검색된 문서와 응답에 대한 평가 과정을 통해 답변의 정확성을 높이는 SelfRAG의 전략과 활용 방법을 학습합니다.
Corrective RAG
LangGraph를 통해 오류를 분석하고 수정하여 RAG 시스템의 품질을 개선하는 Corrective RAG를 구현합니다.
Adaptive-RAG
쿼리 분석과 자가 수정 RAG를 결합한 접근으로, 논문에서 제안된 3가지 전략을 이해하고 구현합니다.
데이터 분석 Agent
CSV 파일 분석을 위해 에이전트를 튜닝하고, 자연어 질의를 Pandas 쿼리로 변환해 분석합니다.
더욱 자세한 학습 내용은 하단 상세 커리큘럼을 참고해주세요.
상황별 RAG 활용을 위한
30개 ↑ 실습 프로젝트
테디노트가 준비한 30개 이상의 실습 프로젝트를 확인하세요.
데이터를 효율적으로 활용하여 AI 서비스를 구축하는 방법을 배울 수 있습니다.
1. 무료 오픈 모델을 사용한 문서기반 Q&A
RAG 시스템 구현
RAG 시스템 구현
허깅페이스에서 오픈 모델을 기존 유료 모델인 GPT를 대체하여 추론에 사용합니다.
2. GPT-4o를 활용한 멀티모달 RAG 웹 앱
문서(PDF)에서 표/이미지/텍스트를 추출하고, 이를 저장하여 유사도 검색에 활용할 수 있도록 구현합니다.
3. GitHub 소스코드 기반 QA 챗봇
Discord 에 연결하여 Github 의 소스코드 기반 QA 챗봇을 구현합니다.
4. RAGAS를 활용한 RAG 평가
LangSmith 를 활용하여 서로 다른 RAG 파이프라인에 대한 평가를 비교하는 방법에 대하여 배웁니다.
5. Streamlit 으로 나만의 ChatGPT 웹앱 제작
LangChain과 스트림릿을 활용한 ChatGPT 클론 서비스를 제작합니다.
실제 강의 프로젝트 모두 보기
6. 프롬프트를 개선해주는 프롬프트 메이커
나이브한 프롬프트를 전문적인 프롬프트로 교정해주는 프롬프트 메이커를 제작합니다.
7. Page 분할, 파일 업로더 기능 추가
스트림릿에 페이지 분할 기능 및 파일 업로드 기능을 추 구현합니다.
8. PDF 기반 QA 챗봇
PDF 문서 기반 QA 챗봇을 제작합니다.
9. LangSmith 추적, 다양한 LLM 을 RAG 에 적용
LangSmith 로 모든 RAG 과정을 추적하는 방법을 학습합니다.
10. 더 나은 답변을 위한 프롬프트 조정(출처, 표)
더 나은 결과를 얻기 위한 RAG 프롬프트 작성방법을 학습합니다.
11. 별도의 py 파일로 기능을 분리하는 방법
PY 파일로 별도로 분리하여 기능을 모듈화 하는 방법을 학습합니다.
12. Xionic 무료 모델을 GPT 대신 사용
무료 모델을 활용한 ChatGPT 클론 서비스를 구현합니다.
13. Ollama 모델을 사용한 RAG
Ollama 를 활용하여 ChatGPT 혹은 RAG 구현하는 방법을 학습합니다.
14. 멀티모달 모델을 활용한 이미지 인식 기반 챗봇
멀티모달 모델을 활용한 이미지 인식 기반 챗봇 구현합니다.
15. 이전 대화내용을 기억하는 멀티턴 챗봇
대화의 흐름을 유지하고, 사용자에게 연관성 높은 응답을 생성하는 멀티턴 챗봇을 구현합니다.
16. RAG 를 활용한 뉴스기사 기반 QA 시스템
뉴스기사를 기반으로 답변하는 QnA 서비스를 구현하는 방법을 학습합니다.
17. 무료오픈 모델을 사용한 RAG 프로젝트
허깅페이스에서 오픈 모델을 기존 유료 모델인 GPT를 대체하여 추론에 사용합니다.
18. CSV 파일 기반 데이터분석 Agent
CSV 파일 분석을 위해 에이전트를 튜닝하고, 자연어 질의를 Pandas 쿼리로 변환해 분석합니다.
19. Agentic RAG - 에이전트를 활용한 RAG
에이전틱 RAG 구현 방법을 학습합니다.
20. 에이전트간 대화 시뮬레이션(고객 응대 시나리오)
에이전트 간 대화 시나리오를 통해 제작한 챗봇 자가 진단 및 시나리오 모의 테스팅합니다.
21. 사용자 요구사항 기반 메타 프롬프트 생성 에이전트
사용자의 요구사항 수렴 후 메타 프롬프트 작성합니다.
22. Corrective RAG (CRAG)
중간 단계에서 자가 수정하여 답변 품질을 올릴 수 있는 방법론인 CRAG 구현합니다.
23. Self-RAG
필요한 상황을 에이전트가 스스로 판단하여 유동적인 RAG 파이프라인 구축 방법을 학습합니다.
24. Plan and Execute - 전문적인 보고서 작성
계획을 먼저 세우고 순차적으로 실행해 나가는 에이전트를 구성합니다.
25. 멀티에이전트 협업 - 웹 검색 및 차트 생성
멀티에이전트 협업을 통해 에이전트를 앙상블하여 결과를 만드는 방법을 학습합니다.
26. 멀티에이전트 감독자(Supervisor) - 웹 검색 및 차트 생성
Supervisor 구조에서의 멀티에이전트 관리 방법을 학습합니다.
27. 계층적인 구조는 가지는 멀티에이전트 팀 협업 - 리서치팀과 문서 작성팀 협업
계층적인 구조를 가지는 다중 에이전트 협업으로 보다 더 복잡한 테스크를 수행하는 에이전트 팀 생성 방법을 학습합니다.
28. SQL 에이전트 - (Text2SQL) SQL 쿼리 검색 기반 RAG
Text2SQL 로 에이전트가 여러 테이블에 대한 SQL 쿼리문을 생성 후 결과를 조회하여 답변을 도출하는 방법을 학습합니다.
29. Research 특화 멀티에이전트 STORM - 다인격 멀티에이전트
개요 중심 RAG를 확장한 STORM을 활용해 Reserch 특화형 멀티에이전트를 구현합니다.
30. Adaptive RAG
능동적으로 자기 수정 RAG 를 구현하여 고품질 RAG 구축하는 방법을 학습합니다.
다양한 모델 환경을
기반으로 실습이 진행됩니다.
GPT와 같은 유료 모델뿐만 아니라, 오픈 소스를 활용한
로컬 환경에서의 RAG 구현 노하우까지 폭넓게 학습할 수 있습니다.
유료 모델
유료 API 기반 클라우드 환경의 언어모델입니다.
무료 모델
오픈소스 기반 로컬 환경의 언어모델
무료 모델 환경의 RAG가 중요한 이유
06. 수강 후기
“LLM과 RAG의 핵심을 이해하고 실무에 바로
적용할 수 있게 해주는 실용적인 강의입니다.”
김은오
AI 개발(데이터 분석 및 파이프라인 구축, LLM 엔지니어링 등)
김은오 수강생이 가장 좋았던 강의 클립 미리보기
“모든 강의가 좋다고 생각하지만, 개요부분이 특히 새로운 세계를 열어주시는 느낌이라 인상깊었습니다.”
* 김은호 수강생의 실제 선정 이유입니다.
* Part10. > Ch1. > Clip 01. “LangGraph의 개요" 강의 클립 미리보기
Question 1
어떤 분들이 수강하시면 좋을까요?
이 강의는 데이터 과학자, AI 엔지니어, 머신러닝 연구원들한테 특히 유용합니다. RAG 프로젝트를 진행 중이거나 AI 분야에 익숙하지 않은 개발자들도 큰 도움이 될 것이라 생각해요. 특히 복잡한 문서 처리나 추론 작업을 효율적으로 하고 싶은 분들은 이 강의를 통해 많은 걸 배울 수 있을 거예요.
이번 강의를 통해 많은 분들이 RAG를 마스터하고, 이를 바탕으로 더 나은 AI 모델을 개발할 수 있기를 기대합니다.
이번 강의를 통해 많은 분들이 RAG를 마스터하고, 이를 바탕으로 더 나은 AI 모델을 개발할 수 있기를 기대합니다.
Question 2
기존 유튜브와는 어떤 점이 다른가요?
기존 유튜브에서는 주로 프로젝트 주제 중심의 내용을 다룹니다. 시간 관계상, 모듈 하나하나에 초점을 맞춘 강의 영상이 아닌 경우가 많아 중간과정의 상세한 설명이 생략되기도 합니다. 강의에서는 RAG를 더욱 쉽고 깊게, 기본부터 차근차근 아주 상세히 다루고 있습니다.
또한, 유튜브에 업로드되지 않은 논문 리뷰나 강의에서만 다루는 프로젝트가 다수 포함되어 있습니다. 수강생분들만을 위한 커뮤니티가 있다는 점도 큰 차별점이 될 것 입니다.
또한, 유튜브에 업로드되지 않은 논문 리뷰나 강의에서만 다루는 프로젝트가 다수 포함되어 있습니다. 수강생분들만을 위한 커뮤니티가 있다는 점도 큰 차별점이 될 것 입니다.
Question 3
수업 방식을 간단히 설명해 주실 수 있을까요?
8단계로 이루어진 RAG 파이프라인에서 각 단계별 주요 모듈을 소개합니다. 각 단계별 선택 가능한 옵션과 그 특성, 차이점을 명확히 이해해야 우리 프로젝트에 응용할 수 있습니다. 따라서 기본기를 탄탄하게 다져가는 과정이 준비되어 있습니다. 그런 다음, 다져진 기본기를 바탕으로 프로젝트를 구현하면서 RAG의 성능을 높일 수 있는 다양한 옵션들을 시도해봅니다.
마지막으로 최신 논문의 트렌드를 읽고 적용하는 과정은 후반부에 자리잡고 있습니다. 중간중간 Live Q&A 세션을 통해 어려운 점을 해소하고, 성능을 높일 수 있는 방안에 대해 함께 고민할 예정입니다.
마지막으로 최신 논문의 트렌드를 읽고 적용하는 과정은 후반부에 자리잡고 있습니다. 중간중간 Live Q&A 세션을 통해 어려운 점을 해소하고, 성능을 높일 수 있는 방안에 대해 함께 고민할 예정입니다.
Question 4
강의에서 진행하는 프로젝트의 수준은 어느 정도인가요?
프로젝트의 난이도는 비교적 쉬운 기본기 다지기부터 논문 내용을 구현하는 고난이도 프로젝트까지 다양하게 구성되어 있습니다.
강의를 잘 따라오신다면 모든 구현을 해낼 수 있는 수준이므로, 믿고 잘 따라오시면 앞으로 고난이도 프로젝트를 마주하더라도 쉽게 느껴지실 것입니다.
강의를 잘 따라오신다면 모든 구현을 해낼 수 있는 수준이므로, 믿고 잘 따라오시면 앞으로 고난이도 프로젝트를 마주하더라도 쉽게 느껴지실 것입니다.
단체 구매 Event
3명 이상 구매 시 단체 할인이 가능해요.
