테디노트의 RAG 비법노트 : 랭체인을 활용한 GPT부터 로컬 모델까지의 RAG 가이드
매월 최신 트렌드를 담은 'Live 영상 추가 제공'
테디노트의 RAG 비법노트 :
랭체인을 활용한 GPT부터 로컬 모델까지의 RAG 가이드
![RAG, LangChain, 테디노트, 가이드, 래그, 랭체인, VECTORDB, DB, PDF, 멀티모달, GPT, ChatGPT, GPT-4o, 허깅페이스, LLM, 파인튜닝, 테디, 이경록, 에이전트, Agent, AI, LangGraph, langchain, 로컬, 임베딩, 프롬프트, llama, LLaMA, 라마, 라이브, live, 최신, gpt-4o, rag, Streamlit, streamlit, 스트림릿](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/110710-472/main.webp)
-
LangChain
한국어 튜토리얼 저자 -
2만 구독자 보유
국내 최대 규모의 랭체인 유튜브 채널 테디노트 운영
-
누적 수강생 3,300명+
평점 4.8 높은 만족도
수준 높은 강의력과 전달력
![RAG, LangChain, 테디노트, 가이드, 래그, 랭체인, VECTORDB, DB, PDF, 멀티모달, GPT, ChatGPT, GPT-4o, 허깅페이스, LLM, 파인튜닝, 테디, 이경록, 에이전트, Agent, AI, LangGraph, langchain, 로컬, 임베딩, 프롬프트, llama, LLaMA, 라마, 라이브, live, 최신, gpt-4o, rag, Streamlit, streamlit, 스트림릿, RAG 설명](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/111451-472/intro-web.webp)
다수의 후기로 증명된 실력과 강의력을 모두 갖춘 개발자, 테디노트!
탑 티어 연사들의 추천사를 확인하세요.
![RAG, LangChain, 테디노트, 가이드, 래그, 랭체인, VECTORDB, DB, PDF, 멀티모달, GPT, ChatGPT, GPT-4o, 허깅페이스, LLM, 파인튜닝, 테디, 이경록, 에이전트, Agent, AI, LangGraph, langchain, 로컬, 임베딩, 프롬프트, llama, LLaMA, 라마, 라이브, live, 최신, gpt-4o, rag, Streamlit, streamlit, 스트림릿, RAG 설명](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/111759-472/intro-connection-top.webp)
2만 구독자의 설문을 반영해 구성한 커리큘럼
![RAG, LangChain, 테디노트, 가이드, 래그, 랭체인, VECTORDB, DB, PDF, 멀티모달, GPT, ChatGPT, GPT-4o, 허깅페이스, LLM, 파인튜닝, 테디, 이경록, 에이전트, Agent, AI, LangGraph, langchain, 로컬, 임베딩, 프롬프트, llama, LLaMA, 라마, 라이브, live, 최신, gpt-4o, rag, Streamlit, streamlit, 스트림릿, RAG 설명](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/111806-472/intro-connection-bottom.webp)
기초 개념부터 최신 RAG 까지
성공적인 RAG를 위한 비법노트, 지금 공개합니다.
RAG 비법노트의 특별한 7가지
시대의 흐름을 누구보다 앞서는 경험, 테디노트가 강의를 통해 끝까지 책임지겠습니다.
![RAG, LangChain, 테디노트, 가이드, 래그, 랭체인, VECTORDB, DB, PDF, 멀티모달, GPT, ChatGPT, GPT-4o, 허깅페이스, LLM, 파인튜닝, 테디, 이경록, 에이전트, Agent, AI, LangGraph, langchain, 로컬, 임베딩, 프롬프트, llama, LLaMA, 라마, 라이브, live, 최신, gpt-4o, rag, Streamlit, streamlit, 스트림릿, RAG 설명, 40시간 로드맵, 27가지 프로젝트, 멀티 에이전트, multi agent, 파이썬, 프로젝트 실습 코드, 랭체인 노트](https://cdn.day1company.io/prod/uploads/202407/120057-865/group-1410118545.png)
Point 1
테디노트가 강력하게 추천하는
40시간으로 끝내는 RAG 로드맵을 확인하세요.
기본 개념부터 상황별 최적의 해결책을 찾기 위한 과정까지 자세히 알려드리겠습니다.
-
LangChain 시작하기
∙ 파이썬 기초 문법
∙ 기초 설정 및 환경 구축
∙ LangChain 문법 및 구조
∙ LangSmith 추적
∙ LCEL 문법
주요 실습 확인하기
∙ [프로젝트] Runnable / LCEL 문법과 친해지기(연습문제)
∙ [프로젝트] LCEL 문법을 활용한 GPT 챗봇 생성 -
LangChain 모듈
∙ 체인 파이프라인의 구성 요소
∙ 프롬프트, 출력 파서, 모델
∙ LangChain 확장하기
∙ 메모리, 사전에 정의된 체인, 도큐먼트 로더
∙ Vector DB
주요 실습 확인하기
∙ [프로젝트] 퓨샷프롬프트 예시에 따라 다른 형식으로 답변하는 GPT
∙ [프로젝트] 기존 프롬프트를 수정하여 나만의 프롬프트 Hub 에 커밋
∙ [프로젝트] Pydantic 형식에 준수한 답변 생성하기(양식에 맞춤 답변)
∙ [프로젝트] LLM 답변을 CSV / Excel 양식으로 저장하기
∙ [프로젝트] ChatOllama 로 허깅페이스 모델(EEVE Korean Instruct 10.8B)을 다운로드 받아 추론하는 Chain 생성
∙ [프로젝트] 무료 오픈 모델을 활용한 문서 요약 체인
∙ [프로젝트] LM Studio 로 허깅페이스 모델 다운로드 받아 추론하는 Chain 생성
∙ [프로젝트] LM Studio 의 추론서버를 활용한 영한-한영 번역 체인
∙ [프로젝트] 이전의 대화내용을 기억하는 GPT -
RAG (Retrieval-Augmented Generation)
∙ RAG 기본 요소와 원리
   : 텍스트 분할, 임베딩, 벡터저장소, 검색기
∙ RAG 파이프라인
∙ Agent를 활용한 RAG
주요 실습 확인하기
∙ [프로젝트] RAG 를 활용한 뉴스기사 기반 QA 시스템
∙ [프로젝트] RAG 를 활용한 PDF 기반 질의-응답 QA 시스템
∙ [프로젝트] 이전에 구현한 RAG 파이프라인을 개선할 수 있는 아이디어
∙ [프로젝트] 온전한 무료 오픈모델로 문서기반 QA RAG 시스템 구현
∙ [프로젝트] 다중 에이전트를 활용한 토론 시뮬레이션 구현
-
LLM 기반의 웹 앱 제작
∙ Streamlit 개요
∙ Streamlit 과 Langhain 연결
∙ RAG를 활용한 웹 앱 생성 및 배포
주요 실습 확인하기
∙ [프로젝트] OpenAI GPT 를 활용한 ChatGPT 스타일 웹앱 구현
∙ [프로젝트] 메모리기능 추가
∙ [프로젝트] User 별 대화 쓰레드 관리 기능 / DB 에 저장
∙ [프로젝트] PDF 기반 질의-응답 QA 웹앱 -
RAG 평가&개선과 모델 서빙
∙ LangSmith API 를 활용한 프롬프트 최적화
∙ LangServe
∙ 로컬 무료모델(HuggingFace) 서빙
∙ GGUF 파일 변환
주요 실습 확인하기
∙ [프로젝트] RAGAS 를 활용한 RAG 평가
∙ [프로젝트] 내가 작성한 프롬프트 자동 최적화(Self Optimize RAG) 파이프라인 -
Advanced RAG (ft. 멀티 에이전트)
∙ LangGraph 구성과 활용
∙ Adaptive RAG
∙ Corrective RAG
∙ Web Research RAG
∙ Self RAG
주요 실습 확인하기
∙ [프로젝트] LangGraph 를 활용한 코드 작성 코파일럿
∙ [프로젝트] Adaptive RAG
∙ [프로젝트] Corrective RAG
∙ [프로젝트] 웹 리서치 RAG
Point 2
Fast campus ONLY
국내 유일 ! GPT-4o부터
오픈소스를 활용한 로컬 환경의 RAG까지 학습합니다.
많은 기업에서 집중하고 있는, 로컬 환경의 RAG 노하우까지 담았습니다.
기업에서는 왜 로컬 환경의 RAG에 집중하나요?
![](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/132122-472/point-2-toggle.webp)
![RAG, LangChain, 테디노트, 가이드, 래그, 랭체인, VECTORDB, DB, PDF, 멀티모달, GPT, ChatGPT, GPT-4o, 허깅페이스, LLM, 파인튜닝, 테디, 이경록, 에이전트, Agent, AI, LangGraph, langchain, 로컬, 임베딩, 프롬프트, llama, LLaMA, 라마, 라이브, live, 최신, gpt-4o, rag, Streamlit, streamlit, 스트림릿, RAG 설명, 40시간 로드맵, 27가지 프로젝트, 멀티 에이전트, multi agent, 파이썬, 프로젝트 실습 코드, 랭체인 노트, GPT-4, GPT-3.5, Claude, EEVE](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/132205-472/point-2-web.webp)
Point 3
RAG는 상황에 따라
최적의 해를 찾아 조합하는 것이 중요합니다.
다양한 프로젝트 실습을 통해 세부요소에 대한 이해는 물론, 각 상황별 최적의 조합 방법을 함께 찾아봅시다.
RAG 8단계 프로세스
Step 1 문서 로드 및 Vector DB 저장
![](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/132741-472/point-3-1.webp)
문서로드 (Load)
문서 (pdf, word), RAW DATA, 웹페이지, Notion 등의 데이터를 읽기
![](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/132749-472/point-3-2.webp)
분할 (Split)
불러온 문서를 Chunk 단위로 분할
![](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/132753-472/point-3-3.webp)
임베딩 (Embedding)
문서를 벡터 표현으로 변환
![](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/132759-472/point-3-4.webp)
벡터DB (Vector-Store)
변환된 벡터를 DB에 저장
Step 2 문서 검색 및 결과 도출
![](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/133026-472/point-3-5.webp)
검색 (Retrieval)
유사도 검색 (similarity, mmr), Multi-Query, Multi-Retriever
![](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/133030-472/point-3-6.webp)
프롬프트 (Prompt)
검색된 결과를 바탕으로 원하는 결과를 도출하기 위한 프롬프트
![](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/133034-472/point-3-7.webp)
모델 (LLM)
모델선택 (GPT-4o, GPT-4, GPT-3.5, etc)
![](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/133039-472/point-3-8.webp)
결과 (Output)
텍스트, JSON, 마크다운 등 원하는 방향으로의 Output 출력
![RAG, LangChain, 테디노트, 가이드, 래그, 랭체인, VECTORDB, DB, PDF, 멀티모달, GPT, ChatGPT, GPT-4o, 허깅페이스, LLM, 파인튜닝, 테디, 이경록, 에이전트, Agent, AI, LangGraph, langchain, 로컬, 임베딩, 프롬프트, llama, LLaMA, 라마, 라이브, live, 최신, gpt-4o, rag, Streamlit, streamlit, 스트림릿, RAG 설명, 40시간 로드맵, 27가지 프로젝트, 멀티 에이전트, multi agent, 파이썬, 프로젝트 실습 코드, 랭체인 노트, GPT-4, GPT-3.5, Claude, EEVE](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/133356-472/point-2-connection.webp)
프로젝트 미리보기
27가지 다양한 프로젝트 실습을 통해
상황에 따라 최적의 해를 찾아내고 조합하는 방법을 학습합니다.
![](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/133728-472/preview-1.webp)
무료오픈 모델을 사용한 RAG 프로젝트
∙ 허깅페이스에서 오픈 모델을 기존 유료 모델인 GPT를 대체하여 추론에 사용합니다.
∙ LLM과 Embedding모델을 모두 오픈 모델을 사용하여 End-to-End 무료 RAG 파이프라인을 구현합니다.
![](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/133736-472/preview-2.webp)
GPT-4o 를 활용한 멀티모달 RAG 웹 앱
∙ 문서(PDF) 에서 표/이미지/텍스트를 추출하고, 이를 저장하여 유사도 검색에 활용할 수 있도록 구현합니다.
∙ 텍스트 기반 QA 체인과 이미지, 표를 다룰 수 있는 멀티모달 체인을 활용하여 RAG를 구현합니다.
![](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/133728-472/preview-1.webp)
GitHub 소스코드 기반 QA 챗봇
∙ 사용자 정의 Github repository 에서 소스코드를 로드하고, Vector Store 에 유사도 검색을 위하여 데이터를 저장합니다.
∙ Discord 에 연결하여 Github 의 소스코드 기반 QA 챗봇을 구현합니다.
![](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/133736-472/preview-2.webp)
RAGAS 를 활용한 RAG 평가
∙ RAGAS 를 활용하여 RAG 에 대한 context precision, context recall, answer relevance, faithfulness 평가 지표를 정의하고 평가하는 방법에 대하여 다룹니다.
∙ LangSmith 를 활용하여 서로 다른 RAG 파이프라인에 대한 평가를 비교하는 방법에
대하여 배웁니다.
![RAG, LangChain, 테디노트, 가이드, 래그, 랭체인, VECTORDB, DB, PDF, 멀티모달, GPT, ChatGPT, GPT-4o, 허깅페이스, LLM, 파인튜닝, 테디, 이경록, 에이전트, Agent, AI, LangGraph, langchain, 로컬, 임베딩, 프롬프트, llama, LLaMA, 라마, 라이브, live, 최신, gpt-4o, rag, Streamlit, streamlit, 스트림릿, RAG 설명, 40시간 로드맵, 27가지 프로젝트, 멀티 에이전트, multi agent, 파이썬, 프로젝트 실습 코드, 랭체인 노트, GPT-4, GPT-3.5, Claude, EEVE](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/134619-472/preview-connection.webp)
이 외에도 다양한 프로젝트가 준비되어 있습니다.
강의에서 다루는 프로젝트만 따라와도 실무에 필요한 RAG 기술을 완벽히 마스터할 수 있습니다.
Fast campus ONLY
여기서 끝이 아닙니다.
현재 미래기술로 각광받고 있는 멀티 에이전트 개념까지 살펴봅시다.
![](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/133148-472/banner-background.webp)
Point 4
멀티 에이전트를 위한 LangGraph 개념과
최신 논문 기반의 Advanced RAG를 소개합니다.
최신 논문 기반의 Advanced RAG를 LangGraph를 활용한 실습을 통해 학습합니다.
-
01
적절한 외부 서비스를 호출해 스스로 다음 액션을 수행할 수 있는
시스템이 스스로 적절한 외부 서비스를 호출하여 문제를 해결하는 자율적인 에이전트의 동작 방식을 프로젝트 실습을 통해 학습합니다.
단일 에이전트 -
02
여러 개의 에이전트가 상호작용하며 협력하여 복잡한 작업을 수행하는
멀티 에이전트를 위한 최신 도구인 LangGraph를 활용하여 다양한 에이전트가 서로 협력하여 스스로 문제를 해결하는 방법을 학습합니다.
멀티 에이전트
03
LangGraph를 활용한 최신 논문 기반의
Advanced RAG 코드 실습까지
![](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/140016-472/point-4-3-1.webp)
Self RAG
Self-RAG는 자기성찰적 RAG에 대한 흥미로운 접근 방식을 소개하는 최근의 논문입니다.
![](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/140022-472/point-4-3-2.webp)
Corrective RAG
자기성찰은 RAG를 향상시켜, 낮은 품질의 검색이나 생성을 수정할 수 있게 합니다. LangGraph 를 활용하여 Corrective RAG를 구현합니다.
![](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/140148-472/point-4-3-3.webp)
Adaptive RAG
적응형 RAG는 (1) 쿼리 분석과 (2) 능동/자가 수정 RAG를 통합하는 RAG 전략입니다. 이 논문에서 제안하는 3가지(No Retrieval, Single Shot, Iterative) 전략에 대하여 면밀히 알아보고 구현합니다.
![](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/140139-472/point-4-3-4.webp)
Web Research RAG(STORM)
STORM은 Shao 등이 설계한 연구 보조 도구로, 더 풍부한 기사 생성을 위해 "개요 중심 RAG"의 아이디어를 확장한 것입니다. 유사한 주제를 쿼리하여 개요(계획)를 작성하면 커버리지를 개선하고, 다양한 관점의 근거가 있는 대화 시뮬레이션은 참조 수와 정보 밀도를 높이는 RAG 입니다.
BENEFIT
테디노트 수강생에게만 드리는 혜택!
![](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/140203-472/benefit-banner-background.webp)
![](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/141040-472/benefit-1.webp)
강의 구매자 전용 커뮤니티 제공!
테디노트 이경록 강사님과의 무한 질의응답
1)
실습 중 궁금한 사항은? 테디노트님에게 직접 질의응답
2)
본인 회사에 적용 & 응용하기 위한 강의 스터디 모집
3)
LLM 문제 해결을 고민하고 논의하는 정보 교류의 장네무>
![](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/141849-472/benefit-2.webp)
최신 트렌드를 담은
추가 Live 영상을 매달 제공합니다.
최신 논문 및 트렌드 분석을 주제로
매월 1회 테디노트 유튜브 채널에서 라이브 강의를 진행합니다.
* 당사 상황에 따라 Live 영상 업데이트가 어려울 수 있습니다.
* 강의 구매자에게는 라이브 영상 녹화본이 추가로 제공됩니다.
![](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/141856-472/benefit-3.webp)
이 강의 듣고싶은데 따라갈 수 있을까?
걱정하지 마세요.
1)
Python 기초 문법 강의 : 파이썬을 처음 접해보는 분들을 위한 강의
2)
LangChain 노트 : 테디노트님이 직접 제작한 한국어로 된 유일한 비법 노트
3)
강의에 사용된 모든 실습 코드 : 실습코드는 꾸준히 업데이트 될 예정입니다.
* LangChain 노트는 최종 공개 시기에 맞춰 최신 정보로 업데이트된 PDF 형태로 제공될
예정이며 [온라인 강의장]>[강의자료] 탭에서 확인 가능합니다.
![](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/143211-472/lectured-by.webp)
데이터와 인공지능을 좋아하는 개발자 : 테디노트
이경록 강사님
| 기타이력
∙ ‘한권으로 끝내는 랭체인 노트’ 외 다수의 베스트셀러 저자
∙ 구독자 2만명의 유튜브 채널 ‘테디노트’ 운영
∙ 월간 6만명이 방문하는 블로그 ‘테디노트’ 운영
∙ 서울대학교 & 대기업 등 다수 강연
| 주요 경력
현) 브레인크루 대표
전) 삼성전자 C-lab 아날로그 플러스 CTO
전) 삼성전자 Software Developer
-
안녕하세요. 테디노트의 ‘테디’ 이경록입니다.
강의를 기획하며 500명의 설문을 기반으로 실제 현장에서 겪는 어려움이 무엇인지에 대한 답을 찾았습니다. 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.
어떤 분들이 수강하시면 좋을까요?
이번 강의를 통해 많은 분들이 RAG를 마스터하고, 이를 바탕으로 더 나은 AI 모델을 개발할 수 있기를 기대합니다.
기존 유튜브와는 어떤 점이 다른가요?
또한, 유튜브에 업로드되지 않은 논문 리뷰나 강의에서만 다루는 프로젝트가 다수 포함되어 있습니다. 수강생분들만을 위한 커뮤니티가 있다는 점도 큰 차별점이 될 것 입니다.
수업 방식을 간단히 설명해 주실 수 있을까요?
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.
강의에서 진행하는 프로젝트의 수준은 어느 정도인가요?
강의를 잘 따라오신다면 모든 구현을 해낼 수 있는 수준이므로, 믿고 잘 따라오시면 앞으로 고난이도 프로젝트를 마주하더라도 쉽게 느껴지실 것입니다.
![RAG, LangChain, 테디노트, 가이드, 래그, 랭체인, VECTORDB, DB, PDF, 멀티모달, GPT, ChatGPT, GPT-4o, 허깅페이스, LLM, 파인튜닝, 테디, 이경록, 에이전트, Agent, AI, LangGraph, langchain, 로컬, 임베딩, 프롬프트, llama, LLaMA, 라마, 라이브, live, 최신, gpt-4o, rag, Streamlit, streamlit, 스트림릿, RAG 설명, 40시간 로드맵, 27가지 프로젝트, 멀티 에이전트, multi agent, 파이썬, 프로젝트 실습 코드, 랭체인 노트, GPT-4, GPT-3.5, Claude, EEVE](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202405/145429-472/lectured-connection.webp)
귀에 쏙쏙 들어오는 설명 !
테디노트님의 강의력 미리보기
RAG 파이프라인 이해해보기
RAG 절대 쉽게 결과물을 얻을 수 없는 이유
무료로 나만의 로컬 LLM 호스팅 하기
커리큘럼
아래의 모든 강의를 이 강의 하나로 모두 들을 수 있습니다.지금 한 번만 결제하고 모든 강의를 평생 소장하세요!
Part 1 : LangChain 입문
Part 2 : LangSmith 추적
Part 3 : 체인 파이프라인의 기본 요소
Part 4 : 체인의 기능 확장하기
Part 5 : 바로 사용할 수 있는 체인
Part 6 : 다양한 형태의 데이터 로드
Part 7 : Retrieval Augmented Generation: RAG
Part 8 : LCEL 고급 문법
Part 9 : RAG 평가 & 개선
Part 10 : Agent
Part 11 : LLM을 활용한 웹앱 제작
Part 12 : 모델 서빙
Part 13 : 다중협업에이전트 - LangGraph
부록 : 파이썬 프로그래밍
![](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202208/082245-476/frame-1373.png)
해당 강의는 사전 예약 상품입니다.
영상 공개는 다음과 같이 4회에 걸쳐 공개됩니다.
(강의 1회 결제시 모든 영상을 평생 반복 수강 가능합니다.)
-----
1차 공개 24년 7월 1일 (월)
2차 공개 24년 7월 29일 (월)
3차 공개 24년 9월 2일 (월)
전체 공개 24년 9월 23일 (월)
이 강의도 추천해요.