- 주문상품수량
- 개
- 예상적립금
P - 상품할인금
- 원
- 배송료
- 원
- 주문합계
- 원
네비게이션 실시간 인기 책
베스트
RAG 시스템 구축을 위한 랭체인 실전 가이드 LLM 기초부터 모델 API, 벡터 DB, 임베딩, AI Agent까지
- 윤성재 저
- 루비페이퍼
- 2024년 10월 30일
-
정가26,000원
-
판매가23,400원 [10% 할인]
-
결제 혜택무이자
카드할인/포인트결제 안내
제휴카드
반디앤루니스 롯데카드 결제금액 최대 25% 청구할인 (1만원 이상 결제건에 한해 월 2회, 건당 최대 1만원 할인) 반디앤루니스 우리V카드 결제금액 10% 청구할인 포인트결제
OK캐쉬백 포인트 최소 10원부터 전액 사용 or 1% 적립 현대카드 M포인트 결제금액의 최대 10% 사용 가능 신한카드 포인트 결제금액의 최대 10% 사용 가능(일부카드) 하나(구.외환) 포인트 보유 한도 내에서 100% 사용 가능 씨티카드 포인트 결제금액의 최대 50% 사용 가능 할인카드
NH농협 TAKE5카드 20% 청구할인(Edu Pack) 채움 플래티늄 멀티카드 20% 청구할인 모바일 Tmoney 신한카드 10% 청구할인 신한카드 Shopping 10% 청구할인 NH농협 체크카드 10% 청구할인 NH20 해봄 신용카드 10% 청구할인 씨티 클리어 카드 7% 청구할인 NH20 해봄 체크카드 5% 청구할인 NH농협 LADY다솜카드 5% 청구할인 신한카드 큐브 5% 청구할인 신한카드 큐브 PLATINUM# 5% 청구할인 
무이자 안내
-
적립금1,300원 적립 [5%P]
추가 적립금 안내
[2천원 추가 적립]
총 주문금액 5만원 이상 구매 시 2,000원 추가 적립
도서(eBook포함)만 구매 시 적립 대상에서 제외업채배송상품 포함(기프트, 업체배송 등) 5만원[멤버십 추가 적립]
슈퍼루니 : 3% 추가 적립
골드루니 : 2% 추가 적립
실버루니 : 1% 추가 적립
단, 국내도서, eBook만 구매 시 적립 불가
-
배송료무료배송
-
출고예정일
출고예정일 안내
※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.
2025년 03월 17일(월)※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.
당일배송 가능지역 검색
“도로명주소”를 쉽게 찾아보세요
1. 도로명으로 검색하기 (예, “직지길” or “직지길+322”)
2. 건물명으로 검색하기 (예, “반디앤루니스빌딩”)
3. 동(읍/면/리) 으로 검색 (예, “인사동” or “인사동+43”)
4. 도로명주소를 모르실 경우 도로명주소 안내시스템(http://www.juso.go.kr)에서 확인해주세요.
시/도
시/군/구
회원리뷰
ISBN: 9791193083239
278쪽
528g
170 x 232 (㎜)
지금 이책은
- 판매지수 : 0
- 주간 컴퓨터/IT: 70위
이 분야의 베스트셀러
-
처음 만나는 인공지능 [개정판]
김대수
26,000원
-
비전공자를 위한 이해할 수 있는 IT 지식
최원영
15,120원
-
컴퓨팅 사고 Level Up 소프트 파워 with 스크래치
김호다, 이지민, 정영철 외
20,700원
이 책이 속한 분야
- 컴퓨터/IT > 컴퓨터공학 > 인공지능/신경망/퍼지
책 소개
이 책은
랭체인 프레임워크를 기반으로 한 RAG 시스템의 개념과 원리에 대해 입문자도 이해할 수 있을 만큼 쉽게 설명한다. 또 시스템의 각 구성 요소가 어떤 역할을 하는지, 어떻게 더 잘 활용할 수 있는지를 자세히 다룬다. 특히 마지막 장에서는 지금까지 배운 이론과 실습을 토대로 구성한 ‘RAG 시스템 구축 실전 프로젝트’를 완성하며, 전반적인 RAG의 이해도를 높이고 실무에서도 직접 활용해볼 수 있도록 구성했다.
출판사 리뷰
저자 소개
국내 대기업에서 RAG 관련 AI 애플리케이션 개발과 AI 산업 컨설팅을 주도적으로 수행하며 AI 컨설턴트로 활동 중이다. 유튜브 채널 ‘모두의 AI’를 통해 최신 AI 기술(RAG, AI Agent, LLM 기반 NLP) 강의뿐만 아니라, AI 에이전트 관련 온?오프라인 강의를 수행하며 AI 기술을 누구보다 빠르고 쉽게 전파하고자 노력하고 있다. 그동안의 경험과 유튜브 채널에서 진행한 RAG 강의를 토대로 이 책을 집필하게 되었다.
목차
CHAPTER 01 - LLM 훑어보기
1.1 생성 AI 열풍의 주역, LLM
__규칙 기반 자연어 처리, 최초 AI 챗봇 ELIZA
__통계 기반 자연어 처리, N-gram의 등장
__딥러닝과 NLP의 발전, CNN & RNN & LSTM
__언어 모델의 혁신, 트랜스포머
__Scale is all you need, LLM의 시작
1.2 LLM 개발의 양대 산맥, 오픈 소스 LLM과 Closed LLM
__어떤 LLM을 선택하느냐가 AI 서비스의 핵심
__오픈 소스 LLM vs Closed LLM
__글로벌 오픈 소스 LLM 생태계
__국내 오픈 소스 LLM 생태계
1.3 한눈에 살펴보는 LLM의 활용 현황
__생성 AI 기반 대화형 검색 서비스, Perplexity
__마케팅 AI 코파일럿, Jasper
__자동화를 AI로 더욱 쉽게 만들다, Zapier
__전천후 CRM 코파일럿, 세일즈포스의 아인슈타인
__개발자의 필수 AI 코딩 도구, 깃허브 코파일럿
__쉽고 빠른 데이터 분석, 태블로 AI
__누구나 디자이너가 될 수 있는 도구, Adobe Firefly
CHAPTER 02 - RAG와 친해지기
2.1 RAG 시스템이란?
__LLM 최대의 약점, 환각 현상
__컨텍스트 윈도우 제한 문제
__LLM API의 기억상실증 문제
__환각 현상을 극복한 RAG의 등장
2.2 RAG vs 파인튜닝
CHAPTER 03 - LLM 시작하기
3.1 랭체인이란?
__랭체인의 개념과 구성 요소
__랭체인으로 구축 가능한 서비스, ChatPDF
3.2 랭체인을 통한 LLM 활용하기
__LLM API 호출의 기초
__프롬프트의 세 가지 형태
__LLM의 Temperature 이해하기
__ChatGPT처럼 답변 스트리밍하기
__응답을 캐싱하여 더 빠르게 응답받기
3.3 프롬프트 입력이 더 편리한 Prompt Template
__PromptTemplate과 ChatPromptTemplate
__퓨샷 예제를 통한 프롬프트 템플릿
__부분적인 처리가 가능한 Partial 프롬프트 템플릿
3.4 LLM의 답변을 원하는 형태로 조정하는 Output Parser
__쉼표로 구분된 리스트를 출력하는 CSV 파서
__날짜 형식만 출력하는 Datetime 파서
__시스템 통신의 기본 형식을 위한 JSON 파서
CHAPTER 04 - RAG으로 다양한 문서 다루기
4.1 Document Loaders 알아보기
__RAG를 위한 Document 객체의 이해
4.2 PDF 파일을 Document로 불러오기
__PyPDFLoader
__PyPDFium2
__PyPDFLoader와 PyPDFium2 처리 시간 비교
__PDF Loader 비교
4.3 여러 파일을 Document로 불러오기
__Word 파일 불러오기, Docx2txtLoader
__CSV 파일 불러오기, csv_loader
__PPT 파일 불러오기, UnstructuredPowerPointLoader
__인터넷 정보 로드하기, WebBaseLoader
__특정 경로 내의 모든 파일 불러오기, DirectoryLoader
4.4 문서를 다양하게 자르는 Text Splitters
__벡터 DB의 저장 과정
__적당한 크기로 문서를 분할하는 Text Splitters
__글자 수로 분할하는 CharacterTextSplitter
__재귀적으로 텍스트를 분할하는 RecursiveCharacterTextSplitter
__문맥을 파악해 분할하는 SemanticChunker
CHAPTER 05 - RAG 활용하기
5.1 텍스트를 숫자로 바꾸는 텍스트 임베딩
__임베딩 모델이란?
__Open source와 Closed source
5.2 문서 벡터 저장소, Vector Stores
__벡터 DB의 종류
__Chroma DB란?
__Chroma DB 문서 저장 및 유사 문서 검색
__Chroma DB API를 활용한 문서 관리
5.3 RAG의 문서 검색기, Retriever
__벡터 DB 기반의 Retriever
__사용자의 쿼리를 재해석해 검색하는 MultiQueryRetriever
__문서를 여러 벡터로 재해석하는 MultiVectorRetriever
__컨텍스트를 재정렬하는 Long-Context Reorder
5.4 랭체인을 표현하는 언어, LCEL
__쉬운 코드 작성과 효과적인 모듈 관리
__LCEL로 기본 체인 구성
__스트리밍 기능을 쉽게 추가하는 stream()
__여러 개 API를 요청하고 받는 batch()
5.5 기본 RAG 시스템 구축하기
__RAG 시스템 구축하기 1 - 기본적인 QA 체인 구성
__RAG 시스템 구축하기 2 - Memory 기능 구축
__Open source LLM으로 RAG 구축하기
CHAPTER 06 - RAG 완전 정복하기
6.1 Streamlit으로 RAG 챗봇 만들기
__Streamlit 실행하기
__Streamlit chat 기능 설정
6.2 대화 기능 추가하기
6.3 파일 업로드 기능 구현하기
6.4 고급 기능을 더해 RAG 챗봇 완성하기
6.5 Streamlit에서 배포하기
__애플리케이션 준비
__깃허브 세팅하기
__Streamlit Cloud로 배포하기
6.6 LLM의 한계를 너머, Tool & Agent
__단계별 추론 CoT와 ReAct
__랭체인으로 인터넷 검색 Agent 구축하기
__랭체인으로 벡터 DB 및 인터넷 검색 Agent 완성하기
1.1 생성 AI 열풍의 주역, LLM
__규칙 기반 자연어 처리, 최초 AI 챗봇 ELIZA
__통계 기반 자연어 처리, N-gram의 등장
__딥러닝과 NLP의 발전, CNN & RNN & LSTM
__언어 모델의 혁신, 트랜스포머
__Scale is all you need, LLM의 시작
1.2 LLM 개발의 양대 산맥, 오픈 소스 LLM과 Closed LLM
__어떤 LLM을 선택하느냐가 AI 서비스의 핵심
__오픈 소스 LLM vs Closed LLM
__글로벌 오픈 소스 LLM 생태계
__국내 오픈 소스 LLM 생태계
1.3 한눈에 살펴보는 LLM의 활용 현황
__생성 AI 기반 대화형 검색 서비스, Perplexity
__마케팅 AI 코파일럿, Jasper
__자동화를 AI로 더욱 쉽게 만들다, Zapier
__전천후 CRM 코파일럿, 세일즈포스의 아인슈타인
__개발자의 필수 AI 코딩 도구, 깃허브 코파일럿
__쉽고 빠른 데이터 분석, 태블로 AI
__누구나 디자이너가 될 수 있는 도구, Adobe Firefly
CHAPTER 02 - RAG와 친해지기
2.1 RAG 시스템이란?
__LLM 최대의 약점, 환각 현상
__컨텍스트 윈도우 제한 문제
__LLM API의 기억상실증 문제
__환각 현상을 극복한 RAG의 등장
2.2 RAG vs 파인튜닝
CHAPTER 03 - LLM 시작하기
3.1 랭체인이란?
__랭체인의 개념과 구성 요소
__랭체인으로 구축 가능한 서비스, ChatPDF
3.2 랭체인을 통한 LLM 활용하기
__LLM API 호출의 기초
__프롬프트의 세 가지 형태
__LLM의 Temperature 이해하기
__ChatGPT처럼 답변 스트리밍하기
__응답을 캐싱하여 더 빠르게 응답받기
3.3 프롬프트 입력이 더 편리한 Prompt Template
__PromptTemplate과 ChatPromptTemplate
__퓨샷 예제를 통한 프롬프트 템플릿
__부분적인 처리가 가능한 Partial 프롬프트 템플릿
3.4 LLM의 답변을 원하는 형태로 조정하는 Output Parser
__쉼표로 구분된 리스트를 출력하는 CSV 파서
__날짜 형식만 출력하는 Datetime 파서
__시스템 통신의 기본 형식을 위한 JSON 파서
CHAPTER 04 - RAG으로 다양한 문서 다루기
4.1 Document Loaders 알아보기
__RAG를 위한 Document 객체의 이해
4.2 PDF 파일을 Document로 불러오기
__PyPDFLoader
__PyPDFium2
__PyPDFLoader와 PyPDFium2 처리 시간 비교
__PDF Loader 비교
4.3 여러 파일을 Document로 불러오기
__Word 파일 불러오기, Docx2txtLoader
__CSV 파일 불러오기, csv_loader
__PPT 파일 불러오기, UnstructuredPowerPointLoader
__인터넷 정보 로드하기, WebBaseLoader
__특정 경로 내의 모든 파일 불러오기, DirectoryLoader
4.4 문서를 다양하게 자르는 Text Splitters
__벡터 DB의 저장 과정
__적당한 크기로 문서를 분할하는 Text Splitters
__글자 수로 분할하는 CharacterTextSplitter
__재귀적으로 텍스트를 분할하는 RecursiveCharacterTextSplitter
__문맥을 파악해 분할하는 SemanticChunker
CHAPTER 05 - RAG 활용하기
5.1 텍스트를 숫자로 바꾸는 텍스트 임베딩
__임베딩 모델이란?
__Open source와 Closed source
5.2 문서 벡터 저장소, Vector Stores
__벡터 DB의 종류
__Chroma DB란?
__Chroma DB 문서 저장 및 유사 문서 검색
__Chroma DB API를 활용한 문서 관리
5.3 RAG의 문서 검색기, Retriever
__벡터 DB 기반의 Retriever
__사용자의 쿼리를 재해석해 검색하는 MultiQueryRetriever
__문서를 여러 벡터로 재해석하는 MultiVectorRetriever
__컨텍스트를 재정렬하는 Long-Context Reorder
5.4 랭체인을 표현하는 언어, LCEL
__쉬운 코드 작성과 효과적인 모듈 관리
__LCEL로 기본 체인 구성
__스트리밍 기능을 쉽게 추가하는 stream()
__여러 개 API를 요청하고 받는 batch()
5.5 기본 RAG 시스템 구축하기
__RAG 시스템 구축하기 1 - 기본적인 QA 체인 구성
__RAG 시스템 구축하기 2 - Memory 기능 구축
__Open source LLM으로 RAG 구축하기
CHAPTER 06 - RAG 완전 정복하기
6.1 Streamlit으로 RAG 챗봇 만들기
__Streamlit 실행하기
__Streamlit chat 기능 설정
6.2 대화 기능 추가하기
6.3 파일 업로드 기능 구현하기
6.4 고급 기능을 더해 RAG 챗봇 완성하기
6.5 Streamlit에서 배포하기
__애플리케이션 준비
__깃허브 세팅하기
__Streamlit Cloud로 배포하기
6.6 LLM의 한계를 너머, Tool & Agent
__단계별 추론 CoT와 ReAct
__랭체인으로 인터넷 검색 Agent 구축하기
__랭체인으로 벡터 DB 및 인터넷 검색 Agent 완성하기
배송 시 유의사항
- 반디앤루니스에서 구매하신 도서는 물류 대행 위탁업체 웅진 북센을 통해 배송됩니다.
(배송 포장에 "웅진 북센"으로 표기될 수 있습니다.)
- 구매한 상품의 품질과 배송 관련 문의는 반디앤루니스로 문의 바랍니다.
- 천재지변 및 택배사의 사정에 따라 배송이 지연될 수 있습니다.
- 결제(입금) 완료 후 출판사 및 유통사의 사정으로 품절 또는 절판 되어 상품 구입이 어려울 수 있습니다. (별도 안내 예정)
- 도서산간지역의 경우 추가 배송비가 발생될 수 있습니다.
반품/교환
상품 설명에 반품/ 교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다)
반품/교환
-
반품/교환 반품/교환 방법 홈 > 고객센터 > 자주찾는질문 “반품/교환/환불” 안내 참고 또는 1:1상담게시판 반품/교환 가능 기간 반품,교환은 배송완료 후 7일 이내, 상품의 결함 및 계약내용과 다를 경우 문제발견 후 30일 이내에 신청가능 반품/교환 비용 변심 혹은 구매착오의 경우에만 반송료 고객 부담(별도 지정 택배사 없음) 반품/교환 불가 사유 - 소비자의 책임 사유로 상품 등이 손실 또는 훼손된 경우
- 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
- 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예)만화책, 잡지, 화보집 등
- 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
- 전자상거래등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
- 해외주문 상품(해외 원서)의 경우(파본/훼손/오발송 상품을 제외)
소비자 피해보상
환불지연에 따른 배상- 상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은
소비자 분쟁해결 기준(공정거래위원회고시)에 준하여 처리됨 - 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의
소비자 보호에 관한 법률에 따라 처리함
반품/교환 주소 경기도 파주시 문발로 77, 웅진북센(반디앤루니스)
