자료유형  

단행본

ISBN  

9791158395919 93000

언어부호  

본문언어 - kor, 원저작언어 - eng

KDC  

004.73-6

청구기호  

004.73 R846rKㄹ

서명/저자  

실전! RAG 기반 생성형 AI 개발 / 데니스 로스먼 지음 ; 류광 ; 307번역랩 [공]옮김

원서명  

[표제관련정보] 라마인덱스, 딥 레이크, 파인콘으로 나만의 검색 증강 생성 파이프라인 만들기

원서명  

[원표제]RAG-driven generative AI : : build custom retrieval augmented generation pipelines with LlamaIndex, Deep Lake, and Pinecone

발행사항  

파주 : 위키북스, 2025

형태사항  

390 p. : 천연색삽화 ; 24 cm

총서명  

위키북스 생성형 AI 프로그래밍 ; 13

주기사항  

부록: 연습문제 해답 수록

주기사항  

RAG는 "Retrieval Augmented Generation"의 약어임

서지주기  

각 장마다 미주, 참고문헌 및 색인(p. 385-390) 수록

키워드  

인공지능 리마인덱스 딥레이크 파인콘 생성형AI 검색증강생성 RAG

기타저자  

Rothman, Denis

기타저자  

류광

기타저자  

307번역랩

기타저자  

로스먼, 데니스

기타서명  

실전! 래그 기반 생성형 에이아이 개발

가격  

\32,000

Control Number  

hycl:152240

책소개  

RAG를 이용해 AI의 환각을 최소화하고, 임베딩 벡터 데이터베이스와 인간 피드백을 통합해서 정확하고 커스텀화된 생성형 AI 파이프라인을 구축한다!


《실전! RAG 기반 생성형 AI 개발》은 성능과 비용의 균형을 맞추는 효과적인 LLM, 컴퓨터비전, 생성형 AI 시스템을 구축하기 위한 로드맵을 제시한다.

이 책은 RAG와 다중 모달 AI 파이프라인을 설계, 관리, 제어하는 방법을 상세히 설명한다. RAG는 출력을 추적 가능한 원본 문서와 연결함으로써 출력의 정확성과 문맥 관련성을 향상시키며, 대량의 정보를 관리하는 동적 접근 방식을 가능하게 하는 기술이다. 이 책은 또한 벡터 저장소, 청킹, 색인화, 순위 지정에 대한 실용적 지식을 제공하며, RAG 프레임워크를 처음부터 끝까지 구축하는 방법을 보여준다. 적응형 RAG와 사람의 피드백을 활용한 검색 정확도 개선, RAG와 미세조정의 균형, 실시간 의사결정을 강화하는 동적 RAG 구현, 지식 그래프를 통한 복잡한 데이터 시각화 등 프로젝트 성능을 최적화하고 데이터를 더 잘 이해할 수 있는 기법들을 배우게 될 것이다.

라마인덱스, 파인콘, 딥레이크 같은 프레임워크와 오픈AI, 허깅페이스 같은 생성형 AI 플랫폼을 이용한 풍부한 실습 예제를 담고 있다. 이 책을 통해 지능형 솔루션을 구현하는 기술을 습득한다면 프로덕션에서 고객 서비스까지 그 어떤 프로젝트에서도 경쟁력을 갖추게 될 것이다.

★ 이 책에서 다루는 내용 ★

◎ 대규모 데이터셋을 효율적으로 처리하도록 RAG 파이프라인을 확장한다.
◎ 환각 현상을 최소화하고 정확한 응답을 보장하는 기법을 적용한다.
◎ 추적 가능하고 투명한 출력으로 AI 정확도를 높이는 색인화 기법을 구현한다.
◎ RAG 주도 생성형 AI 시스템을 다양한 도메인에 걸쳐 커스텀화하고 확장한다.
◎ 딥레이크와 파인콘을 활용해서 데이터를 더 빠르고 효율적으로 검색한다.
◎ 실제 데이터에 기반해서 견고한 생성형 AI 시스템을 구축하고 제어한다.
◎ 더 풍부하고 유익한 AI 응답을 위해 텍스트와 이미지 데이터를 결합한다.