데이터 쿼리 썸네일형 리스트형 라마인덱스로 배우는 데이터 기반 AI 애플리케이션 데이터와 LLM을 연결해서 진짜 쓸모 있는 AI 애플리케이션을 만들자 생성형 AI와 대형 언어 모델(LLM)은 막대한 가능성을 지닌 강력한 도구지만, 잘못된 정보 생성이나 짧은 문맥 처리, 최신 데이터 반영의 어려움 같은 약점도 분명히 존재한다. 이 책은 그 한계를 극복할 수 있는 검색 증강 생성(RAG)과 LlamaIndex 활용법을 구체적으로 안내하며, 파이썬과 Streamlit으로 직접 프로젝트를 만들면서 데이터 수집, 색인, 검색, 쿼리, 프롬프트 엔지니어링, 배포까지 AI 애플리케이션 개발의 전 과정을 실습할 수 있도록 돕는다. 기본 개념에서 출발해 챗봇과 에이전트 구축, 사용자 정의와 실제 배포 전략까지 한 권에 담았다. 이 책을 통해 단순한 실습을 넘어 데이터를 다루고 최적화하는 전 과정을 .. 더보기 내 데이터를 이해하는 나만의 AI를 만든다 ChatGPT는 뛰어나지만, ‘내 데이터’를 알지는 못합니다. 기업 문서, 연구자료, 내부 데이터베이스 등 우리가 다루는 실제 정보는 공개 모델의 학습 범위 밖에 있죠. 그래서 AI에게 질문을 던져도, 정작 우리가 가진 구체적인 문서나 업무 지식을 기반으로 한 답변은 얻기 어렵습니다. 결국 AI의 잠재력을 제대로 활용하려면, 내 데이터를 이해하고 활용할 수 있는 AI가 필요합니다. 이제 중요한 건 모델의 크기가 아니라, 데이터를 얼마나 잘 연결하고 활용하느냐입니다. 그것이 바로 지금 RAG(retrieval-augmented generation, 검색 증강 생성)가 주목받는 이유입니다. 이번에 출간 예정인 《라마인덱스로 배우는 데이터 기반 AI 애플리케이션》은 그 한계를 넘어, LlamaIndex를 활용.. 더보기 이전 1 다음
