- 주문상품수량
- 개
- 예상적립금
P - 상품할인금
- 원
- 배송료
- 원
- 주문합계
- 원
네비게이션 실시간 인기 책
베스트
랭체인과 RAG로 배우는 실전 LLM 애플리케이션 개발
- 양기빈, 조국일, 장지선, 조수현 저
- 위키북스
- 2025년 04월 10일
-
정가28,000원
-
판매가25,200원 [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
-
적립금1,400원 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 05월 12일(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: 9791158395988
300쪽
570g
175 x 235 (㎜)
지금 이책은
- 판매지수 : 0
- 주간 컴퓨터/IT: 33위
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
책 소개
이 책은
LLM 애플리케이션, 이제는 실전으로!
왜 이 책인가?
언어 모델이 강력해질수록 사용자에게는 새로운 도전이 생긴다. 외부 데이터 및 지식을 어떻게 연결할 것인가? 복잡한 워크플로를 어떻게 구성할 것인가? 모델의 환각 현상을 어떻게 제어할 것인가? 이 책은 이런 질문에 답하며 랭체인과 RAG 기술로 현실적인 문제를 해결하는 방법을 안내한다.
실전 코드로 배우는 핵심 기술과 실무자를 위한 특별 구성
이 책은 랭체인의 필수 컴포넌트(체인, 메모리, 도구, 에이전트)부터 다양한 RAG 방법론(리트리버, 리랭커, 하이브리드 검색, 멀티모달 처리, GraphRAG, ReAct 패턴, sLLM 활용)까지 체계적으로 다룬다. 각 장은 개념 설명부터 시작해 점진적으로 복잡한 실습으로 이어지며, 독자는 기본 코드를 응용해서 자신만의 프로젝트에 적용할 수 있는 방법을 배운다.
단순한 API 호출을 넘어 RAG 방법론의 진화 과정과 적용 시나리오를 이해하고, 코랩 환경에서 바로 실행할 수 있는 예제로 진입 장벽을 낮췄다. 특히 상황별로 어떤 접근법이 적합한지 명확한 가이드라인과 실제 서비스로 확장할 수 있는 아키텍처 패턴을 제시한다.
출판사 리뷰
저자 소개
저자 : 양기빈
성균관대학교 데이터사이언스 융합학과에서 석사 학위를 취득했고, 게임회사 N사에서 데이터 사이언티스트로서 일하고 있으며, NLP 업무를 수행하고 있습니다. 임베딩 파인튜닝 논문을 작성했으며, 현재는 도메인 RAG 및 Post-Training에 대해 집중적으로 연구하고 있습니다.
저자 : 조국일
성균관대학교 데이터사이언스 융합학과에서 석사 학위를 취득했고, 현재 SK하이닉스에서 데이터 사이언티스트로 일하고 있으며, Digital Master로 선정되어 디지털 멘토와 데이터 분석 전문 컨설턴트로 활동하고 있습니다. ‘머신러닝 기반의 이미지 이상 탐지 시스템’ 특허를 출원했고, 산업용 이상 탐지 시스템 구축 프로젝트를 주도했으며, 멀티모달 RAG 시스템에 대한 실무 경험을 바탕으로 이 책을 집필했습니다.
저자 : 장지선
성균관대학교 데이터사이언스 융합학과에서 석사 학위를 취득했고, 현재 삼성 그룹사 내 EPC 산업에서 AI를 활용한 업무 혁신을 수행하고 있습니다. AI와 데이터 기술을 비즈니스에 효과적으로 적용하는 방법에 관심이 있으며, 특히 RAG 및 에이전트 시스템 구축을 연구하고 실무에 적용해왔습니다.
저자 : 조수현
성균관대학교 데이터사이언스 융합학과에서 석사 학위를 취득했고, 현재 성균관대학교 인공지능융합학과에서 박사 학위를 수료 후 재학 중이며, 대기업 S사에서 데이터 사이언티스트로 일하고 있습니다. 다수의 KCI, SCI 논문 및 AI 기반 특허, IT 서적을 출판했으며, 한국데이터산업진흥원에서 데이터 자격검정 전문위원으로 활동하며 RAG와 LLM 기반의 프로젝트를 수행하며 쌓은 경험을 바탕으로 이 책을 집필했습니다.
목차
01장: 랭체인(LangChain)
1.1 랭체인을 위한 준비사항
___1.1.1 체인을 사용하는 이유
1.2 코랩(Google Colaboratory) 환경
___1.2.1 코랩 실행 환경 설정
1.3 LLM API 키
___1.3.1 GPT API 키
___1.3.2 제미나이 API 키
1.4 허깅페이스
___1.4.1 허깅페이스의 모델 찾기
1.5 랭체인 구성요소
___1.5.1 체인
___1.5.2 프롬프트
___1.5.3 메모리
___1.5.4 인덱스
___1.5.5 콜백 및 평가
02장: RAG(Retrieval-Augmented Generation)
2.1 RAG의 배경 및 중요성
2.2 랭체인을 이용한 RAG
___2.2.1 환경 설정
___2.2.2 데이터 로드
___2.2.3 데이터 청킹
___2.2.4 벡터 스토어
___2.2.5 리트리버 및 프롬프트
2.3 Advanced RAG
___2.3.1 문서의 순서를 조절하여 성능을 올리는 리랭커 기술
___2.3.2 가상 문서를 통해 높은 질의 응답 성능을 달성하는 HyDE 기술
___2.3.3 쿼리를 보다 구체적이고 풍부하게 만드는 쿼리 확장 기술
___2.3.4 다양한 관점을 반영할 수 있는 멀티 쿼리 기술
03장: 멀티모달 RAG
3.1 _멀티모달 RAG 소개
___3.1.1 멀티모달 RAG 개념
___3.1.2 활용 사례
___3.1.3 중요성
3.2 멀티모달 RAG의 중요한 모델 및 기술
___3.2.1 멀티모달 인코더
___3.2.2 멀티모달 생성을 위한 디코더
___3.2.3 지식 검색 및 증강
___3.2.4 융합 기술
___3.2.5 모델 학습과 파인튜닝
3.3 [실습] 멀티모달 RAG
___3.3.1 멀티모달 정보 추출
___3.3.2 멀티모달 RAG 구현
04장: GraphRAG
4.1 GraphRAG란?
4.2 기존 RAG와 차이점
4.3 GraphRAG를 위한 환경 설정
___4.3.1 Neo4j
4.4 [실습] GraphRAG
___4.4.1 [실습] 자연어 쿼리를 통한 그래프 데이터 조회 및 조작
___4.4.2 [실습] LLM 기반 지식그래프 구축 및 RAG 실습
05장: ReAct 에이전트
5.1 ReAct 에이전트란?
___5.1.1 ReAct 에이전트의 개념
___5.1.2 기본 원리 설명
___5.1.3 ReAct와 기존 방식의 차이점
___5.1.4 ReAct 에이전트의 주요 기능 및 활용 사례
5.2 검색 API 연동
___5.2.1 외부 데이터 기반 답변 생성
___5.2.2 검색 API 호출
___5.2.3 [실습] ReAct 에이전트와 검색 API 통합
5.3 [실습] 에이전트 기반 도구 호출
___5.3.1 기본 에이전트에서의 도구 호출
___5.3.2 ReAct를 활용한 고급 도구 호출
5.4 에이전트를 활용한 금융 데이터 실전 프로젝트
___5.4.1 ReAct 에이전트를 사용한 금융 데이터 수집 및 분석
___5.4.2 검색 API를 통한 실시간 금융 시장 분석
___5.4.3 ReAct 에이전트를 통한 통합 분석
06장: sLLM
6.1 sLLM을 학습하는 이유
6.2 sLLM 실행
___6.2.1 허깅페이스의 sLLM 모델 실행해 보기
6.3 FFT 학습 방법과 코드
___6.3.1 학습 데이터 만들기
___6.3.2 sLLM 학습을 위한 병렬 처리 방법
___6.3.3 sLLM 학습 Full Fine-tuning하기
6.4 PEFT 학습 방법과 코드
___6.4.1 PEFT 알고리즘 및 실습(QLoRA)
___6.4.2 PEFT 알고리즘 및 실습(DoRA)
6.5 RAG 기반의 LLM 최적화 학습
___6.5.1 RAG를 고려한 QA 데이터 생성
___6.5.2 RAG를 고려한 sLLM 학습
___6.5.3 RAG를 고려한 sLLM 최적화
6.6 LLM 서빙
___6.6.1 스트림릿을 활용한 서비스 환경 구성하기
___6.6.2 스트림릿을 활용한 sLLM 배포해 보기
___6.6.3 vLLM으로 sLLM 서빙 최적화하기
1.1 랭체인을 위한 준비사항
___1.1.1 체인을 사용하는 이유
1.2 코랩(Google Colaboratory) 환경
___1.2.1 코랩 실행 환경 설정
1.3 LLM API 키
___1.3.1 GPT API 키
___1.3.2 제미나이 API 키
1.4 허깅페이스
___1.4.1 허깅페이스의 모델 찾기
1.5 랭체인 구성요소
___1.5.1 체인
___1.5.2 프롬프트
___1.5.3 메모리
___1.5.4 인덱스
___1.5.5 콜백 및 평가
02장: RAG(Retrieval-Augmented Generation)
2.1 RAG의 배경 및 중요성
2.2 랭체인을 이용한 RAG
___2.2.1 환경 설정
___2.2.2 데이터 로드
___2.2.3 데이터 청킹
___2.2.4 벡터 스토어
___2.2.5 리트리버 및 프롬프트
2.3 Advanced RAG
___2.3.1 문서의 순서를 조절하여 성능을 올리는 리랭커 기술
___2.3.2 가상 문서를 통해 높은 질의 응답 성능을 달성하는 HyDE 기술
___2.3.3 쿼리를 보다 구체적이고 풍부하게 만드는 쿼리 확장 기술
___2.3.4 다양한 관점을 반영할 수 있는 멀티 쿼리 기술
03장: 멀티모달 RAG
3.1 _멀티모달 RAG 소개
___3.1.1 멀티모달 RAG 개념
___3.1.2 활용 사례
___3.1.3 중요성
3.2 멀티모달 RAG의 중요한 모델 및 기술
___3.2.1 멀티모달 인코더
___3.2.2 멀티모달 생성을 위한 디코더
___3.2.3 지식 검색 및 증강
___3.2.4 융합 기술
___3.2.5 모델 학습과 파인튜닝
3.3 [실습] 멀티모달 RAG
___3.3.1 멀티모달 정보 추출
___3.3.2 멀티모달 RAG 구현
04장: GraphRAG
4.1 GraphRAG란?
4.2 기존 RAG와 차이점
4.3 GraphRAG를 위한 환경 설정
___4.3.1 Neo4j
4.4 [실습] GraphRAG
___4.4.1 [실습] 자연어 쿼리를 통한 그래프 데이터 조회 및 조작
___4.4.2 [실습] LLM 기반 지식그래프 구축 및 RAG 실습
05장: ReAct 에이전트
5.1 ReAct 에이전트란?
___5.1.1 ReAct 에이전트의 개념
___5.1.2 기본 원리 설명
___5.1.3 ReAct와 기존 방식의 차이점
___5.1.4 ReAct 에이전트의 주요 기능 및 활용 사례
5.2 검색 API 연동
___5.2.1 외부 데이터 기반 답변 생성
___5.2.2 검색 API 호출
___5.2.3 [실습] ReAct 에이전트와 검색 API 통합
5.3 [실습] 에이전트 기반 도구 호출
___5.3.1 기본 에이전트에서의 도구 호출
___5.3.2 ReAct를 활용한 고급 도구 호출
5.4 에이전트를 활용한 금융 데이터 실전 프로젝트
___5.4.1 ReAct 에이전트를 사용한 금융 데이터 수집 및 분석
___5.4.2 검색 API를 통한 실시간 금융 시장 분석
___5.4.3 ReAct 에이전트를 통한 통합 분석
06장: sLLM
6.1 sLLM을 학습하는 이유
6.2 sLLM 실행
___6.2.1 허깅페이스의 sLLM 모델 실행해 보기
6.3 FFT 학습 방법과 코드
___6.3.1 학습 데이터 만들기
___6.3.2 sLLM 학습을 위한 병렬 처리 방법
___6.3.3 sLLM 학습 Full Fine-tuning하기
6.4 PEFT 학습 방법과 코드
___6.4.1 PEFT 알고리즘 및 실습(QLoRA)
___6.4.2 PEFT 알고리즘 및 실습(DoRA)
6.5 RAG 기반의 LLM 최적화 학습
___6.5.1 RAG를 고려한 QA 데이터 생성
___6.5.2 RAG를 고려한 sLLM 학습
___6.5.3 RAG를 고려한 sLLM 최적화
6.6 LLM 서빙
___6.6.1 스트림릿을 활용한 서비스 환경 구성하기
___6.6.2 스트림릿을 활용한 sLLM 배포해 보기
___6.6.3 vLLM으로 sLLM 서빙 최적화하기
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)
