- 주문상품수량
- 개
- 예상적립금
P - 상품할인금
- 원
- 배송료
- 원
- 주문합계
- 원
네비게이션 실시간 인기 책
LLM 마스터 : 모델×시스템 엔지니어링 트랜스포머부터 SFT·VLM·툴콜링 파인튜닝, vLLM 서빙, 강화학습, 고급 RAG·에이전트까지
- 에디 유, 양기빈, 장지선, 조수현 저
- 프리렉
- 2026년 09월 28일
-
정가42,000원
-
판매가37,800원 [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
-
적립금2,100원 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.
2026년 11월 11일(WED)※ 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: 9788965404521
648쪽
1,231g
188 x 257 (㎜)
지금 이책은
- 판매지수 : 0
이 분야의 베스트셀러
-
비전공자를 위한 이해할 수 있는 IT 지식
최원영
15,120원
-
컴퓨팅 사고 Level Up 소프트 파워 with 스크래치
김호다, 이지민, 정영철 외
20,700원
-
모두를 위한 RPA 유아이패스 UiPath 입문 + 활용 [2판]
송순오
26,000원
책 소개
이 책은
API 활용에서 LLM 엔지니어링으로, 그 도약에 필요한 모든 것
모델의 원리부터 서비스 확장까지, LLM 개발의 전 과정을 잇는 실전 로드맵
LLM을 ‘쓸 줄 아는’ 사람은 많아졌습니다. API를 호출하고 프롬프트를 다듬는 일도 이제는 그리 어렵지 않습니다. 하지만 한 겹 더 깊이 들어가면 이야기가 달라집니다. 모델은 왜 이렇게 동작하는지, 내 데이터로 어떻게 학습시키는지, 실제 서비스의 트래픽을 어떻게 감당하게 할지. LLM을 제대로 다루려면 단순한 활용을 넘어서는 지식과 경험이 필요합니다.
이 책은 바로 그 경계를 넘으려는 개발자를 위한 LLM 엔지니어링 안내서입니다. 현업 개발자이자 데이터 과학자인 네 명의 저자가 흩어져 있는 기술과 개념을 하나의 학습 로드맵으로 엮었습니다. 트랜스포머의 작동 원리에서 출발해 파인튜닝과 서빙 최적화, Reasoning LLM, 고급 RAG와 도구 호출 에이전트까지, 모델과 시스템이 어떻게 연결되어 실제 LLM 서비스가 되는지 전체 흐름을 따라갑니다.
이 책이 집중하는 것은 단순한 ‘사용법’이 아니라 ‘원리와 구현’입니다. 각 기술이 왜 필요하고 어떤 문제를 해결하는지 이해하고, 수식과 메커니즘으로 원리를 파악한 뒤 직접 모델을 학습하고 시스템을 구현합니다. RunPod를 활용한 GPU 학습, vLLM 기반 서빙, 모델 평가 등 실제 개발 과정도 경험합니다.
책을 덮을 즈음에는 LLM을 가져다 쓰는 데 머물지 않고, 목적에 맞게 모델을 학습하고 최적화해 실제 서비스로 구현하는 역량을 갖추게 될 것입니다. API 활용에서 한 걸음 더 나아가, 모델과 시스템을 함께 다루는 LLM 엔지니어로 성장하고 싶은 독자를 위한 책입니다.
모델의 원리부터 서비스 확장까지, LLM 개발의 전 과정을 잇는 실전 로드맵
LLM을 ‘쓸 줄 아는’ 사람은 많아졌습니다. API를 호출하고 프롬프트를 다듬는 일도 이제는 그리 어렵지 않습니다. 하지만 한 겹 더 깊이 들어가면 이야기가 달라집니다. 모델은 왜 이렇게 동작하는지, 내 데이터로 어떻게 학습시키는지, 실제 서비스의 트래픽을 어떻게 감당하게 할지. LLM을 제대로 다루려면 단순한 활용을 넘어서는 지식과 경험이 필요합니다.
이 책은 바로 그 경계를 넘으려는 개발자를 위한 LLM 엔지니어링 안내서입니다. 현업 개발자이자 데이터 과학자인 네 명의 저자가 흩어져 있는 기술과 개념을 하나의 학습 로드맵으로 엮었습니다. 트랜스포머의 작동 원리에서 출발해 파인튜닝과 서빙 최적화, Reasoning LLM, 고급 RAG와 도구 호출 에이전트까지, 모델과 시스템이 어떻게 연결되어 실제 LLM 서비스가 되는지 전체 흐름을 따라갑니다.
이 책이 집중하는 것은 단순한 ‘사용법’이 아니라 ‘원리와 구현’입니다. 각 기술이 왜 필요하고 어떤 문제를 해결하는지 이해하고, 수식과 메커니즘으로 원리를 파악한 뒤 직접 모델을 학습하고 시스템을 구현합니다. RunPod를 활용한 GPU 학습, vLLM 기반 서빙, 모델 평가 등 실제 개발 과정도 경험합니다.
책을 덮을 즈음에는 LLM을 가져다 쓰는 데 머물지 않고, 목적에 맞게 모델을 학습하고 최적화해 실제 서비스로 구현하는 역량을 갖추게 될 것입니다. API 활용에서 한 걸음 더 나아가, 모델과 시스템을 함께 다루는 LLM 엔지니어로 성장하고 싶은 독자를 위한 책입니다.
출판사 리뷰
모델을 '빌려 쓰는' 시대에서 '만들어 쓰는' 시대로
원리에서 구현까지, LLM 개발의 전체 흐름을 익힌다
LLM API를 호출해 서비스를 만드는 것과 모델을 제대로 이해하고 다루는 것은 다른 문제입니다. 목적에 맞게 모델을 학습하고 최적화하며, 실제 서비스 환경에서 안정적으로 운영하려면 모델과 시스템을 함께 이해해야 합니다.
LLM 개발에는 모델의 작동 원리를 이해하는 일부터 목적에 맞게 학습하고, 빠르게 서빙하며, RAG와 에이전트로 실제 시스템을 구축하는 일까지 서로 다른 영역의 지식이 필요합니다. 이 책은 이 과정을 개별 기술의 나열이 아니라 하나로 이어지는 엔지니어링 흐름으로 설명합니다.
언어 모델의 원리부터 트랜스포머까지 깊이 이해한다
BoW와 N-gram에서 RNN, LSTM, Seq2Seq를 거쳐 트랜스포머에 이르는 언어 모델의 발전 과정을 따라갑니다. 셀프 어텐션의 작동 원리를 수식과 메커니즘 수준에서 이해하고, 그리디 디코딩, 빔 서치, Top-k, Top-p 등 주요 디코딩 전략까지 익혀 LLM의 탄탄한 기초를 다집니다.
모델을 학습하고, 최적화하고, 빠르게 서빙한다
SFT와 LoRA, QLoRA 같은 PEFT 기법으로 모델을 효율적으로 파인튜닝하고 평가합니다. VLM과 툴콜링 모델의 파인튜닝까지 경험하며 목적과 데이터에 맞게 모델을 조정합니다.
이어 FlashAttention, PagedAttention, MQA/GQA, KV 캐시, 연속 배치 등 추론·서빙 최적화의 핵심 원리를 이해하고 vLLM 기반 서빙으로 연결합니다. DeepSeek-R1과 GRPO를 통해 강화학습 기반 추론 모델의 원리를 살펴보고, MiniR1의 추론 능력을 직접 훈련하고 평가합니다.
고급 RAG와 에이전트로 실제 AI 시스템을 구축한다
Docling을 활용한 문서 처리부터 BM25와 벡터 검색을 결합한 하이브리드 검색, HyDE, 크로스 인코더 리랭킹, 캐싱까지 고급 RAG 기법을 단계적으로 적용합니다.
이어 ReAct와 툴콜링, 예외 처리, 동시 도구 실행, Text-to-SQL을 활용해 외부 도구와 데이터를 연결하고 실제 문제를 해결하는 에이전트 시스템을 구현합니다.
배운 기술은 프로젝트로 완성한다
뉴스 요약과 키워드 추출, 패션 속성 추출, 멀티턴 상담 챗봇, MiniR1 추론 훈련, 금융 PDF RAG, 병원 DB 질의 챗봇까지 다양한 프로젝트를 구현합니다. RunPod를 활용한 GPU 학습, vLLM 기반 서빙, 모델 평가 등 실제 개발 과정도 경험합니다.
트랜스포머의 원리를 이해하는 데서 시작해 모델을 학습하고 서비스하며, RAG와 에이전트로 확장하는 과정까지. 흩어져 있던 LLM 기술을 하나의 개발 흐름으로 연결하고 싶은 독자에게 필요한 실전 로드맵입니다.
이런 분께 추천합니다!
● API 활용을 넘어 트랜스포머의 내부 구조와 작동 원리를 깊이 이해하고 싶은 개발자
● 자체 데이터로 모델을 파인튜닝하고 최적화해 목적에 맞게 활용하려는 AI 실무자
● 학습한 모델을 빠르게 서빙하고 실제 LLM 서비스로 구현하려는 개발자
● 고급 RAG와 에이전트까지 연결해 더 완성도 높은 AI 시스템을 구축하고 싶은 엔지니어
저자 소개
저자 : 에디 유
IT 대기업에서 검색 증강 생성(RAG)과 AI 에이전트 시스템을 개발하고 있습니다. LLM 기반 서비스 구축에 깊은 관심을 두고 있으며, 최근에는 AI 에이전트의 추론 능력을 높이기 위한 파인튜닝 연구에 집중하고 있습니다. 지은 책으로 『LLM과 RAG로 구현하는 AI 애플리케이션』, 『한 번에 끝내는 라마인덱스×RAG×AI 에이전트』, 번역한 책으로 『이론부터 실전까지 AI 에이전트 완벽 마스터』가 있습니다.
저자 : 양기빈
AI와 데이터를 활용해 산업의 효율성을 높이는 것을 목표로 커리어를 쌓아가고 있습니다. LLM과 임베딩 기술을 중심으로 연구와 프로젝트를 수행해 왔으며, 게임사를 거쳐 현재 통신사에서 AI 엔지니어로 근무하고 있습니다. 산업 현장에 필요한 AI 에이전트를 개발하며, AI 기술을 실제 업무와 산업 프로세스에 적용해 실질적인 가치를 만드는 데 집중하고 있습니다. 지은 책으로 『랭체인과 RAG로 배우는 실전 LLM 애플리케이션 개발』이 있습니다.
저자 : 장지선
AI와 데이터를 활용해 실제 비즈니스 문제를 해결하는 연구와 프로젝트를 수행하고 있습니다. 현재 대기업 S사에서 데이터 사이언티스트로 근무하며, LLM과 AI 에이전트 기반의 다양한 서비스를 개발하고 있습니다. 자연어 처리(NLP)와 그래프 신경망(GNN) 분야를 연구해 관련 논문을 게재했으며, 최근에는 LLM과 에이전틱 AI를 활용한 지식 검색과 업무 자동화, AI 서비스 개발에 집중하고 있습니다. 최신 AI 기술을 누구나 쉽게 이해하고 직접 구현할 수 있도록 지식과 경험을 공유하는 데 관심이 많습니다. 지은 책으로 『랭체인과 RAG로 배우는 실전 LLM 애플리케이션 개발』이 있습니다.
저자 : 조수현
자연어 처리와 LLM 기술로 비즈니스 현장의 혁신을 이끄는 것을 목표로 커리어를 쌓아가고 있습니다. 인공지능 전문 기업과 현대카드를 거쳐 현재 대기업 금융권에서 데이터 사이언티스트로 근무하고 있습니다. 특히 sLLM과 RAG 기술에 깊은 관심을 두고 있으며, 언어 모델에 사람의 페르소나 지식을 내재화하거나 대화 문맥으로 심리적 프로파일을 모사하는 등 LLM 기반 행동 시뮬레이션과 개인화 연구를 이어가고 있습니다. 이러한 연구를 바탕으로 실제 산업과 업무에 적용할 수 있는 AI 에이전트를 구현하는 데 집중하고 있습니다. 지은 책으로 『랭체인과 RAG로 배우는 실전 LLM 애플리케이션 개발』이 있습니다.
목차
추천의 글
들어가며
이 책의 대상 독자와 사전 지식
이 책의 구성과 학습 로드맵
이 책을 효과적으로 읽는 법
예제 파일과 실습 환경
Chapter 1 언어 모델
1 언어 모델 이전의 텍스트 표현 : 백오브워즈
2 언어 모델의 개념과 원리
3 인공 신경망 기반 언어 모델
4 Seq2Seq와 인코더-디코더 구조
Chapter 2 트랜스포머 아키텍처와 LLM 핵심 기술
1 트랜스포머 아키텍처
2 어텐션 메커니즘의 작동 원리
3 다양한 트랜스포머 모델 분석
4 사전학습의 개념과 주요 방식
5 허깅페이스 허브 활용하기
6 텍스트 생성의 디코딩과 샘플링 기법
7 LLM 토크나이저와 챗 템플릿
Chapter 3 LLM 파인튜닝과 학습 효율화
1 파인튜닝의 개념과 원리
2 파인튜닝의 등장 배경과 현재 역할
3 지시사항 튜닝
4 PEFT: 효율적인 파인튜닝 기법
5 [실습] 파인튜닝 : 뉴스 기사 요약 및 키워드 추출
Chapter 4 비전 언어 모델과 Qwen3-VL
1 VLM을 위한 비전 인코더
2 Qwen3-VL의 구조
3 Qwen3-VL의 학습
4 [실습] Qwen3-VL로 패션 상품 속성 추출
Chapter 5 펑션 콜링 에이전트 파인튜닝
1 펑션 콜링의 이해
2 [실습] 파인튜닝 : 쇼핑몰 멀티턴 챗봇
3 [데모] 함수를 호출하는 멀티턴 상담 챗봇
Chapter 6 LLM 추론·서빙 최적화
1 어텐션 연산과 메모리 최적화
2 KV 캐시 최적화
3 서빙 배치 관리
4 추론 가속화 기법
5 LLM 서빙 프레임워크
Chapter 7 Reasoning LLM과 강화학습
1 Reasoning LLM의 개념과 등장 배경
2 Reasoning LLM의 핵심 기술
3 DeepSeek-R1의 특징과 학습 원리
4 [프로젝트] MiniR1 추론 모델 학습
Chapter 8 RAG 시스템 구축과 최적화
1 기본 RAG 파이프라인 설계
2 랭체인으로 RAG 파이프라인 구성하기
3 고급 검색 및 RAG 기법
4 대화 메모리와 히스토리 관리
5 RAG 파이프라인 최적화
6 [프로젝트] 금융 PDF 기반 RAG 챗봇 구축
Chapter 9 도구 호출 에이전트
1 도구 호출 에이전트의 개념과 구조
2 서로 다른 두 축 : 펑션 콜링과 ReAct
3 [실습] ReAct : 추론과 행동을 교차하기
4 [실습] 펑션 콜링 : JSON 형식으로 도구 호출하기
5 [실습] 예외 처리와 병렬 실행
6 [응용] Text-to-SQL로 데이터베이스 질의하기
마치며
참고문헌
찾아보기
들어가며
이 책의 대상 독자와 사전 지식
이 책의 구성과 학습 로드맵
이 책을 효과적으로 읽는 법
예제 파일과 실습 환경
Chapter 1 언어 모델
1 언어 모델 이전의 텍스트 표현 : 백오브워즈
2 언어 모델의 개념과 원리
3 인공 신경망 기반 언어 모델
4 Seq2Seq와 인코더-디코더 구조
Chapter 2 트랜스포머 아키텍처와 LLM 핵심 기술
1 트랜스포머 아키텍처
2 어텐션 메커니즘의 작동 원리
3 다양한 트랜스포머 모델 분석
4 사전학습의 개념과 주요 방식
5 허깅페이스 허브 활용하기
6 텍스트 생성의 디코딩과 샘플링 기법
7 LLM 토크나이저와 챗 템플릿
Chapter 3 LLM 파인튜닝과 학습 효율화
1 파인튜닝의 개념과 원리
2 파인튜닝의 등장 배경과 현재 역할
3 지시사항 튜닝
4 PEFT: 효율적인 파인튜닝 기법
5 [실습] 파인튜닝 : 뉴스 기사 요약 및 키워드 추출
Chapter 4 비전 언어 모델과 Qwen3-VL
1 VLM을 위한 비전 인코더
2 Qwen3-VL의 구조
3 Qwen3-VL의 학습
4 [실습] Qwen3-VL로 패션 상품 속성 추출
Chapter 5 펑션 콜링 에이전트 파인튜닝
1 펑션 콜링의 이해
2 [실습] 파인튜닝 : 쇼핑몰 멀티턴 챗봇
3 [데모] 함수를 호출하는 멀티턴 상담 챗봇
Chapter 6 LLM 추론·서빙 최적화
1 어텐션 연산과 메모리 최적화
2 KV 캐시 최적화
3 서빙 배치 관리
4 추론 가속화 기법
5 LLM 서빙 프레임워크
Chapter 7 Reasoning LLM과 강화학습
1 Reasoning LLM의 개념과 등장 배경
2 Reasoning LLM의 핵심 기술
3 DeepSeek-R1의 특징과 학습 원리
4 [프로젝트] MiniR1 추론 모델 학습
Chapter 8 RAG 시스템 구축과 최적화
1 기본 RAG 파이프라인 설계
2 랭체인으로 RAG 파이프라인 구성하기
3 고급 검색 및 RAG 기법
4 대화 메모리와 히스토리 관리
5 RAG 파이프라인 최적화
6 [프로젝트] 금융 PDF 기반 RAG 챗봇 구축
Chapter 9 도구 호출 에이전트
1 도구 호출 에이전트의 개념과 구조
2 서로 다른 두 축 : 펑션 콜링과 ReAct
3 [실습] ReAct : 추론과 행동을 교차하기
4 [실습] 펑션 콜링 : JSON 형식으로 도구 호출하기
5 [실습] 예외 처리와 병렬 실행
6 [응용] Text-to-SQL로 데이터베이스 질의하기
마치며
참고문헌
찾아보기
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)
