• Turing Post Korea
  • Posts
  • RAG 마스터가 되기 위한 무료 강좌 8選

RAG 마스터가 되기 위한 무료 강좌 8選

RAG (Retrieval-Augmented Generation, 검색 증강 생성)는 거대 언어모델(LLM)의 정확성을 향상시키도록 도와주는, 가장 인기있는 기법 중 하나라고 할 수 있습니다. LLM으로 만들고자 하는 해당 유즈케이스와 관련된 외부 문서, 데이터 등을 검색해서 맥락에 맞는 적절한 답변을 생성하도록 해 주죠.

튜링 포스트 코리아의 이전 에피소드에서 12가지 RAG 유형을 커버한 적이 있는데요, 그 이후에도 계속해서 새로운 RAG가 등장하고 있습니다. AI를 구현하고 운영하는 조직에 있다면, 누구라도 RAG 시스템을 깊이있게 연구하고 더 잘 이해해야 할 때인 것 같습니다.

오늘은 RAG 전문가가 되는 과정에서 도움을 받을 수 있는, 8개의 무료 강좌를 정리해 봤습니다:

  1. 테디노트 (TeddyNote) 유튜브
    LangChain 한국어 튜토리얼 저자이자 국내 최대의 LangChain 유튜브 채널 ‘테디노트’를 운영하는 이경록 님의 유튜브입니다. 유튜브 뿐만 아니라 블로그, 무료 eBook 등을 통해서 RAG의 개발, 운영과 관련된 다양한 강의와 최신 정보를 제공해 주고 있습니다.

  2. Retrieval Augmented Generation for Production with LangChain & LlamaIndex

    Activeloop 플랫폼에 있는 이 과정은 43개의 수업과 7개 이상의 실습 프로젝트로 구성되어 있는데, LangChain, LlamaIndex, Deep Memory 등의 고급 도구를 마스터하는 데 도움을 줍니다. 이 과정은 RAG의 기본 개념과 구성 요소를 설명하고, 파인튜닝 등의 고급 기술도 다루고, RAG 에이전트, RAG의 평가 및 Observability에 대해 깊이있게 살펴봅니다.

  3. Introduction to Retrieval Augmented Generation (RAG) - 듀크 대학교

    이 2시간 짜리 코세라 가이드 프로젝트 과정은, 자신의 데이터를 사용해서 End-to-End RAG 시스템을 구축하는 방법을 가르쳐 줍니다. Pandas, SentenceTransformers, Qdrant, Llamafile과 같은 오픈소스 도구와 LLM을 활용하는 방법을 배웁니다.

  4. Knowledge Graphs for RAG - DeepLearningAI + Neo4j

    이 과정에서는 RAG 어플리케이션에서 지식 그래프를 사용하는 방법을 배울 수 있습니다. 비디오 강의와 코드 예제를 통해서 지식 그래프가 노드와 엣지로 데이터를 표현하는 방식이라든가 그래프를 수정하는 고급 기술을 학습하게 됩니다. 그리고 Neo4j의 Cypher를 사용해서 영화와 배우 데이터를 가지고 Q&A를 하고, 금융 문서를 가지고 지식 그래프를 구축하는 방법을 배웁니다.

  5. RAG++ : From PoC to Production - Weights & Biases + Cohere + Weaviate

    이 과정은, 일관되고 신뢰할 수 있는 출력을 만들어내기 위한 실용적인 RAG, 그리고 RAG 평가 기술을 중심으로, 환각 현상을 최소화하고 비용을 절감하는 방법을 가르쳐 줍니다. 76개의 수업으로 구성되어 있고, 비디오 컨텐츠와 함께 코스 노트북을 실행할 수 있는 Cohere 크레딧을 제공해 줍니다.

  6. Building Multimodal Search and RAG - DeepLearningAI

    다양한 유형의 데이터를 검색, 처리해서 더 훌륭한 응답을 하도록 위한 멀티모달 RAG 시스템을 구축하는 법을 배웁니다. 더불어 멀티모달 검색과 같은 어플리케이션을 탐구하고, 개인화된 추천을 위한 다중 벡터 추천 시스템을 개발해 봅니다.

  7. Building Agentic RAG with LlamaIndex - DeepLearningAI

    이 과정은 초보자를 위한 과정인데, 문서 분석이라든가 복잡한 질문 답변을 하도록 도와주는 RAG 에이전트를 구축하는 방법을 배웁니다. 질의 응답이나 요약 등의 작업을 위한 라우터 에이전트를 만들고, 효과적인 디버깅과 제어 방법을 갖춘, 다중 문서 작업을 위한 연구 에이전트를 설계하는 방법도 배울 수 있습니다.

  8. Multimodal Retrieval Augmented Generation (RAG) using the Vertex AI Gemini API - Google Cloud

    이 강좌에서는 텍스트와 이미지가 포함된 문서에서 메타 데이터를 추출하고 저장하는 방법, 임베딩을 생성하는 방법, 그리고 텍스트나 이미지 쿼리를 사용해서 유사한 컨텐츠를 검색하는 방법을 배웁니다. 더불어, 텍스트와 이미지를 모두 종합적으로 활용해서 맥락에 맞는 답변을 도출하도록 검색하는 방법을 알아봅니다.

읽어주셔서 감사합니다. 재미있게 보셨다면 친구와 동료 분들에게도 뉴스레터를 추천해 주세요.

Reply

or to participate.