랭체인으로 RAG 개발하기: VectorRAG & GraphRAG
O ovoj e-knjizi
OpenAI와 DeepSeek의 개념과 성능 차이를 실습을 통해 직접 확인한다.
VectorRAG와 GraphRAG, 두 RAG는 서로 어떻게 다를까요? 또 각각 어떤 데이터와 시나리오에서 활용하면 좋을까요? 이 책에서는 둘의 개념 및 원리를 비교하며 쉽게 이해할 수 있게 설명합니다. 이론을 핵심 위주로 간단히 살펴보고, 랭체인을 이용해 기본적인 예제를 구현하는 방법도 알아봅니다. GraphRAG를 구현할 때는 Neo4j에 데이터를 생성하고 검색하는 여러 방법에 대해 알아볼 것입니다. VectorRAG를 구현할 때는 오픈AI 모델 뿐만 아니라 딥시크 모델도 함께 알아보고 사용해볼 것입니다. 두 모델이 어느 정도의 성능 차이를 보이는지, 딥시크 모델을 로컬에 내려받아 안전하게 실행하면서 직접 확인해볼 수 있습니다. 이 책을 통해 RAG 및 LLM의 기초를 배우고, 기본적인 구현 방법을 경험해 보세요.
Otkrijte više
Ocjene i recenzije
O autoru
마이크로소프트에서 Data & AI Specialist로 근무 중이며, 정보관리기술사와 컴퓨터시스템응용기술사로 20년 넘게 IT 분야에서 일하고 있다. 고려대학교 대학원에서 빅데이터 및 인공지능에 대한 전문적인 연구를 진행하면서 『모두의 인공지능 기초 수학』(길벗, 2020), 『딥러닝 텐서플로 교과서』(길벗, 2021), 『딥러닝 파이토치 교과서』(길벗, 2022), 『챗GPT, 거부할 수 없는 미래』(길벗, 2023) 『랭체인으로 LLM 기반의 AI 서비스 개발하기』(길벗, 2024), 『랭체인 & 랭그래프로 AI 에이전트 개발하기』(길벗, 2025) 등을 저술했다.
