[입문/초급] 다양한 예제를 통한 추천 시스템 구현
당근먹는토끼
🧩 복잡한 수식이나 이론 중심의 설명보다는, 직접 프로그램을 구현하며 추천 시스템의 핵심 개념을 익히는 것을 목표로 합니다. 🛠️ 총 12개의 다양하고 실용적인 예제를 통해, 콘텐츠 기반 추천, 협업 필터링, 딥러닝 추천 등 실제 환경에서 활용할 수 있는 추천 시스템을 단계적으로 설계하였습니다.
Basic
머신러닝, 딥러닝, PyTorch
이 강의는 RAG(Retrieval-Augmented Generation) 를 👉 개념 설명에서 끝내지 않고 👉 실제로 동작하는 구조를 직접 만들며 👉 확장·고도화까지 경험하는 실습 중심 강의입니다. 단순한 RAG 예제에서 출발하여, Advanced RAG → Modular RAG → Agent 기반 RAG까지 현업에서 바로 활용 가능한 수준으로 단계적으로 학습합니다.
수강생 81명
난이도 초급
수강기한 무제한





카카오
임직원들도 이 강의를 듣고 있어요!





카카오
임직원들도 이 강의를 듣고 있어요!
RAG의 전체 파이프라인 구조를 명확히 이해
Naive RAG의 한계와 Advanced RAG가 필요한 이유 체득
VectorDB, Retriever, Evaluation을 구조적으로 분리 설계
PGVector, Elasticsearch 등 다양한 VectorDB 기반 RAG 구현 경험
Self-RAG, Corrective RAG(CRAG), Supervisor Agent RAG까지 확장
이 강의는 RAG(Retrieval-Augmented Generation)의 모든 것을 배우는 실전 중심 강의입니다.
기본적인 Naive RAG부터 시작해서 Advanced RAG를 거쳐, 최신 트렌드인 Agentic RAG까지 단계별로 학습합니다.
LangChain과 LangGraph를 활용하여 실무에서 바로 적용 가능한 RAG 시스템을 구축하는 방법을 배웁니다.
📌단계별 학습: Naive → Advanced → Modular(Agentic) 순서로 난이도를 점진적으로 높여갑니다
📌다양한 도구 경험: 여러 Vector DB, Embedding Models, Retriever를 직접 다뤄봅니다
📌 Hybrid 검색: Elasticsearch를 활용해 벡터 검색과 키워드 검색을 결합하는 방법을 배웁니다
📌최신 기술: LangGraph를 활용한 에이전트 RAG까지 다룹니다
📌성능 평가: RAGAs를 통해 RAG 시스템의 성능을 객관적으로 평가하는 방법을 배웁니다

LLM 기반 애플리케이션 개발자
LLM API 사용 경험이 있다면 이 강의를 통해 기업 데이터를 활용한 프로덕션 레벨의 AI 서비스를 구축할 수 있습니다

RAG 시스템을 처음 배우는 분
RAG가 처음이라면 이 강의를 통해 기초부터 실전 배포까지 완벽하게 마스터할 수 있습니다

AI Agent에 관심있는 분
에이전트에 관심이 있다면 이 강의를 통해 LangGraph로 복잡한 의사결정을 수행하는 Agentic RAG를 구현할 수 있습니다
다양한 데이터 소스로부터 RAG 시스템을 구축할 수 있습니다
프로젝트 특성에 맞는 Vector DB와 Embedding Model을 선택할 수 있습니다
RAG 성능을 개선하는 여러 기법들을 적용할 수 있습니다
LangGraph로 복잡한 에이전트 기반 RAG를 설계하고 구현할 수 있습니다
RAG 시스템의 품질을 정량적으로 평가하고 개선할 수 있습니다
고급 Retriever 기법
MultiQuery Retriever와 Reranker를 활용해 검색 품질을 향상시키는 방법을 배웁니다.
Hybrid RAG 구현
Elasticsearch를 활용해 벡터 검색과 키워드 검색(BM25)을 결합한 하이브리드 검색 시스템을 구축합니다.
RAG 성능 평가
RAGAs 프레임워크를 사용해 RAG 시스템의 답변 품질을 객관적으로 측정하고 개선합니다.
LangGraph를 활용한 에이전트 RAG
Vanilla RAG, Corrective RAG, Self RAG, Supervisor Agents 등 다양한 에이전트 기반 RAG를 LangGraph로 구현합니다.
강의는 MacOS 기준으로 설명합니다. 파이썬을 구동할 수 있는 환경이라면 Windows, Linux 등 운영체제와 관계없이 강의를 따라오실 수 있습니다
강의에서는 VSCode 에디터를 활용하였지만, Cursor, PyCharm 등 모든 에디터에서 가능합니다.
섹션마다 압축 파일 제공(requirements.txt, jupyter files 등) 합니다.
필수 지식: Python
입문 지식
LangChain 또는 LangGraph 수업이 필요한 경우
응용 지식
OpenClaw와 같이 Deep Agent 수업이 필요한 경우
학습 대상은
누구일까요?
LLM은 써봤지만 RAG 구조가 헷갈리는 분
LangChain/LangGraph를 이유 없이 쓰고 있던 분
RAG 성능이 안 나오는 이유를 알고 싶은 분
Agent 기반 RAG까지 확장하고 싶은 분
선수 지식,
필요할까요?
수업에서 Chat GPT 유료 모델을 사용합니다.
Python 기초 지식이 필요합니다.
646
명
수강생
16
개
수강평
2
개
답변
4.9
점
강의 평점
4
개
강의
안녕하세요, 강의를 맡은 조경원입니다.
저는 중소기업부터 대기업까지 다양한 산업 환경에서 웹 개발, 인공지능(AI), 그리고 AWS 인프라 구축 등 폭넓은 실무 경험을 쌓아왔습니다.
이러한 경험을 바탕으로 2022년부터는 오프라인에서 AI 분야의 강의를 진행하며, 실무와 이론을 연결하는 교육을 이어오고 있습니다.
전체
50개 ∙ (9시간 29분)
해당 강의에서 제공:
지식공유자님의 다른 강의를 만나보세요!
같은 분야의 다른 강의를 만나보세요!