이 과정은 대규모 언어 모델(LLM)의 힘을 활용하여 텍스트 기반 문서와 효과적으로 상호 작용하는 방법을 가르치도록 설계되었습니다. 초점은 비즈니스 환경에서 가장 일반적으로 사용되는 PDF 문서 작업에 맞춰져 있습니다. 그러나 여러분이 배우게 될 기술은 모든 유형의 텍스트 기반 문서에 적용할 수 있습니다.

이 과정은 기본적인 검색 파이프라인을 구축하고 그 다양한 구성 요소를 탐색하는 것으로 시작합니다. 그 다음에는 재순위 지정, 쿼리 확장, 다중 쿼리 검색, 가설적 문서 임베딩과 같은 더 발전된 기술에 깊이 들어갈 것입니다. 또한 시맨틱 검색과 전통적인 키워드 기반 검색을 결합하는 방법과 Pyramid Document Retriever를 사용하여 임베딩 모델이 검색한 컨텍스트를 확장하는 방법을 다룰 것입니다.

이 과정의 목표는 이러한 다양한 기술이 무엇인지 알려주는 것뿐만 아니라 언제 그리고 왜 이를 사용해야 하는지 알려주는 것입니다. 과정 전반에 걸쳐 실용적인 코드 예제를 제공하여 이러한 기술을 자신의 프로젝트에 구현할 수 있도록 도와드릴 것입니다. 이 과정을 마치면 자신의 작업에 사용할 수 있는 완전히 작동하는 Python 패키지를 갖게 될 것입니다.

이 과정의 대상 청중은 SaaS 창업자, 개발자, 임원 및 취미 사용자입니다. 이 과정을 최대한 활용하려면 Python 배경 지식이 필요합니다. 이 과정은 여러분의 훌륭한 아이디어를 작동하는 프로토타입으로 전환하고 며칠이 아닌 몇 분 만에 수천 개의 문서를 분석할 수 있도록 도와줄 것입니다.

이 과정에서는 대규모 언어 모델(LLM)의 힘을 활용하여 텍스트 기반 문서와 상호 작용하는 다양한 주제를 다룰 것입니다. 초점은 비즈니스 환경에서 가장 일반적으로 사용되는 PDF 문서 작업에 맞춰져 있습니다.

우리는 기본적인 검색 파이프라인을 구축하고 그 다양한 구성 요소를 구현하는 것으로 시작할 것입니다. 그 다음에는 재순위 지정, 쿼리 확장, 다중 쿼리 검색과 같은 검색 파이프라인 성능을 향상시키는 더 발전된 기술에 깊이 들어갈 것입니다.

또한 작업 중인 문제에 기반한 가설적 문서 생성이라고 알려진 기술을 탐구할 것입니다. 또한 시맨틱 검색 기술과 전통적인 키워드 기반 검색을 결합하여 검색 파이프라인의 성능을 높이는 방법을 살펴볼 것입니다.

더 나아가 Pyramid Document Retriever라는 기술을 다룰 것인데, 이는 임베딩 모델이 검색한 컨텍스트를 확장하는 데 도움이 됩니다.

이 과정 전반에 걸쳐 이러한 다양한 기술을 이해하는 것뿐만 아니라 언제 그리고 왜 이를 사용해야 하는지에 초점을 맞출 것입니다. 다양한 시나리오에서 이러한 기술을 적용하는 방법을 보여주는 실용적인 코드 예제를 제공할 것입니다.

이 과정은 이러한 핵심 주제를 다루지만, 검색 및 생성 분야에서 LLM을 사용하는 것은 계속 발전하고 있으므로 새로운 강의와 주제로 과정이 업데이트될 것입니다.

이 과정은 대규모 언어 모델(LLM)의 힘을 활용하여 특히 PDF와 같은 텍스트 기반 문서와 상호 작용할 수 있는 실용적인 기술과 지식을 제공하도록 설계되었습니다. 참여자로서 여러분은 강력한 검색 파이프라인을 구축하는 방법, 재순위 지정, 쿼리 확장, 다중 쿼리 검색과 같은 고급 기술을 적용하는 방법, 그리고 특정 요구 사항에 따라 가설적 문서를 생성하는 방법을 배우게 될 것입니다.

강사는 박사 학위와 7년 이상의 기계 학습 및 AI 팀 리더 경험을 가지고 있으며, 강력한 기술적 배경과 오픈 소스 프로젝트에 대한 열정을 가지고 있습니다. 그들은 수만 대의 소비자 기기를 구동하는 시스템을 구축했으며, GitHub에서 19,000개 이상의 별을 받은 가장 인기 있는 오픈 소스 RAG 프로젝트 중 하나인 Local GPT를 만들었습니다.

이 과정에 참여하면 기술을 향상시키고, 자신의 분야에서 혁신하며, 유사한 관심사를 가진 전문가 커뮤니티와 연결할 수 있는 기회를 얻게 될 것입니다. 이 과정은 자신의 프로젝트에서 사용할 수 있는 완전히 작동하는 Python 패키지를 제공할 것이며, Prompt Engineering Discord 서버의 전용 채널을 통해 강사와 다른 실무자들과 직접 소통할 수 있습니다.

이 과정은 주로 OpenAI의 대규모 언어 모델(LLM) 및 임베딩 모델을 사용하는 데 초점을 맞출 것입니다. 그 이유는 OpenAI API가 프로토타입을 빠르게 구축할 수 있는 간단하고 직관적인 방법을 제공하기 때문입니다.

그러나 과정의 후반부에는 외부 API에 의존하지 않고 전체 파이프라인을 로컬에서 실행할 수 있도록 로컬 LLM 및 임베딩 모델을 사용하는 방법도 탐구할 것입니다. 이를 통해 원하는 모델을 사용하고 시스템을 완전히 오프라인으로 실행할 수 있는 유연성을 얻을 수 있습니다.

우리가 사용할 특정 모델은 다음과 같습니다:

• 다양한 텍스트 생성 및 이해 작업을 위한 OpenAI의 GPT-3 및 기타 LLM
• 텍스트의 의미론적 표현을 생성하기 위한 OpenAI의 임베딩 모델
• Hugging Face와 같은 로컬 LLM 및 임베딩 모델을 통해 완전히 오프라인 배포 가능

이 과정을 마치면 이러한 모델을 활용하여 강력한 텍스트 기반 문서 처리 애플리케이션을 구축하는 방법에 대한 깊이 있는 이해를 갖게 될 것이며, 자신의 프로젝트에서 사용할 수 있는 완전히 작동하는 Python 패키지를 갖게 될 것입니다.

이 "Beyond Basics" 과정은 대규모 언어 모델(LLM)의 힘을 활용하여 텍스트 기반 문서와 효과적으로 상호 작용할 수 있는 지식과 기술을 제공하도록 설계되었습니다. SaaS 창업자, 개발자, 임원 또는 취미 사용자이든 관계없이 이 과정은 아이디어를 작동하는 프로토타입으로 전환하고 방대한 양의 문서를 짧은 시간 내에 분석할 수 있는 실용적인 기술을 제공할 것입니다.

이 과정에서는 기본적인 검색 파이프라인 구축, 재순위 지정, 쿼리 확장, 다중 쿼리 검색과 같은 고급 기술을 포함하여 다양한 주제를 다룰 것입니다. 또한 문서 임베딩과 시맨틱 검색을 전통적인 키워드 기반 검색 방법과 결합하는 방법을 탐구할 것입니다. 더 나아가 Pyramid Document Retriever를 사용하여 임베딩 모델이 검색한 컨텍스트를 확장하는 방법을 살펴볼 것입니다.

이 과정의 초점은 이러한 기술을 이해하는 것뿐만 아니라 언제 그리고 왜 이를 사용해야 하는지에 있습니다. 자신의 프로젝트에 이러한 전략을 구현하는 데 도움이 되는 실용적인 코드 예제를 제공할 것이며, 향후 작업에 사용할 수 있는 완전히 작동하는 Python 패키지를 받게 될 것입니다.

이 과정은 이러한 핵심 주제를 다루지만, 검색 및 생성(RAG) 분야는 계속 발전하고 있으므로 새로운 강의와 콘텐츠로 과정이 업데이트될 것입니다.

강사는 박사 학위와 7년 이상의 기계 학습 및 AI 팀 리더 경험을 가지고 있으며, 오픈 소스에 대한 열정이 있어 GitHub에서 19,000개 이상의 별을 받은 가장 인기 있는 오픈 소스 RAG 프로젝트 중 하나인 Local GPT를 만들었습니다. Prompt Engineering Discord 서버의 전용 채널을 통해 강사와 다른 실무자들과 직접 소통할 수 있는 기회를 가질 수 있으며, 이를 통해 기술을 향상시키고, 자신의 분야에서 혁신하며, 유사한 관심사를 가진 전문가 커뮤니티와 연결할 수 있습니다.

LLM의 힘을 활용하여 텍스트 기반 문서와 상호 작용하는 기술을 마스터하고 자신의 분야에서 새로운 가능성을 열어가는 이 여정에 함께해 주시기 바랍니다.