Deep Learning 32
- LangSmith Hub를 활용한 고급 프롬프트 최적화
- LangChain 에이전트 (Agent) 개념과 활용
- LangChain에서 Multi-turn 대화 구현하기
- LangChain 프롬프트 템플릿과 메시지 유형 활용하기
- LangChain에서 응답 속도 최적화: Caching 활용하기
- LangChain에서 실시간 응답을 위한 Streaming 구현
- LangChain 시작하기: 필수 라이브러리 설치 및 환경 설정
- RAG 챗봇 디버깅 및 성능 최적화- Part.6
- RAG 프롬프트 구성 및 LLM 응답 생성- Part.5
- 벡터 저장소 구축과 리트리버 활용- Part.4
- 문서 처리: Chunking과 Embedding- Part.3
- RAG 환경 설정 및 기본 코드 작성- Part.2
- RAG (Retrieval-Augmented Generation) 개념 및 구축 과정 개요- Part.1
- LangChain을 활용한 고급 체인 구성 및 최적화 전략
- Runnable 컴포넌트와 체인 확장하기 - 특강5
- LangChain Expression Language(LCEL) 이해하기 - 특강4
- 프롬프트를 활용한 페르소나 챗봇 만들기 - 특강3
- 프롬프트 템플릿 활용하기 (ChatPromptTemplate) - 특강2
- LangChain과 LLM의 기본 개념 - 특강1
- Hugging Face와 Stable Diffusion을 활용한 생성형 AI 모델 사용법
- 생성형 모델(Generative Models)의 기본 원리
- 특강: 인공신경망과 딥러닝 학습 과정 정리
- Hugging Face 모델의 사전 학습과 파인 튜닝
- Hugging Face의 Transformers 라이브러리로 NLP 모델 활용하기
- GitHub 오픈소스를 활용한 AI 프로젝트 시작하기
- AI 활용 vs 연구: 차이점과 실무 적용법
- 특강: 딥러닝. 퍼셉트론에서 RNN까지
- LLM 활용 기법: 프롬프트 트렁케이션, CoT, RAG 개념 정리
- Meta의 Llama-2-7b를 On-Premise 환경에서 실행하기
- Django 프로젝트로 챗봇 기능 만들기 - Part 2
- Django 프로젝트로 챗봇 기능 만들기 - Part 1
- OpenAI API 기반 챗봇 구현