강의탐색

데이터사이언스
초급, 중급

LLM 기반 AI 서비스 개발 프로젝트 : LangChain을 활용한 개인 맞춤형 웹 서비스 구현

LangChain 프레임워크를 활용하고, 파이썬 언어 하나로 웹사이트에 나의 애플리케이션을 배포 및 구현까지 같이하는 실습 위주의 LLM 강의!

1기

강의 일정: 23.10.14 ~ 23.11.18 (총 6회) 매주 토요일 14:00 ~ 18:00 (총 24시간)

오프라인

강남 | 3층 Spoons Lab A 지도확인

LLM 모델을 활용하여,
나의 웹 서비스에 직접 구현하는 방법은?

자체 LLM 애플리케이션 구현과 웹에 배포하는 과정까지 Python 언어만으로 해결합니다.

강의소개

LangChain 프레임워크를 이용하여,
내가 만들고 싶은 LLM 애플리케이션을 구현 및 배포하는 강의

01. LangChain과 Vector DB를 연동,
LLM 애플리케이션의 전반적인 로직 학습

LLM에서 구동되는 앱을 개발하기 위한 프레임워크 Langchain,
방대한 양의 고차원 데이터를 벡터 형태로 최적화하는 VectorDB,
PostgreSQL, PGVector를 LangChain에 연동하여 문서 검색 기능을 구현하고
실습 과정을 통해 LLM의 전반적인 개념을 수립할 수 있습니다.

02. Streamlit을 통해 GUI를 구현,
업무 효율 향상을 위한 LLM 서비스 자동화

파이썬의 오픈소스 라이브러리인 Streamlit을 통해 훨씬 쉽게 웹/앱 애플리케이션을 배포할 수 있습니다. 웹 사이트가 동작하는 로직을 배우고, FastAPI와 Streamlit을 연동하여 자신만의 동적 웹 사이트를 구축할 수 있습니다. 실습으로 앱을 구현하고 업무에 적용하여 업무의 효율을 향상해 보세요!

03. FastAPI로 연동한 동적 웹사이트부터
Docker로 CI/CD 구축까지

LangChain으로 웹 사이트에 구현만 해보는 강의는 많습니다. 이 강의는 실제 웹 사이트에서 운영할 수 있도록 하는 Docker를 학습하고 자신이 구현한 LLM 애플리케이션을 사용자에게 쉽고 빠르게 전달하기 위한 CI/CD(Continuous Integration & Delivery) 구축 방법도 제공합니다. 또한, 디버깅 과정에서의 오류를 CTO의 1:1 피드백을 통해 해결할 수 있습니다.

본 강의에서
무엇을 얻어갈 수 있나요?

LLM APP, 웹사이트 배포 사이클 한 번으로
신규 오픈소스를 지속해서 적용할 수 있습니다.

LangChain과 VectorDB 연동

LLM 앱 성능을 향상하기 위한 프롬프트 엔지니어링

LangChain의 공식 문서를 기반으로
모듈과 라이브러리를 확실하게 이해할 수 있습니다.
또한 앱의 성능을 향상하기 위해 현직 CTO의
프롬프트 엔지니어링 노하우도 전수해 드립니다.
LLM Application 서비스 운영

End2End DB, LLM 모델 서빙, 화면 개발까지

LLM Application을 구현만 하는 강의는 많습니다. 실제 서비스를 운영하려면 서버와 DB에 대한 이해 프론트엔드와 백엔드 등 많은 기술이 필요합니다. 이 강의에서는 파이썬 언어 하나로 모두 해결하고 구현합니다.
디버깅에 필요한 서버 관리

FastAPI, Docker의 CI/CD 구축

LLM 애플리케이션의 GUI, UX를 개선하려면 짧은 응답 주기로 고객에게 애플리케이션을 제공해야 합니다. DockerFile을 통해 CI/CD를 구축하고 지속적인 서비스를 운영해 볼 수 있습니다.

개인별 AI 서비스 아이디어 기획안에 대한
웹 구현 로드맵을 현직 CTO가 1:1로 제시해 드립니다.

본 강의가 특별한 이유는
무엇인가요?

오직 파이썬 언어 하나로
AI 서비스 로직 학습

LLM 프로덕트를 웹에 구현하기까지 다양한 프로그래밍 언어가 동반되어야 합니다. 하지만 해당 강의에서는 파이썬 하나로 웹사이트에 구현할 방법을 제공합니다. LangChain 프레임워크와 OpenAI API, FastAPI를 파이썬과 함께 사용하는 방법을 알려드립니다.

CTO의 로드맵・피드백으로
원하는 생성형 AI 모델 구현

LLM 자체를 이해하는 데에는 NLP에 대한 많은 개념이 필요합니다. 생성형 AI 모델 구현에 필요한 핵심적인 내용을 제공합니다.
또한, 생성형 AI에 대한 로드맵을 제공받고 구현하고자 하는 모델에 대한 피드백을 받아보세요. 원하는 디자인, 모델 구현에 대한 로직을 개발할 수 있습니다.

웹서비스 지연 속도를 낮추는
End2End 노하우 전수

Streamlit에 구현하고 배포하는 것만으로 자체 LLM 애플리케이션을 확인할 수 있습니다. 하지만, 간단한 기능을 수행하는 프로트타이핑 도구로 앱을 수정하거나 재배포 할 때는 Script를 수정하기 위해 많은 리소스가 필요합니다. 로컬 서버에서 자체 LLM 앱을 서빙하고 디버깅하는 방법까지 습득해 보세요.

FAQ

강의에 대해
궁금한 점이 있으신가요?

1. 실습은 어떤 방식으로 진행되나요?

1. LLM과 Prompt Engineering에 대한 실습으로 LLM의 전반적인 개념을 수립합니다.
2. 수강생분들의 개인 아이디어 기획서를 제출하고 LangChain, FastAPI, OpenAI API, Streamlit, Docker에 대한 사용 방법을 습득합니다.
3. 커리큘럼에 맞춰 기획안에 대한 피드백을 받고 실제 배포와 구현까지 강사님과 함께합니다. 이 과정에서 오류가 발생하면 1:1 피드백으로 디버깅 해결 방법까지 습득합니다.
4. 배포 과정에서 부족한 디테일 또한 로드맵과 피드백으로 채워갈 수 있습니다. 최종적으로는 퀄리티 좋은 AI 서비스를 서빙할 수 있습니다.
5. 최종회고를 진행하며 LLM 기반 AI 서비스에 대한 이해와 각자의 인사이트를 공유하며 마무리합니다.

2. 수강 시, 준비 사항은 어떤 것이 있을까요?

실습을 위해 개인 PC가 꼭 필요합니다. OS는 Windows OS, Mac OS 모두 가능합니다.
또한, 본 강의는 파이썬 프로그래밍에 대한 기초 지식이 필요합니다.

수강 대상

이런 분들은 꼭 들으셔야 해요!

LangChain의 활용 방법과
LLM과 앱의 통합을 간소화하고 싶은 분

자체 LLM 모델을 구현하여
자사 웹사이트에 배포하고 싶은 분

자신의 LLM 모델을 검증하고 싶은
예비창업가 및 CEO

강사소개

우리 강사님을 소개할게요!

주현우

이력사항

(현) IT 스타트업 CTO(Chief Technical Officer)
(전) 다수의 온, 오프라인 인공지능 및 백엔드, 프론트 엔드 강사
(전) 딥러닝 논문 스터디 자연어처리 분야 팀 Lead
서강대학교 인공지능 전공 대학원 석사 졸업

1. 간단하게 자기소개 부탁드립니다.

안녕하세요. 이번 강의를 진행하게 된 주현우 강사입니다. 저는 다양한 분야의 스타트업에서 주로 데이터 분석, 자연어 처리 및 백엔드 서버를 개발해 왔습니다.
스타트업 특성상 빠른 사업모델 검증과 실서비스를 개발하여 운영해야 했고, 이러한 초점에 맞춰 경력을 쌓아왔습니다.
저의 개발 경력에서 느낀 가장 큰 깨달음은 시시각각 변하는 IT 트렌드에 가장 집중해야 하는 것은 '기술이 아닌 비즈니스와 서비스'라고 생각합니다.

이러한 점에서 직접 개발까지 하여 사업성과 나의 아이디어를 빠르게 검증하는 것이 중요한 역량인데요,
현재 개발 트렌드는 기술이 많이 쉬워지긴 했으나 실제 운영까지 가려면 많은 개발 인력 자원과 여러 기술들을 통합하여 공부해야 한다는 어려움이 있습니다.
따라서, 이러한 어려움을 해결하고 제가 가진 노하우를 공유해 드리고자 강의를 진행하게 되었습니다.

2. 강의에서는 주로 어떤 내용을 다룰 예정이고, 어떤 형태로 진행되나요?

OpenAI의 API와 이를 잘 활용할 수 있는 LangChain 그리고 데이터를 담을 Fasis, 서버를 운영하도록 FastAPI
화면을 개발하기 위한 Streamlit, 배포 운영을 담당할 Docker를 이용하여 실습 위주로 진행할 예정입니다.
먼저, 어떤 서비스를 만들어 볼 건지 큰 그림을 그려보고 해당 과정에 대한 피드백을 드리며 제 노하우를 전수 드리겠습니다.

3. 본 강의에서 배운 내용을 수강생분들이 어떻게 활용할 수 있을까요?

파이썬 프로그래밍 경험만 있으시다면, 제 강의를 차근차근 따라오셔서 들으시고 본인만의 서비스와 아이디어를 충분히 구현할 수 있습니다.
또한, 구현뿐만 아니라 서비스하는 방법까지 습득하실 수 있습니다. 기존 프로그래밍에 깊은 지식이 있으신 분은 더 고도화된 서비스를 개발할 수 있습니다.

4. 다른 강의와 어떤 차별점이 있나요?

기존 강의들은 자연어 처리만 배우거나, 프론트엔드만 배우거나 내용은 깊으면서도 서로 사용하는 언어가 다르기 때문에 중도 포기하는 경우가 많습니다.
또한, LangChain 프레임워크의 사용 방법만 배우고 만드는 과정까지만 다루는 강의도 많습니다.
하지만 이 강의는 파이썬 언어 하나로 서비스의 전반적인 과정과 결과물을 직접 구현하면서 언제 어디서든 나만의 서비스를 개발할 수 있는 경험을 하실 수 있습니다.

5. 마지막으로 수강생분들에게 하고 싶으신 말이 있다면?

위에서도 말씀드렸다시피, 이 강의의 모든 과정을 구축하거나 구현하려면 서로 사용하는 언어가 다르기 때문에 중도 포기하는 경우가 많습니다.
하지만 제 강의에서는 오로지 파이썬 하나로 웹사이트를 만들 수 있습니다. 저와 함께하시면, 직접 서비스를 구축하고 운영까지 하실 수 있습니다.
원론적인 내용을 다루기보다는 실습 위주로 속도감 있고 재미있게 강의를 진행할 예정입니다.
End2End DB 서버, LLM 모델 서빙 및 화면 개발까지 프로덕트의 전반적인 이해와 프로젝트 구현으로 자신만의 서비스를 구현해 보세요!

커리큘럼 (6)

1주차. 대규모 언어 모델(LLM)과 프롬프트(Prompt) 사용 방법
강의 목표

LLM과 Prompt Engineering에 대한 기초 지식을 습득하고, 실습을 통해 현업에서의 사용 방법을 습득합니다.

이론

LLM과 LM(Language Model)에 대한 이해

Prompt 작성에 대한 이해

실습

파이썬을 활용해 OpenAI API 등록 및 모듈 설치

OpenAI API의 공석 문서 정독 및 사용 방법 터득

파이썬으로 Prompt 작성과 작성 요령 실습

Prompt 데이터베이스를 사용하는 방법 터득
2주차. LangChain과 VerctorDB를 연동하여 문서 검색 기능 구현
강의 목표

LangChain의 공식 문서 보는 방법을 습득하고, PostgreSQL 설치와 간단한 사용 방법을 습득합니다.
또한, LangChain과 PGVector를 연동하여 문서 검색 기능까지 구현할 수 있습니다.

실습

LangChain과 OpenAI 연동하기

LangChain의 공식 문서 보는 방법과 API 요청 방법 연구 실습

PostgreSQL 설치와 Vector DB인 PGVector 설치 및 사용 방법 실습

LangChain과 PGVector를 연동하여 문서 검색 기능 구현하기
3주차. LangChain과 FastAPI를 연동하여 애플리케이션 API 배포
강의 목표

HTTP, REST API에 대한 이해와 FastAPI 공식 문서를 통해 사용 방법을 습득합니다.

실습

FastAPI 설치와 API 구축 방법 실습 및 배포

LangChain과 연동하여 LLM 애플리케이션을 API로 직접 배포하기
4주차. Streamlit을 이용한 웹 사이트 구현(1) - CRUD 로직
강의 목표

HTTP, CSS에 대한 간단한 지식을 습득합니다. 또한, 웹사이트의 CRUD(Create, Read, Update, Delete)의 로직을 배우고 Streamlit을 통해 웹사이트 구축 방법을 습득합니다.

실습

Stramlit 공식 문서를 통해 웹사이트 구현하기

Stramlit으로 문서(Document) CRUD 구현하기
5주차. Streamlit을 이용한 웹 사이트 구현(2) - 동적 웹사이트 구축
강의 목표

웹사이트의 CRUD(Create, Read, Update, Delete)의 로직 심화 단계를 배우고
Stramlit을 통해 웹사이트 구축 방법에 대한 피드백을 요청할 수 있습니다.

실습

Stramlit으로 사용자 입력의 폼(Form) 구현하기

FastAPI와 Stramlit을 연동하여 LLM 애플리케이션 구현하기

LLM 애플리케이션으로 동적 웹사이트 구축하기
6주차. Docker를 이용한 웹사이트 패키징 및 CI/CD 구축
강의 목표

Docker에 대한 지식을 이해하고, 웹사이트 패키징이나 CI/CD를 구축하기 위한 사용 방법을 터득할 수 있습니다.

실습

Docker를 Local 환경에 세팅하기

Dockerfile을 작성하여 Langchain, PGVector, FastAPI, Streamlit 패키징 실습

Docker로 웹사이트의 CI/CD 구축하기

커리어 성장으로 가는 길, 러닝스푼즈와 함께 하세요!

지금 보고 계시는 강의의 관련 태그로 다른 강의도 찾아보세요.

오프라인

LLM 기반 AI 서비스 개발 프로젝트 : LangChain을 활용한 개인 맞춤형 웹 서비스 구현

4시간 6회차 총 24시간! 어디에서도 볼 수 없었던 프론트엔드와 백엔드를 이용한 챗봇 구현 실습 강의!

LLM 기반 AI 서비스 개발 프로젝트 : LangChain을 활용한 개인 맞춤형 웹 서비스 구현

LLM 모델을 활용하여,나의 웹 서비스에 직접 구현하는 방법은?

자체 LLM 애플리케이션 구현과 웹에 배포하는 과정까지 Python 언어만으로 해결합니다.

LangChain 프레임워크를 이용하여, 내가 만들고 싶은 LLM 애플리케이션을 구현 및 배포하는 강의

01. LangChain과 Vector DB를 연동,LLM 애플리케이션의 전반적인 로직 학습

02. Streamlit을 통해 GUI를 구현,업무 효율 향상을 위한 LLM 서비스 자동화

03. FastAPI로 연동한 동적 웹사이트부터Docker로 CI/CD 구축까지

본 강의에서무엇을 얻어갈 수 있나요?

LLM APP, 웹사이트 배포 사이클 한 번으로신규 오픈소스를 지속해서 적용할 수 있습니다.

LangChain과 VectorDB 연동

LLM Application 서비스 운영

디버깅에 필요한 서버 관리

개인별 AI 서비스 아이디어 기획안에 대한웹 구현 로드맵을 현직 CTO가 1:1로 제시해 드립니다.

본 강의가 특별한 이유는무엇인가요?

오직 파이썬 언어 하나로AI 서비스 로직 학습

CTO의 로드맵・피드백으로원하는 생성형 AI 모델 구현

웹서비스 지연 속도를 낮추는End2End 노하우 전수

강의에 대해궁금한 점이 있으신가요?

1. 실습은 어떤 방식으로 진행되나요?

2. 수강 시, 준비 사항은 어떤 것이 있을까요?

이런 분들은 꼭 들으셔야 해요!

우리 강사님을 소개할게요!

주현우

1. 간단하게 자기소개 부탁드립니다.

2. 강의에서는 주로 어떤 내용을 다룰 예정이고, 어떤 형태로 진행되나요?

3. 본 강의에서 배운 내용을 수강생분들이 어떻게 활용할 수 있을까요?

4. 다른 강의와 어떤 차별점이 있나요?

5. 마지막으로 수강생분들에게 하고 싶으신 말이 있다면?

커리큘럼 (6)

커리어 성장으로 가는 길, 러닝스푼즈와 함께 하세요!

로그인 안내