랭체인 입문
RAG 챗봇부터 에이전트까지
$28.35
SKU
9791199147300
[Free shipping over $100]
Standard Shipping estimated by Mon 05/5 - Fri 05/9 (주문일로부 10-14 영업일)
Express Shipping estimated by Wed 04/30 - Fri 05/2 (주문일로부 7-9 영업일)
* 안내되는 배송 완료 예상일은 유통사/배송사의 상황에 따라 예고 없이 변동될 수 있습니다.
| Publication Date | 2025/03/10 |
| Pages/Weight/Size | 187*235*30mm |
| ISBN | 9791199147300 |
| Categories | IT 모바일 > 인공지능 |
Description
초보자를 위한 랭체인 실전 가이드
『랭체인 입문 : RAG 챗봇부터 에이전트까지』는 랭체인을 처음 접하는 독자들을 위해 기획되었다. LLM 기반 애플리케이션은 다양하고 폭넓은 가능성을 가진 매력적인 개발 대상이지만, 관련 경험이 있는 개발자가 적고 입문서도 부족한 상황이다. 앞서 『파이썬 머신러닝 판다스 데이터 분석』을 통해 입문자를 위한 쉬운 설명을 선보인 핀테크 스타트업 대표이자 인공지능 강사인 오승환 저자가 직접 집필해, 초보자도 LLM 기반 애플리케이션의 전반적인 흐름을 이해할 수 있도록 쉽게 설명했다.
랭체인의 기본 문법부터 OpenAI, Google 등 다양한 LLM 공급자 이해 및 사용 방법과 챗봇 구현, RAG 개념 이해와 구현을 배운다. 그리고 랭체인의 특징인 다양한 도구와 에이전트 활용법을 학습한다. 마지막으로 3가지의 실전 프로젝트를 통해 뉴스 본문 추출부터 감성 분석, 다양한 오픈 소스 모델 활용법, Pandas와 PythonREPL을 활용한 자동화 방법 등을 실습할 수 있다. 복잡한 개념을 단계별로 소화하고, 실습으로 실질적인 성취감을 얻을 수 있도록 구성했다. 많은 독자가 이 책을 통해 랭체인이라는 새로운 가능성의 세계로 들어가길 바란다.
『랭체인 입문 : RAG 챗봇부터 에이전트까지』는 랭체인을 처음 접하는 독자들을 위해 기획되었다. LLM 기반 애플리케이션은 다양하고 폭넓은 가능성을 가진 매력적인 개발 대상이지만, 관련 경험이 있는 개발자가 적고 입문서도 부족한 상황이다. 앞서 『파이썬 머신러닝 판다스 데이터 분석』을 통해 입문자를 위한 쉬운 설명을 선보인 핀테크 스타트업 대표이자 인공지능 강사인 오승환 저자가 직접 집필해, 초보자도 LLM 기반 애플리케이션의 전반적인 흐름을 이해할 수 있도록 쉽게 설명했다.
랭체인의 기본 문법부터 OpenAI, Google 등 다양한 LLM 공급자 이해 및 사용 방법과 챗봇 구현, RAG 개념 이해와 구현을 배운다. 그리고 랭체인의 특징인 다양한 도구와 에이전트 활용법을 학습한다. 마지막으로 3가지의 실전 프로젝트를 통해 뉴스 본문 추출부터 감성 분석, 다양한 오픈 소스 모델 활용법, Pandas와 PythonREPL을 활용한 자동화 방법 등을 실습할 수 있다. 복잡한 개념을 단계별로 소화하고, 실습으로 실질적인 성취감을 얻을 수 있도록 구성했다. 많은 독자가 이 책을 통해 랭체인이라는 새로운 가능성의 세계로 들어가길 바란다.
Contents
PART 01 랭체인(LangChain) 개요
001 LangChain이란?
002 LangChain Expression Language(LCEL) 이해
003 LangChain 주요 컴포넌트
PART 02 채팅 모델(Chat Model) 공급자 및 사용 방법
001 OpenAI
002 Anthropic
003 Google
004 Groq
005 Ollama
PART 03 간단한 챗봇 만들기
001 기본 챗봇 구현
002 챗봇에 메모리 추가하기
PART 04 RAG 개념 이해 및 구현
001 RAG(Retrieval-Augmented Generation) 개념
002 문서 로딩 및 분할
003 임베딩 모델
004 벡터 저장소 구축
005 질의응답 RAG Chain 구현
PART 05 Tool Calling
001 도구(Tools)의 개념과 역할
002 LangChain 내장 도구 사용하기
003 사용자 정의 도구 만들기
004 구조적 출력(Structured Output) 활용
PART 06 Agent
001 에이전트(Agent) 개념 이해
002 기본 에이전트 구현
003 에이전트 실행도구에 메모리 기능 추가
004 랭그래프(LangGraph) 에이전트 구현
005 에이전트 기반의 RAG 챗봇 구현
PART 07 실전 프로젝트
001 LangChain을 이용한 뉴스 분석 프로젝트
002 Ollama 활용 오픈 소스 로컬 RAG 구현
003 데이터 분석 및 코드 실행 에이전트
001 LangChain이란?
002 LangChain Expression Language(LCEL) 이해
003 LangChain 주요 컴포넌트
PART 02 채팅 모델(Chat Model) 공급자 및 사용 방법
001 OpenAI
002 Anthropic
003 Google
004 Groq
005 Ollama
PART 03 간단한 챗봇 만들기
001 기본 챗봇 구현
002 챗봇에 메모리 추가하기
PART 04 RAG 개념 이해 및 구현
001 RAG(Retrieval-Augmented Generation) 개념
002 문서 로딩 및 분할
003 임베딩 모델
004 벡터 저장소 구축
005 질의응답 RAG Chain 구현
PART 05 Tool Calling
001 도구(Tools)의 개념과 역할
002 LangChain 내장 도구 사용하기
003 사용자 정의 도구 만들기
004 구조적 출력(Structured Output) 활용
PART 06 Agent
001 에이전트(Agent) 개념 이해
002 기본 에이전트 구현
003 에이전트 실행도구에 메모리 기능 추가
004 랭그래프(LangGraph) 에이전트 구현
005 에이전트 기반의 RAG 챗봇 구현
PART 07 실전 프로젝트
001 LangChain을 이용한 뉴스 분석 프로젝트
002 Ollama 활용 오픈 소스 로컬 RAG 구현
003 데이터 분석 및 코드 실행 에이전트