LangChain으로 구현하는 LLM 벤 아우파스 pdf 다운로드를 무료로 제공합니다 생성형 AI의 개요와 함께 LangChain 프레임워크를 사용한 실질적인 구현 사례까지 모두 10개의 장으로 구성해 포괄적으로 제공하는 책이다.
관련 교재 pdf 모음
책 소개
동적이며 빠르게 발전하는 AI 분야에서 생성형 AI는 기술과의 상호 작용 방식을 변형할 것으로 예상되는 혁신적인 힘을 가졌다는 점에서 두드러진다. 이 책은 개발자, 연구자 그리고 AI 애호가가 이러한 도구를 활용하는 데 있어 필요한 지식을 제공하기 위해 디자인된 LLM이라는 복잡한 세계로의 탐험이다. 딥러닝의 심연으로 진입해 비정형 데이터가 살아 움직이는 곳에서 GPT-4와 같은 LLM이 어떻게 AI가 비즈니스, 사회 그리고 개인에 미치는 영향을 개척하는지 발견해보라. 이러한 모델의 능력과 잠재력이 기술 산업과 미디어에서 계속해서 화제가 되는 동안, 이들이 어떻게 작동하며 어떻게 번창하고 어떻게 우리를 미래의 지평으로 나아가게 하는지 탐험할 수 있는 좋은 순간이다. 이 책은 여러분이 LLM을 지탱하는 기술적인 프레임워크를 이해하도록 안내하는 나침반 역할을 한다. LLM의 광범위한 응용 분야, 그 기반이 되는 아키텍처의 우아함 그리고 그 존재의 강력한 함의에 대한 전례를 제공한다. AI 초보자부터 경험이 풍부한 개발자까지 다양한 독자를 대상으로 쓰인 이 책은 이론적인 개념과 실제적인 코드 예제를 융합해, LLM을 인지적으로 이해할 뿐만 아니라 창의적이고 책임감 있게 적용할 수 있도록 준비해준다. 우리가 함께 이 여정을 시작하면서, 지식과 통찰력을 갖추고 있는 여러분은 현재 진행 중인 생성형 AI 서술에 영감을 받아 자아를 형성하고 구성할 수 있도록 준비해보라. 여러분은 이 흥미진진한 진화의 최전선에 서 있으며, 놀라운 기술적 발전의 중심에 서게 될 것이다.
LangChain으로 구현하는 LLM pdf
1장. 생성형 AI란 무엇인가?
__생성형 AI 소개
____생성 모델이란 무엇인가?
____왜 지금인가?
__LLM의 이해
____GPT란 무엇인가?
____다른 LLM
____주요 플레이어
____GPT 모델은 어떻게 작동할까?
______사전 훈련
______토큰화
______스케일링
______조건화
____이러한 모델을 시험하는 방법
__텍스트 투 이미지 모델이란?
__다른 영역에서 AI가 할 수 있는 일
__요약
__문제
2장. LLM 응용을 위한 LangChain
__확률적 앵무새를 넘어서
____LLM의 한계는 무엇인가?
____LLM의 한계를 완화하는 방법
____LLM 응용이란 무엇인가?
__LangChain이란 무엇인가?
__LangChain의 핵심 요소 탐색
____체인이란 무엇인가?
____에이전트는 무엇인가?
____메모리는 무엇인가?
____도구란 무엇인가?
__LangChain의 작동 원리
__LangChain과 다른 프레임워크와의 비교
__요약
__문제
3장. LangChain으로 시작하기
__이 책을 위한 종속성 설정 방법
____pip
____Poetry
____Conda
____Docker
__API 모델 통합 탐색
____가짜 LLM
____OpenAI
____Hugging Face
____Google Cloud Platform
____Jina AI
____Replicate
____그 외
____애저
____Anthropic
__로컬 모델 탐색
____Hugging Face Transformers
____llama.cpp
____GPT4ALL
__고객 서비스를 위한 애플리케이션 구축
__요약
__문제
4장. 능력 있는 비서 구축
__팩트 체크를 통한 환각 완화
__정보 요약
____기본 프롬프팅
____프롬프트 템플릿
____밀도 체인
____맵 리듀스 파이프라인
____토큰 사용량 모니터링
__문서에서 정보 추출
__툴을 사용한 질문 응답
____툴을 사용한 정보 검색
____시각 인터페이스 구축
__추론 전략 탐색
__요약
__문제
5장. ChatGPT 같은 챗봇 구축
__챗봇이란 무엇인가?
__검색과 벡터의 이해
____임베딩
____벡터 저장소
______벡터 인덱싱
______벡터 라이브러리
______벡터 데이터베이스
__LangChain에서의 로딩 및 검색
____문서 로더
____LangChain에서 검색기
______kNN 검색기
______PubMed 검색기
______맞춤형 검색기
__챗봇 구현
____문서 로더
____벡터 저장소
____메모리
______대화 버퍼
______대화 요약 기억
______지식 그래프 저장
______여러 메모리 메커니즘의 병합
______장기 일관성
__응답 중재
__요약
__문제
6장. 생성형 AI를 이용한 소프트웨어 개발
__소프트웨어 개발과 AI
____코드 LLM
__LLM을 사용한 코드 작성
____StarCoder
____StarChat
____LLaMa 2
____소형 로컬 모델
__소프트웨어 개발 자동화
__요약
__문제
7장. 데이터 과학을 위한 LLM
__생성 모델이 데이터 과학에 미치는 영향
__자동화된 데이터 과학
____데이터 수집
____시각화와 탐색적 데이터 분석
____전처리와 특징 추출
____AutoML
__데이터 과학 질문에 답하기 위한 에이전트 사용
__LLM을 사용한 데이터 탐색
__요약
__질문
8장. LLM 사용자 정의 및 출력
__LLM 조건화
____조건화 기법
______인간 피드백을 가미한 강화학습
______LoRA
______추론 시간 조건화
__미세 조정
____미세 조정 설정
____오픈 소스 모델
____상업용 모델
__프롬프트 공학
____프롬프트 기술
______제로샷 프롬프팅
______퓨샷 러닝
______CoT 프롬프팅
______자기 일관성
______ToT
__요약
__문제
9장. 생성형 AI 제품화
__LLM 애플리케이션의 제품화를 준비하는 방법
____용어
__LLM 앱을 평가하는 방법
____두 출력 비교
____기준 대비 비교
____문자열과 문맥 비교
____데이터셋을 대상으로 한 평가 수행
__LLM 앱을 배포하는 방법
____FastAPI 웹서버
____Ray
__LLM 앱을 관찰하는 방법
____관찰 반응
____관측성 도구
____LangSmith
____PromptWatch
__요약
__문제
10장. 생성형 모델의 미래
__생성형 AI의 현 상태
____도전 과제
____모델 개발에서의 추세
____빅테크 대 소기업
____AGI
__경제적 결과
____창의적 산업과 광고
____교육
____법률
____제조
____의학
____군사
__사회적 함의
____오정보와 사이버보안
____규제와 실행의 어려움
__앞으로의 길