학습 코너

LLM이란 무엇인가? — 대형 언어 모델의 작동 원리

ChatGPT, Claude, Gemini의 핵심 기술인 LLM(대형 언어 모델)이 어떤 원리로 언어를 이해하고 생성하는지, 그리고 왜 지금 이 기술이 중요한지 알아봅니다.

토크나이저와 임베딩 — 텍스트가 숫자가 되는 과정

LLM이 텍스트를 어떻게 숫자로 변환하는지, 토크나이저와 임베딩의 원리를 이해하고 의미 기반 검색과 유사도 계산이 어떻게 작동하는지 알아봅니다.

RAG — 외부 지식을 LLM에 연결하는 방법

RAG(검색 증강 생성)의 구조와 작동 원리를 이해하고, 왜 LLM에 외부 문서를 연결해야 하는지, 벡터 DB가 어떤 역할을 하는지 알아봅니다.

LLM 평가와 선택 기준 — 어떤 모델을 써야 할까?

벤치마크 지표의 의미와 한계를 이해하고, 속도·비용·성능의 트레이드오프를 파악해 실제 프로젝트에 맞는 LLM을 선택하는 기준을 배웁니다.

OpenAI API 기초 — 코드로 LLM 호출하기

Python으로 OpenAI API를 호출하는 방법을 처음부터 배웁니다. API 키 설정, 기본 호출, 메시지 구조, 응답 파싱까지 실제 코드와 함께 익힙니다.

스트리밍과 비동기 — 실시간 응답으로 UX 개선하기

Streaming API로 ChatGPT처럼 글자가 실시간으로 출력되는 UX를 구현하고, asyncio로 여러 요청을 동시에 처리해 성능을 높이는 방법을 배웁니다.

Function Calling — LLM이 외부 함수를 호출하게 만들기

OpenAI Function Calling으로 LLM이 날씨 API, 데이터베이스, 계산기 등 외부 도구를 직접 호출하는 AI 에이전트를 만드는 방법을 배웁니다.

RAG 구현 실습 — ChromaDB로 문서 검색 시스템 만들기

ChromaDB와 OpenAI 임베딩 API를 사용해 실제 동작하는 RAG 시스템을 처음부터 구현합니다. 문서 인덱싱부터 질문 응답까지 전체 파이프라인을 코드로 작성합니다.

완성 프로젝트 — RAG 기반 AI 챗봇 서비스 만들기

OpenAI API, ChromaDB, FastAPI를 조합해 문서 기반 AI 챗봇 서비스를 처음부터 끝까지 구현합니다. 스트리밍, 대화 기록, RAG를 모두 통합한 실전 프로젝트입니다.

프롬프트 엔지니어링이란? — 같은 모델, 다른 결과

프롬프트 엔지니어링의 핵심 원칙을 이해하고, 명확성·구체성·구조화된 지시로 LLM에서 훨씬 좋은 결과를 이끌어내는 방법을 배웁니다.

역할 부여와 Few-shot — LLM을 전문가로 만드는 법

Role Prompting으로 LLM에게 전문가 페르소나를 부여하고, Few-shot 예시로 원하는 출력 패턴을 학습시켜 일관된 고품질 결과를 얻는 방법을 배웁니다.

Chain-of-Thought — LLM이 단계별로 생각하게 만들기

Chain-of-Thought 프롬프팅으로 LLM의 추론 능력을 최대로 끌어내는 방법을 배웁니다. '단계별로 생각해줘' 한 마디가 결과를 어떻게 바꾸는지 알아봅니다.

시스템 프롬프트 설계 — LLM의 행동 방식을 제어하기

시스템 프롬프트로 LLM의 페르소나, 응답 규칙, 제약 조건을 설정하는 방법을 배웁니다. AI 서비스 개발에 필수적인 시스템 프롬프트 설계 패턴을 익힙니다.

고급 프롬프팅 기법 — ReAct, 자기 일관성, 메타 프롬프팅

ReAct로 LLM이 행동하며 추론하게 만들고, 자기 일관성으로 신뢰도를 높이고, 메타 프롬프팅으로 프롬프트 자체를 자동 생성하는 고급 기법을 배웁니다.