Description
엘라스틱을 활용해 벡터 검색과 가관측성, 사이버 보안, 챗GPT 통합을 최적화하는 방법을 배워보자!
자연어 처리(NLP)는 주로 검색 사례에 활용되지만, 이 책은 벡터를 활용해 가관측성과 사이버 보안 같은 중요한 도메인 과제를 해결하는 데 영감을 주는 것이 목표입니다. 각 장은 벡터 검색과 엘라스틱을 통합해 검색 사례뿐만 아니라 가관측성과 사이버 보안 기능도 개선하는 데 초점을 맞춥니다.
이 책은 먼저 NLP와 NLP 프로세스에서 엘라스틱의 기능을 소개합니다. 다음으로 자원 요구사항을 파악하고 빠른 응답 시간을 위한 특정 페이지 캐시 요구사항과 함께 벡터가 밀집 벡터(dense vector) 유형에 어떻게 저장되는지 알아봅니다. 계속 읽다 보면 노드 스케일링, 설정 튜닝, Rally와 파이썬을 사용한 부하 테스트 등 머신러닝 모델 배포를 개선하려는 다양한 튜닝 기법과 전략을 발견하게 됩니다. 또한 이미지를 활용한 벡터 검색 기법, 성능 향상을 위한 모델 미세 조정, 엘라스틱서치에서 이미지 유사성 검색을 위한 CLIP 모델 사용법도 다룹니다. 마지막으로, RAG(retrieval-augmented generation, 검색 증강 생성)를 살펴보고 벡터화된 데이터, ELSER의 기능, RRF의 정제된 검색 메커니즘을 활용하는 데 챗GPT와 엘라스틱서치를 통합하는 방법을 배웁니다.
이 책을 다 읽고 나면 엘라스틱을 활용해 프로젝트에서 벡터 검색을 구현하고 최적화하는 데 필요한 모든 기술을 갖추게 됩니다.
★ 이 책에서 다루는 내용 ★
◎ 벡터 검색 기능을 활용해 성능 최적화하기
◎ 이미지 벡터 검색과 그 활용 분야 탐구하기
◎ 개인 식별 정보 탐지 및 마스킹하기
◎ 차세대 가관측성을 위한 로그 분석 및 검색 구현하기
◎ 사이버 보안을 위한 벡터 기반 봇 탐지 활용하기
◎ 벡터 공간 시각화 및 엘라스틱의 최신 검색 기능 살펴보기
◎ 스트림릿(Streamlit)을 활용한 RAG 강화 애플리케이션 구현하기
이 책은 먼저 NLP와 NLP 프로세스에서 엘라스틱의 기능을 소개합니다. 다음으로 자원 요구사항을 파악하고 빠른 응답 시간을 위한 특정 페이지 캐시 요구사항과 함께 벡터가 밀집 벡터(dense vector) 유형에 어떻게 저장되는지 알아봅니다. 계속 읽다 보면 노드 스케일링, 설정 튜닝, Rally와 파이썬을 사용한 부하 테스트 등 머신러닝 모델 배포를 개선하려는 다양한 튜닝 기법과 전략을 발견하게 됩니다. 또한 이미지를 활용한 벡터 검색 기법, 성능 향상을 위한 모델 미세 조정, 엘라스틱서치에서 이미지 유사성 검색을 위한 CLIP 모델 사용법도 다룹니다. 마지막으로, RAG(retrieval-augmented generation, 검색 증강 생성)를 살펴보고 벡터화된 데이터, ELSER의 기능, RRF의 정제된 검색 메커니즘을 활용하는 데 챗GPT와 엘라스틱서치를 통합하는 방법을 배웁니다.
이 책을 다 읽고 나면 엘라스틱을 활용해 프로젝트에서 벡터 검색을 구현하고 최적화하는 데 필요한 모든 기술을 갖추게 됩니다.
★ 이 책에서 다루는 내용 ★
◎ 벡터 검색 기능을 활용해 성능 최적화하기
◎ 이미지 벡터 검색과 그 활용 분야 탐구하기
◎ 개인 식별 정보 탐지 및 마스킹하기
◎ 차세대 가관측성을 위한 로그 분석 및 검색 구현하기
◎ 사이버 보안을 위한 벡터 기반 봇 탐지 활용하기
◎ 벡터 공간 시각화 및 엘라스틱의 최신 검색 기능 살펴보기
◎ 스트림릿(Streamlit)을 활용한 RAG 강화 애플리케이션 구현하기
엘라스틱서치를 활용한 벡터 검색 실무 가이드
$28.00