Description
LLM 엔지니어링의 모든 것을 망라한 실전 가이드
이 책은 프로덕션 수준의 LLM 애플리케이션을 개발하고 배포하는 데 필요한 엔지니어링 방법들을 상세히 안내한다. LLM 라이프사이클을 체계적으로 살펴보며, 데이터 엔지니어링부터 지도 학습 파인튜닝, 모델 평가, 추론 최적화, RAG 파이프라인 개발까지 핵심 개념과 실용적인 기술들을 다룬다. 이 과정에서 ‘LLM Twin’이라는 실제 프로젝트를 통해 개인의 글쓰기 스타일과 성격을 모방하는 AI를 구현하며, 데이터 수집과 전처리, 모델 파인튜닝 등 LLM 엔지니어링의 실전 노하우를 깊이 있게 익힐 수 있다. 이 책이 제시하는 실질적인 로드맵을 따라 데이터 수집부터 모델 최적화까지의 전 과정을 단계별로 학습해보며, LLM 엔지니어링 역량을 한 단계 더 높이길 바란다.
누구를 위한 책 인가요?
● LLM 개발자: 챗GPT 활용을 넘어, 직접 AI 시스템을 만들고 싶은 개발자
● AI 엔지니어: RAG, LoRA·QLoRA 등 최신 기법을 실습하고 싶은 전문가
● ML 시스템 엔지니어: LLMOps 기반으로 AI를 서비스에 안정적으로 배포·운영하고 싶은 분
● 기술 리더: 데이터 설계부터 배포까지 LLM 구축 전 과정을 체계적으로 배우고 싶은 팀장
무엇을 주로 다루나요?
● LLM 애플리케이션 아키텍처 설계: 개인화된 AI 캐릭터 ‘LLM Twin’ 기획 및 시스템 구성
● 데이터 수집 및 전처리: 웹스크래핑 + 몽고DB·Qdrant 기반 데이터 저장·검색
● RAG 파이프라인 개발: 고급 아키텍처 설계 및 문서 기반 지시문-답변 구현
● 지도 학습 파인튜닝(SFT): 지시문 데이터셋 생성 + LoRA·QLoRA 활용
● 직접 선호 최적화(DPO): 사용자 선호를 반영한 정렬 파인튜닝
● 모델 평가 및 튜닝: LLM·RAG 성능 측정 및 TwinLlama 실험
● 추론 최적화: 양자화, 병렬 처리 등 실시간 추론 성능 향상
● LLM 애플리케이션 배포: FastAPI 서버 구현 + 오토스케일링 기반 배포
● LLMOps 실전 적용: 버전 관리·모니터링 등 운영 자동화 전략
누구를 위한 책 인가요?
● LLM 개발자: 챗GPT 활용을 넘어, 직접 AI 시스템을 만들고 싶은 개발자
● AI 엔지니어: RAG, LoRA·QLoRA 등 최신 기법을 실습하고 싶은 전문가
● ML 시스템 엔지니어: LLMOps 기반으로 AI를 서비스에 안정적으로 배포·운영하고 싶은 분
● 기술 리더: 데이터 설계부터 배포까지 LLM 구축 전 과정을 체계적으로 배우고 싶은 팀장
무엇을 주로 다루나요?
● LLM 애플리케이션 아키텍처 설계: 개인화된 AI 캐릭터 ‘LLM Twin’ 기획 및 시스템 구성
● 데이터 수집 및 전처리: 웹스크래핑 + 몽고DB·Qdrant 기반 데이터 저장·검색
● RAG 파이프라인 개발: 고급 아키텍처 설계 및 문서 기반 지시문-답변 구현
● 지도 학습 파인튜닝(SFT): 지시문 데이터셋 생성 + LoRA·QLoRA 활용
● 직접 선호 최적화(DPO): 사용자 선호를 반영한 정렬 파인튜닝
● 모델 평가 및 튜닝: LLM·RAG 성능 측정 및 TwinLlama 실험
● 추론 최적화: 양자화, 병렬 처리 등 실시간 추론 성능 향상
● LLM 애플리케이션 배포: FastAPI 서버 구현 + 오토스케일링 기반 배포
● LLMOps 실전 적용: 버전 관리·모니터링 등 운영 자동화 전략
LLM 엔지니어링 (RAG, 파인튜닝, LLMOps로 완성하는 실무 중심의 LLM 애플리케이션 개발)
$38.00