Description
단순한 활용을 넘어 원리부터 구축까지,
AI 에이전트 개발을 위한 모든 지식
AI 에이전트 개발을 위한 모든 지식
지능형 AI 에이전트의 시대, 이 책은 LLM 블랙박스 속 원리를 체계적으로 분석합니다. 현대 인공지능의 뼈대인 트랜스포머 아키텍처를 원리부터 상세히 분석하여, 모델이 어떻게 문맥을 이해하고 정교한 답변을 생성하는지 명확히 설명합니다. 셀프 어텐션과 강화학습의 이론적 토대부터 랭체인과 랭그래프를 활용한 실전 에이전트 구축까지의 전 과정을 한 권에 담았습니다. 특히 이론 학습에 그치지 않고 Streamlit을 이용한 서비스 배포, RAG, 그리고 외부 시스템과의 표준화된 연결을 돕는 최신 MCP 기술까지 폭넓게 다룹니다. 단순히 응용 코드를 따라 하는 수준을 넘어, 모델 구조를 정확히 이해함으로써 나만의 차별화된 AI 솔루션을 설계하고 기술 트렌드의 변화 속에서 스스로 판단할 수 있는 능력을 길러보세요.
주요 내용
● 자연어 처리의 기본 개념과 기초 수학, 강화학습의 핵심 원리
● RNN, LSTM, seq2seq, 어텐션 구조
● 트랜스포머 내부의 인코더와 디코더 아키텍처 구조
● Ollama, 트랜스포머, Llama_cpp, 랭체인, 랭그래프를 활용한 AI 에이전트 실습
● Full fine-tuning, PEFT, Adapter, LoRA, QLoRA, 양자화로 이어지는 로컬 LLM과 모델 재학습 방법
● ChromaDB 기반 RAG, 대화형 RAG, Iterative RAG, Adaptive RAG를 통한 검색 증강 생성 실습
● A2A와 MCP로 이해하는 멀티 에이전트 및 외부 도구 연동
● Streamlit으로 대화 기억, 랭그래프, RAG를 결합한 AI 에이전트 서비스 구현
주요 내용
● 자연어 처리의 기본 개념과 기초 수학, 강화학습의 핵심 원리
● RNN, LSTM, seq2seq, 어텐션 구조
● 트랜스포머 내부의 인코더와 디코더 아키텍처 구조
● Ollama, 트랜스포머, Llama_cpp, 랭체인, 랭그래프를 활용한 AI 에이전트 실습
● Full fine-tuning, PEFT, Adapter, LoRA, QLoRA, 양자화로 이어지는 로컬 LLM과 모델 재학습 방법
● ChromaDB 기반 RAG, 대화형 RAG, Iterative RAG, Adaptive RAG를 통한 검색 증강 생성 실습
● A2A와 MCP로 이해하는 멀티 에이전트 및 외부 도구 연동
● Streamlit으로 대화 기억, 랭그래프, RAG를 결합한 AI 에이전트 서비스 구현
트랜스포머 아키텍처로 배우는 AI 에이전트 with 랭체인 & 랭그래프 (RAG부터 파인튜닝, 양자화, MCP까지)
$39.00