멀티캠퍼스 :: 과정상세보기

과정요약

과정요약
학습시간	34시간	난이도	고급
교육비 지원	고용보험 비환급	평가항목	출석률 100%
수료기준	총점 80점 이상시 수료	정원	32 명
교재정보	[PDF] LLM 파인튜닝 마스터, sLLM 만들기

과정소개

LLM(Large Language Model) 개발을 학습하여 개인화 sLLM 만드는 방법 학습

다양한 실습 활동

□ OpenAI API 기반 다양한 어플리케이션 구현
□ 다양한 기법을 활용한 Advanced RAG 구현
□ LCEL 체인 기반의 어플리케이션 개발
□ LLM Agent 탑재 실습
□ vLLM을 활용한 LLM 어플리케이션 서빙 실습

주요 학습 요소들

□ 프롬프트 엔지니어링
□ OpenAI API
□ LangChain을 활용한 RAG
□ LCEL (Langchain Expression Language)
□ Open LLM
□ PEFT와 파인 튜닝을 이용한 sLLM 앱 서비스

※ 본 과정은 최신 트렌드 관련하여 업데이트가 빠른 관계로
일자별 표기된 강의내용과 배정시간이 매 차수별로 다소 변경될 수 있음을 알려드립니다.

※ 본 과정의 목표를 효과적으로 달성하기 위해서는 아래의 선수지식이 필요합니다.

□ 파이썬 프로그래밍에 익숙하거나, 이를 업무에 활용할 수 있다.
□ 구글 코랩이나 VS Code를 이용하여 코딩을 해 본 경험이 있다.
□ 파이썬 라이브러리를 직접 설치하고, 이를 활용할 수 있다

멀티캠퍼스 🏆Best🏆 과정
LLM 파인튜닝 마스터, 생성형 AI 기초부터 PEFT까지 의 그 강사!!!

🌈 변형호 강사님을 소개합니다!

🎓 학력
- 서울대학교 컴퓨터공학부 박사
- 한국과학기술원(KAIST) 전산학부 학사

💻 경력
- 現) 삼성SDS LLM 프로그래밍 강의
- 現) 국가보안기술연구소 기술 자문
- 前) SK Telecom, 신한투자증권, HL그룹, GS그룹, 한국앤컴퍼니 생성AI/LLM 강의

학습목표

LLM과 GPT의 최신 발전 방향을 이해하고, LLM 생태계를 이해할 수 있다.
프롬프트 엔지니어링을 통해 목적에 맞는 효과적인 프롬프트를 구성할 수 있다.
OpenAI API와 LangChain을 활용하여 LLM 어플리케이션을 구현할 수 있다.
다양한 Open-Source LLM의 특징과 사용법을 이해할 수 있다.
파인튜닝의 효과와 목적에 대해 이해하고, sLLM을 특정 목적에 맞게 개선하는 기술을 터득할 수 있다.

학습대상

LLM과 GPT에 대한 이해를 넓히고자 하는 개발자
자체적인 인공지능 솔루션 개발을 목표로 하는 연구원
데이터 과학자 및 머신러닝 엔지니어

과정목차 34

1 일차
- Introduction
  - 생성 AI와 LLM이 여는 세상
- LLM을 위한 인공지능 기술
  - 트랜스포머 모델과 LLM의 발전 과정
    - GPT와 BERT의 탄생, Closed Model과 Open Model
  - LLM 주요 성능 향상 방법: 프롬프트 엔지니어링 / RAG / 파인 튜닝
- 프롬프트 엔지니어링
  - 프롬프트 엔지니어링의 구성 요소와 Case Study
    최신 프롬프트 엔지니어링 기법 소개
- OpenAI API
  - OpenAI API 소개 및 주요 기능 실습
  - OpenAI API 어플리케이션 구현
    - 검색 API를 활용한 뉴스 요약 어플리케이션
    - 비전 기능을 활용한 멀티모달 어플리케이션
  - OpenAI API 어플리케이션 구현
    - 검색 API를 활용한 뉴스 요약 어플리케이션
    - 비전 기능을 활용한 멀티모달 어플리케이션
2 일차
- OpenAI Assistant API
  - OpenAI Assistant를 활용한 다양한 어플리케이션
- LangChain 기초
  - LangChain 주요 모듈 소개
    - LangChain 기본 실습
- LangChain Expression Language
  - LangChain Expression Language(LCEL)의 구성과 활용 방법 이해
  - LangChain Expression Language(LCEL)을 이용한 어플리케이션 고도화
- 벡터 데이터베이스와 RAG
  - RAG와 Vector Database의 작동 원리와 효과
  - LangChain 기반의 RAG 어플리케이션 구현하기
- Advanced RAG
  - RAG의 성능을 향상시키는 다양한 방법 소개와 실습
3 일차
- LLM Agent
  - LLM과 Tool Calling
    LLM 에이전트 구현하기
  - LangGraph를 이용한 LLM 에이전틱 워크 구현하기
  - LangGraph를 이용한 LLM 에이전틱 워크 구현하기
- 오픈 LLM 모델
  - 주요 오픈 LLM 모델 소개 및 비교
    HuggingFace를 이용한 LLM 모델 사용하기
  - 주요 오픈 LLM 모델 소개 및 비교
    HuggingFace를 이용한 LLM 모델 사용하기
- 다양한 오픈 모델 LangChain과 연동하기
  - LangChain과 오픈 모델을 이용한 어플리케이션 구현하기
- LLM 모델 파인 튜닝
  - LLM 파인 튜닝의 목적과 원리
4 일차
- LLM 모델 파인 튜닝
  - 목적별 LLM 파인 튜닝 방법
    파인 튜닝 데이터 구성 방법
  - 목적별 LLM 파인 튜닝 방법
    파인 튜닝 데이터 구성 방법
- PEFT(Parameter Efficient Fine Tuning)
  - 파인 튜닝과 PEFT
  - LoRA 학습 방법 및 라이브러리 소개
    최신 PEFT 학습 방법 소개
- 오픈 LLM 파인 튜닝 실습
  - 파인 튜닝 데이터 생성하기
    LoRA를 이용한 LLM 파인 튜닝 실습
  - 파인 튜닝 데이터 생성하기
    LoRA를 이용한 LLM 파인 튜닝 실습
  - 파인 튜닝 데이터 생성하기
    LoRA를 이용한 LLM 파인 튜닝 실습
5 일차
- LLM 모델 서빙
  - 모델 사용 효율을 높이는 양자화/서빙 라이브러리 소개
  - 모델 사용 효율을 높이는 양자화/서빙 라이브러리 소개
- LLM 모델 서빙 실습
  - vLLM으로 LLM 추론 효율 높이기
- LLM 어플리케이션 배포하기
  - Streamlit으로 실제 LLM 어플리케이션 서비스하기
- 복습 프로젝트
  - 기존 LLM 실습의 성능 향상 방향 논의
    데이터를 활용한 파인 튜닝 sLLM 만들기
  - 기존 LLM 실습의 성능 향상 방향 논의
    데이터를 활용한 파인 튜닝 sLLM 만들기

수강후기 59

평균평점

4.8 / 5.0

5

문*희
2024.11.22

많은 내용을 압축해서 전달받을수 있었습니다. 큰 도움이 되었습니다.
5

송*우
2024.11.22

변화도 많고 범위가 넓은데도 잘 정리되어 부담이 덜 되는 강의였어요. 고생하셨습니다. 많이 도움이 될듯합니다
5

김*훈
2024.11.22

많은 도움이 되었습니다.
4.75

문*호
2024.11.22

상세한 설명이 좋습니다.
4.5

김*재
2024.11.22

Llm에 대해 제대로 된 강의를 처음 들어봤는데 도움이 되었습니다. 다만 회사에서 사용하는 특성상 sllm 관련 내용이 더 많앗으면 하는 바람이 있습니다.

LLM 파인튜닝 마스터, sLLM 만들기 관련과정

집합

교재제공

LLM 파인튜닝 마스터, 주요 예제로 배우는 LLM 어플리케이션 응용 기술