국문 소개
•
본 과목은 대규모 언어 모델의 구조와 기능을 체계적으로 이해하고(LLM; Large Language Model), 검색증강생성프레임워크 (RAG; Retrieval-Augmented Generation)를 실제적인 문제 해결에 적용하는 데 필요한 능력을 기르는 것을 목표로 한다. 특히 LangChain과 LangGraph 같은 최신 LLM 개발 툴을 중심으로 검색과 생성 기능을 통합하는 파이프라인 구축과 최적화 기법까지 포괄적으로 다루게 된다. LLM의 기본 구조와 작동 원리를 학습하고 프롬프트 엔지니어링, 연쇄적 사고, 반복적 사고방식, 실패 대응로직 등을 적용하여 복잡한 문제 해결할 수 있는 기법을 배운다. 또한 텍스트 임베딩과 벡터 데이터베이스를 활용하는 구조를 심층적으로 학습하여 대규
모 비정형 데이터에 대한 효율적인 접근과 정보를 기반으로 한 고품질 응답 생성 방법을 배운다.
영문 소개
•
This course is designed to systematically cultivate an in-depth understanding of the structure and functionality of large language models (LLMs) and to develop the practical competencies
necessary for applying the Retrieval-Augmented Generation (RAG) framework to real-world problem solving. Emphasizing the use of contemporary LLM development tools such as LangChain
and LangGraph, the course comprehensively addresses the construction and optimization of integrated retrieval-generation pipelines. Students begin by studying the fundamental architecture
and operational principles of LLMs, while also exploring prompt engineering techniques and reasoning strategies such as chain-of-thought, ReAct, and error-handling mechanisms through
retries. Further into the course, students undertake an in-depth study of Retrieval-Augmented Generation (RAG) architectures. Practical exercises involve constructing retrieval-based
generation pipelines by leveraging text embedding techniques and vector databases, thereby enabling efficient access to large-scale unstructured data and enhancing the generation of
high-quality responses.
