- 주문상품수량
- 개
- 예상적립금
P - 상품할인금
- 원
- 배송료
- 원
- 주문합계
- 원
네비게이션 실시간 인기 책
베스트
실전! LLM을 활용한 생성형 AI 애플리케이션 개발
- 발렌티나 알토 저
- 위키북스
- 2024년 11월 15일
-
정가28,000원
-
판매가25,200원 [10% 할인]
-
결제 혜택무이자
카드할인/포인트결제 안내
제휴카드
반디앤루니스 롯데카드 결제금액 최대 25% 청구할인 (1만원 이상 결제건에 한해 월 2회, 건당 최대 1만원 할인) 반디앤루니스 우리V카드 결제금액 10% 청구할인 포인트결제
OK캐쉬백 포인트 최소 10원부터 전액 사용 or 1% 적립 현대카드 M포인트 결제금액의 최대 10% 사용 가능 신한카드 포인트 결제금액의 최대 10% 사용 가능(일부카드) 하나(구.외환) 포인트 보유 한도 내에서 100% 사용 가능 씨티카드 포인트 결제금액의 최대 50% 사용 가능 할인카드
NH농협 TAKE5카드 20% 청구할인(Edu Pack) 채움 플래티늄 멀티카드 20% 청구할인 모바일 Tmoney 신한카드 10% 청구할인 신한카드 Shopping 10% 청구할인 NH농협 체크카드 10% 청구할인 NH20 해봄 신용카드 10% 청구할인 씨티 클리어 카드 7% 청구할인 NH20 해봄 체크카드 5% 청구할인 NH농협 LADY다솜카드 5% 청구할인 신한카드 큐브 5% 청구할인 신한카드 큐브 PLATINUM# 5% 청구할인 
무이자 안내
-
적립금1,400원 적립 [5%P]
추가 적립금 안내
[2천원 추가 적립]
총 주문금액 5만원 이상 구매 시 2,000원 추가 적립
도서(eBook포함)만 구매 시 적립 대상에서 제외업채배송상품 포함(기프트, 업체배송 등) 5만원[멤버십 추가 적립]
슈퍼루니 : 3% 추가 적립
골드루니 : 2% 추가 적립
실버루니 : 1% 추가 적립
단, 국내도서, eBook만 구매 시 적립 불가
-
배송료무료배송
-
출고예정일
출고예정일 안내
※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.
2026년 04월 08일(수)※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.
당일배송 가능지역 검색
“도로명주소”를 쉽게 찾아보세요
1. 도로명으로 검색하기 (예, “직지길” or “직지길+322”)
2. 건물명으로 검색하기 (예, “반디앤루니스빌딩”)
3. 동(읍/면/리) 으로 검색 (예, “인사동” or “인사동+43”)
4. 도로명주소를 모르실 경우 도로명주소 안내시스템(http://www.juso.go.kr)에서 확인해주세요.
시/도
시/군/구
회원리뷰
ISBN: 9791158395582
368쪽
699g
175 x 235 (㎜)
지금 이책은
- 판매지수 : 0
- 주간 컴퓨터/IT: 90위
이 분야의 베스트셀러
-
처음 만나는 인공지능 [개정판]
김대수
26,000원
-
비전공자를 위한 이해할 수 있는 IT 지식
최원영
15,120원
-
컴퓨팅 사고 Level Up 소프트 파워 with 스크래치
김호다, 이지민, 정영철 외
20,700원
책 소개
이 책은
LLM이 제공하는 기본 개념, 최신 기술, 실용적인 응용 방법을 심도 있게 설명하고, 궁극적으로 AI의 경계를 확장하는 대규모 파운데이션 모델(LFM)까지 다룬다. 이 책은 LLM을 깊이 있게 소개하는 것으로 시작한다. 이어서 독점 모델(GPT 3.5/4)과 오픈소스 모델(Falcon LLM)을 비롯한 다양한 주류 아키텍처 프레임워크를 살펴보고, 각각의 강점과 차이점을 분석한다.
출판사 리뷰
LLM과 생성형 AI의 모든 것을 빠르게 익히고 싶은 분들을 위한 필독서!
《실전! LLM을 활용한 생성형 AI 애플리케이션 개발》은 LLM이 제공하는 기본 개념, 최신 기술, 실용적인 응용 방법을 심도 있게 설명하고, 궁극적으로 AI의 경계를 확장하는 대규모 파운데이션 모델(LFM)까지 다룹니다.
이 책은 LLM을 깊이 있게 소개하는 것으로 시작합니다. 이어서 독점 모델(GPT 3.5/4)과 오픈소스 모델(Falcon LLM)을 비롯한 다양한 주류 아키텍처 프레임워크를 살펴보고, 각각의 강점과 차이점을 분석합니다. 나아가 파이썬 기반의 경량 프레임워크인 랭체인을 중심으로, LLM과 강력한 도구를 사용해 비정형 데이터에서 정보를 찾아내고 구조화된 데이터와 상호작용할 수 있는 지능형 에이전트를 만드는 과정을 안내합니다. 또한 이 책은 언어 모델링을 넘어 다양한 AI 작업과 영상이나 오디오 같은 유형의 데이터까지 포괄하는 LFM의 영역까지 다룹니다.
AI 전문가든 이제 막 AI에 입문하는 초보자든, 이 책은 LLM의 잠재력을 최대한 발휘하고 지능형 AI 시스템의 새로운 시대를 열어가기 위한 로드맵이 될 것입니다.
★ 이 책에서 다루는 내용 ★
인코더-디코더 블록과 임베딩을 포함한 LLM 아키텍처의 핵심 구성요소 탐구
GPT-3.5/4, Llama 2, Falcon LLM 같은 LLM의 특징 이해
프런트엔드용 스트림릿(Streamlit)과 랭체인 등의 AI 오케스트레이터 활용
메모리, 프롬프트, 도구와 같은 LLM 구성요소 숙지
비모수적 지식과 벡터 데이터베이스 활용법 학습
AI 연구와 산업 응용에서 LFM이 갖는 의미 이해
파인 튜닝을 통한 LLM 커스터마이징
저자 소개
열정적인 AI 연구자이자 과학기술 작가이자 달리기 애호가다. 데이터과학 석사 과정을 마친 후 2020년에 마이크로소프트에 입사해 AI 전문가로 일하고 있다. 학업을 시작할 때부터 머신러닝과 AI에 열정을 쏟은 발렌티나는 기술 블로그에 수백 편의 글을 올리며 전문 지식을 연마했으며, 팩트 출판사를 통해 첫 번째 저서인 《Modern Generative AI with ChatGPT and OpenAI Models》를 출간했다. 지금은 여러 대기업과 협력해 AI를 각 회사의 프로세스에 통합하고 대규모 파운데이션 모델을 활용해 혁신적인 솔루션을 만드는 데 힘쓰고 있다. 여가 시간에는 이탈리아의 아름다운 산에서 하이킹을 하거나 달리기, 여행, 그리고 커피 한 잔과 함께 좋은 책 읽기를 즐긴다.
역자 소개
한국방송통신대학교에서 컴퓨터과학을 전공하고 IT 시스템 운영을 자동화하는 소프트웨어의 기술 지원을 주로 했다. 프로그래밍 책을 쓰고 번역하다가 IT 전문 출판사의 편집자가 됐다. 데이터 분석과 인공지능 책을 주로 담당하는 한편, 파이썬으로 업무 자동화 프로그램을 개발해 활용한다. 누구나 챗GPT를 활용해 자신의 이야기를 책으로 쓸 수 있게 도우려 개발한 'Book Creator Guide' GPT가 OpenAI의 추천을 받아 글쓰기 부문 상위권에 올랐다. 저자·번역자로서 《챗GPT와 랭체인을 활용한 LLM 기반 AI 앱 개발》(위키북스, 2024), 《Hello IT 파이썬을 제대로 활용해보려고 해》(패스트캠퍼스, 2022) 등을 냈고, 온라인 책 공유 플랫폼인 위키독스에 '전뇌해커'라는 필명으로 글을 쓴다. 어릴 적 꿈을 떠올리고 서울사이버대학교 드론·로봇융합학과에 입학해 공부하고 있다.
목차
[1부] 대규모 언어 모델 기초
01장: 대규모 언어 모델 소개
1.1 대규모 파운데이션 모델과 LLM이란 무엇인가?
__1.1.1 AI 패러다임 전환과 파운데이션 모델 소개
__1.1.2 LLM의 내부
1.2 널리 사용되는 LLM 트랜스포머 기반 아키텍처
__1.2.1 초기 실험
__1.2.2 트랜스포머 아키텍처 도입
1.3 LLM 훈련과 평가
__1.3.1 LLM 훈련
__1.3.2 모델 평가
1.4 기본 모델과 맞춤형 모델 비교
__1.4.1 모델을 맞춤화하는 방법
1.5 요약
1.6 참고 문헌
02장: AI 기반 애플리케이션을 위한 LLM
2.1 LLM은 소프트웨어 개발을 어떻게 변화시키는가
2.2 코파일럿 시스템
2.3 LLM을 애플리케이션에 통합하기 위한 AI 오케스트레이터 소개
__2.3.1 AI 오케스트레이터의 주요 구성 요소
__2.3.2 랭체인
__2.3.3 헤이스택
__2.3.4 시맨틱 커널
__2.3.5 프레임워크 선택 방법
2.4 요약
2.5 참고 문헌
03장: 애플리케이션에 적합한 LLM 선택
3.1 시장에서 가장 유망한 LLM 소개
__3.1.1 독점 모델
__3.1.2 오픈소스 모델
3.2 언어를 넘어선 다양한 AI 모델 탐색
3.3 LLM 선택을 위한 의사결정 프레임워크
__3.3.1 고려 사항
__3.3.2 사례 연구
3.4 요약
3.5 참고 문헌
[2부] LLM 기반 애플리케이션 개발
04장: 프롬프트 엔지니어링
4.1 프롬프트 엔지니어링이란?
4.2 프롬프트 엔지니어링 기본
__4.2.1 명확한 지침을 제공
__4.2.2 복잡한 과업을 하위 과업으로 분할
__4.2.3 정당화를 요청
__4.2.4 여러 개의 출력을 생성해 가장 적합한 것을 선택
__4.2.5 마지막에 지침을 반복
__4.2.6 구분선을 사용
4.3 고급 프롬프트 엔지니어링
__4.3.1 퓨샷 학습
__4.3.2 사고 연쇄(CoT)
__4.3.3 추론행동(ReAct)
4.4 요약
4.5 참고 문헌
05장: 애플리케이션에 LLM 통합하기
5.1 랭체인에 대한 간략한 정보
5.2 랭체인 시작하기
__5.2.1 모델과 프롬프트
__5.2.2 데이터 연결
__5.2.3 기억
__5.2.4 체인
__5.2.5 에이전트
5.3 허깅페이스 허브를 통해 LLM 사용하기
__5.3.1 허깅페이스 사용자 액세스 토큰 만들기
__5.3.2 .env 파일에 시크릿 저장하기
__5.3.3 오픈소스 LLM 사용 시작하기
5.4 요약
5.5 참고 문헌
06장: 대화형 애플리케이션 구축
6.1 대화형 애플리케이션 시작하기
__6.1.1 단순한 기본형 봇 만들기
__6.1.2 기억 추가하기
__6.1.3 비모수적 지식을 추가하기
__6.1.4 외부 도구 추가하기
6.2 스트림릿으로 프런트엔드 개발하기
6.3 요약
6.4 참고 문헌
07장: LLM을 사용한 검색 및 추천 엔진
7.1 추천 시스템 개요
7.2 기존 추천 시스템
__7.2.1 K-최근접 이웃
__7.2.2 행렬 분해
__7.2.3 신경망
7.3 LLM이 추천 시스템을 변화시키는 방법
7.4 LLM 기반 추천 시스템 구현
__7.4.1 데이터 전처리
__7.4.2 콜드 스타트 시나리오에서 QA 추천 챗봇 구축하기
__7.4.3 콘텐츠 기반 시스템 구축하기
__7.4.4 스트림릿으로 프런트엔드 개발하기
7.5 요약
7.6 참고 문헌
08장: 정형 데이터와 함께 LLM 사용하기
8.1 정형 데이터란?
8.2 관계형 데이터베이스 시작하기
__8.2.1 관계형 데이터베이스 개요
__8.2.2 샘플 데이터베이스 소개
__8.2.3 파이썬으로 관계형 DB 다루기
8.3 랭체인으로 DBCopilot 구현하기
__8.3.1 랭체인 에이전트 및 SQL 에이전트
__8.3.2 프롬프트 엔지니어링
__8.3.3 도구 추가하기
8.4 스트림릿으로 프런트엔드 개발하기
8.5 요약
8.6 참고 문헌
09장: 코드 작업하기
9.1 코드에 적합한 LLM 선택하기
9.2 코드 이해 및 생성
__9.2.1 팔콘 LLM
__9.2.2 코드라마
__9.2.3 스타코더
9.3 알고리즘처럼 작동시키기
9.4 코드 인터프리터 활용하기
9.5 요약
9.6 참고 문헌
10장: LLM으로 멀티모달 애플리케이션 구축
10.1 왜 멀티모달리티인가?
10.2 랭체인으로 멀티모달리티 에이전트 구축하기
10.3 옵션 1: Azure AI 서비스용 기본 제공 툴킷 사용하기
__10.3.1 AzureCognitiveServicesToolkit 시작하기
10.4 옵션 2: 단일 도구를 하나의 에이전트로 결합하기
__10.4.1 유튜브 도구 및 위스퍼
__10.4.2 DALL-E 및 텍스트 생성
__10.4.3 통합하기
10.5 옵션 3: 시퀀셜 체인을 사용한 하드코딩 접근 방식
10.6 세 가지 옵션 비교
10.7 스트림릿으로 프런트엔드 개발하기
10.8 요약
10.9 참고 문헌
11장: 대규모 언어 모델 미세 조정
11.1 미세 조정이란?
11.2 미세 조정은 언제 필요한가?
11.3 미세 조정 시작하기
__11.3.1 데이터셋 가져오기
__11.3.2 데이터 토큰화하기
__11.3.3 모델 미세 조정하기
__11.3.4 평가 지표 사용하기
__11.3.5 훈련 및 저장
11.4 요약
11.5 참고 문헌
[03부] LLM의 윤리와 미래
12장: 책임 있는 AI
12.1 책임 있는 AI란 무엇이며 왜 필요한가?
12.2 책임 있는 AI 아키텍처
__12.2.1 모델 수준
__12.2.2 메타프롬프트 수준
__12.2.3 사용자 인터페이스 수준
12.3 책임 있는 AI 관련 규정
12.4 요약
12.5 참고 문헌
13장: 새로운 트렌드와 혁신
13.1 언어 모델 및 생성형 AI의 최신 동향
__13.1.1 GPT-4V(ision)
__13.1.2 DALL-E 3
__13.1.3 오토젠
__13.1.4 소규모 언어 모델
13.2 생성형 AI를 도입하는 기업들
__13.2.1 코카콜라
__13.2.2 노션
__13.2.3 말벡
__13.2.4 마이크로소프트
13.3 요약
13.4 참고 문헌
01장: 대규모 언어 모델 소개
1.1 대규모 파운데이션 모델과 LLM이란 무엇인가?
__1.1.1 AI 패러다임 전환과 파운데이션 모델 소개
__1.1.2 LLM의 내부
1.2 널리 사용되는 LLM 트랜스포머 기반 아키텍처
__1.2.1 초기 실험
__1.2.2 트랜스포머 아키텍처 도입
1.3 LLM 훈련과 평가
__1.3.1 LLM 훈련
__1.3.2 모델 평가
1.4 기본 모델과 맞춤형 모델 비교
__1.4.1 모델을 맞춤화하는 방법
1.5 요약
1.6 참고 문헌
02장: AI 기반 애플리케이션을 위한 LLM
2.1 LLM은 소프트웨어 개발을 어떻게 변화시키는가
2.2 코파일럿 시스템
2.3 LLM을 애플리케이션에 통합하기 위한 AI 오케스트레이터 소개
__2.3.1 AI 오케스트레이터의 주요 구성 요소
__2.3.2 랭체인
__2.3.3 헤이스택
__2.3.4 시맨틱 커널
__2.3.5 프레임워크 선택 방법
2.4 요약
2.5 참고 문헌
03장: 애플리케이션에 적합한 LLM 선택
3.1 시장에서 가장 유망한 LLM 소개
__3.1.1 독점 모델
__3.1.2 오픈소스 모델
3.2 언어를 넘어선 다양한 AI 모델 탐색
3.3 LLM 선택을 위한 의사결정 프레임워크
__3.3.1 고려 사항
__3.3.2 사례 연구
3.4 요약
3.5 참고 문헌
[2부] LLM 기반 애플리케이션 개발
04장: 프롬프트 엔지니어링
4.1 프롬프트 엔지니어링이란?
4.2 프롬프트 엔지니어링 기본
__4.2.1 명확한 지침을 제공
__4.2.2 복잡한 과업을 하위 과업으로 분할
__4.2.3 정당화를 요청
__4.2.4 여러 개의 출력을 생성해 가장 적합한 것을 선택
__4.2.5 마지막에 지침을 반복
__4.2.6 구분선을 사용
4.3 고급 프롬프트 엔지니어링
__4.3.1 퓨샷 학습
__4.3.2 사고 연쇄(CoT)
__4.3.3 추론행동(ReAct)
4.4 요약
4.5 참고 문헌
05장: 애플리케이션에 LLM 통합하기
5.1 랭체인에 대한 간략한 정보
5.2 랭체인 시작하기
__5.2.1 모델과 프롬프트
__5.2.2 데이터 연결
__5.2.3 기억
__5.2.4 체인
__5.2.5 에이전트
5.3 허깅페이스 허브를 통해 LLM 사용하기
__5.3.1 허깅페이스 사용자 액세스 토큰 만들기
__5.3.2 .env 파일에 시크릿 저장하기
__5.3.3 오픈소스 LLM 사용 시작하기
5.4 요약
5.5 참고 문헌
06장: 대화형 애플리케이션 구축
6.1 대화형 애플리케이션 시작하기
__6.1.1 단순한 기본형 봇 만들기
__6.1.2 기억 추가하기
__6.1.3 비모수적 지식을 추가하기
__6.1.4 외부 도구 추가하기
6.2 스트림릿으로 프런트엔드 개발하기
6.3 요약
6.4 참고 문헌
07장: LLM을 사용한 검색 및 추천 엔진
7.1 추천 시스템 개요
7.2 기존 추천 시스템
__7.2.1 K-최근접 이웃
__7.2.2 행렬 분해
__7.2.3 신경망
7.3 LLM이 추천 시스템을 변화시키는 방법
7.4 LLM 기반 추천 시스템 구현
__7.4.1 데이터 전처리
__7.4.2 콜드 스타트 시나리오에서 QA 추천 챗봇 구축하기
__7.4.3 콘텐츠 기반 시스템 구축하기
__7.4.4 스트림릿으로 프런트엔드 개발하기
7.5 요약
7.6 참고 문헌
08장: 정형 데이터와 함께 LLM 사용하기
8.1 정형 데이터란?
8.2 관계형 데이터베이스 시작하기
__8.2.1 관계형 데이터베이스 개요
__8.2.2 샘플 데이터베이스 소개
__8.2.3 파이썬으로 관계형 DB 다루기
8.3 랭체인으로 DBCopilot 구현하기
__8.3.1 랭체인 에이전트 및 SQL 에이전트
__8.3.2 프롬프트 엔지니어링
__8.3.3 도구 추가하기
8.4 스트림릿으로 프런트엔드 개발하기
8.5 요약
8.6 참고 문헌
09장: 코드 작업하기
9.1 코드에 적합한 LLM 선택하기
9.2 코드 이해 및 생성
__9.2.1 팔콘 LLM
__9.2.2 코드라마
__9.2.3 스타코더
9.3 알고리즘처럼 작동시키기
9.4 코드 인터프리터 활용하기
9.5 요약
9.6 참고 문헌
10장: LLM으로 멀티모달 애플리케이션 구축
10.1 왜 멀티모달리티인가?
10.2 랭체인으로 멀티모달리티 에이전트 구축하기
10.3 옵션 1: Azure AI 서비스용 기본 제공 툴킷 사용하기
__10.3.1 AzureCognitiveServicesToolkit 시작하기
10.4 옵션 2: 단일 도구를 하나의 에이전트로 결합하기
__10.4.1 유튜브 도구 및 위스퍼
__10.4.2 DALL-E 및 텍스트 생성
__10.4.3 통합하기
10.5 옵션 3: 시퀀셜 체인을 사용한 하드코딩 접근 방식
10.6 세 가지 옵션 비교
10.7 스트림릿으로 프런트엔드 개발하기
10.8 요약
10.9 참고 문헌
11장: 대규모 언어 모델 미세 조정
11.1 미세 조정이란?
11.2 미세 조정은 언제 필요한가?
11.3 미세 조정 시작하기
__11.3.1 데이터셋 가져오기
__11.3.2 데이터 토큰화하기
__11.3.3 모델 미세 조정하기
__11.3.4 평가 지표 사용하기
__11.3.5 훈련 및 저장
11.4 요약
11.5 참고 문헌
[03부] LLM의 윤리와 미래
12장: 책임 있는 AI
12.1 책임 있는 AI란 무엇이며 왜 필요한가?
12.2 책임 있는 AI 아키텍처
__12.2.1 모델 수준
__12.2.2 메타프롬프트 수준
__12.2.3 사용자 인터페이스 수준
12.3 책임 있는 AI 관련 규정
12.4 요약
12.5 참고 문헌
13장: 새로운 트렌드와 혁신
13.1 언어 모델 및 생성형 AI의 최신 동향
__13.1.1 GPT-4V(ision)
__13.1.2 DALL-E 3
__13.1.3 오토젠
__13.1.4 소규모 언어 모델
13.2 생성형 AI를 도입하는 기업들
__13.2.1 코카콜라
__13.2.2 노션
__13.2.3 말벡
__13.2.4 마이크로소프트
13.3 요약
13.4 참고 문헌
배송 시 유의사항
- 반디앤루니스에서 구매하신 도서는 물류 대행 위탁업체 웅진 북센을 통해 배송됩니다.
(배송 포장에 "웅진 북센"으로 표기될 수 있습니다.)
- 구매한 상품의 품질과 배송 관련 문의는 반디앤루니스로 문의 바랍니다.
- 천재지변 및 택배사의 사정에 따라 배송이 지연될 수 있습니다.
- 결제(입금) 완료 후 출판사 및 유통사의 사정으로 품절 또는 절판 되어 상품 구입이 어려울 수 있습니다. (별도 안내 예정)
- 도서산간지역의 경우 추가 배송비가 발생될 수 있습니다.
반품/교환
상품 설명에 반품/ 교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다)
반품/교환
-
반품/교환 반품/교환 방법 홈 > 고객센터 > 자주찾는질문 “반품/교환/환불” 안내 참고 또는 1:1상담게시판 반품/교환 가능 기간 반품,교환은 배송완료 후 7일 이내, 상품의 결함 및 계약내용과 다를 경우 문제발견 후 30일 이내에 신청가능 반품/교환 비용 변심 혹은 구매착오의 경우에만 반송료 고객 부담(별도 지정 택배사 없음) 반품/교환 불가 사유 - 소비자의 책임 사유로 상품 등이 손실 또는 훼손된 경우
- 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
- 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예)만화책, 잡지, 화보집 등
- 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
- 전자상거래등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
- 해외주문 상품(해외 원서)의 경우(파본/훼손/오발송 상품을 제외)
소비자 피해보상
환불지연에 따른 배상- 상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은
소비자 분쟁해결 기준(공정거래위원회고시)에 준하여 처리됨 - 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의
소비자 보호에 관한 법률에 따라 처리함
반품/교환 주소 경기도 파주시 문발로 77, 웅진북센(반디앤루니스)
