LLM 엔지니어링MetaContents

LLM 엔지니어링

LLM 엔지니어링. 모델 학습, 프라이빗 RAG, 에이전트와 서빙을 세 장의 카드로 보여 주는 표지 그림
시작 전에
환경설정 — Windows PC 에 가상환경을 만들고 장마다 필요한 패키지를 설치합니다
준비
환경설정
  1. 01설치하기
  2. 02패키지 설치하기
  3. 03실행 확인하기
  4. 04실습 파일 놓기
  5. 05자주 나는 오류
과정 안내
로드맵과 실습 안내 — STEP 마다의 요약, 실습에 필요한 API 키·모델·GPU
안내
과정 로드맵과 STEP 요약
  1. 01과정 한눈에
  2. 02STEP 1. 머신러닝·딥러닝 기초
  3. 03STEP 2. LLM 기초와 프라이빗 RAG
  4. 04STEP 3. AI 에이전트와 데이터 엔지니어링
  5. 05STEP 4. LLM 서빙 기초와 심화
  6. 06STEP 5. 프라이빗 AI Agent 서비스
  7. 07STEP 6. 엔터프라이즈 보안과 인프라
  8. 08장 사이 이어지는 것
  9. 09과정을 마친 뒤
안내
실습 코드 사용 안내
  1. 01먼저 알아 둘 것
  2. 02API 키와 비밀 값
  3. 03장별 실습 준비표: 모델과 GPU
  4. 04장별 실습 준비표: 순서, 파일, 포트
  5. 05Ollama 모델 받기
  6. 06GPU 가 없거나 작을 때
  7. 07실행하지 않은 안내 코드
  8. 08장을 건너는 의존과 순서
  9. 09오래 걸리는 곳
STEP 1
머신러닝·딥러닝 기초 — 머신러닝 과정과 평가, 신경망, Attention 과 Transformer 요약 보기
STEP 2
LLM 기초와 프라이빗 RAG — 사전학습부터 정렬까지, LoRA, 자체 임베딩과 벡터DB 로 만드는 RAG 요약 보기
STEP 3
AI 에이전트와 데이터 엔지니어링 — 도구를 쓰는 LLM, MCP, 폐쇄망 데이터 파이프라인 요약 보기
STEP 4
LLM 서빙 기초와 심화 — REST API, 웹 화면, 컨테이너, 경량화와 vLLM 서빙 요약 보기
STEP 5
프라이빗 AI Agent 서비스 — 서빙, 경량화, RAG 최적화를 모은 End-to-End 프로토타입 요약 보기
STEP 6
엔터프라이즈 보안과 인프라 — MLOps 와 LLMOps, 평가와 모니터링, 보안과 거버넌스 요약 보기
참고
참고 자료
부록
실습 데이터 파일

실습에 쓰는 파일은 교안과 함께 받은 data 폴더에 있습니다.

부록
용어집

장마다 나온 용어를 한곳에 모았습니다. 위의 찾기 칸에 낱말을 넣으면 그 줄만 남습니다.

안내
읽기 전에

머신러닝의 기본기에서 출발해, 내 데이터로 답하는 프라이빗 LLM 서비스와 AI 에이전트를 직접 만들고 서빙하고 지키는 데까지 갑니다.

  • 수강 대상: 파이썬, pandas, NumPy 를 이미 아는 분입니다. 이 셋의 문법은 설명하지 않습니다. 머신러닝, 딥러닝, LLM 의 개념과 용어는 처음부터 풀어 드립니다.
  • 장마다 "먼저 큰 그림부터"로 시작해 본문, 실습, 프로젝트, 정리, 확인문제 순서로 이어집니다.
  • 본문은 일상의 비유와 그림으로 먼저 설명하고 글로 정리합니다.
  • 코드 상자의 "복사" 단추를 누르면 코드가 복사됩니다.
  • 과정 전체의 흐름과 STEP 마다의 요약은 과정 로드맵과 STEP 요약에, 실습을 직접 돌릴 때 필요한 것(API 키, 모델, GPU, 먼저 돌릴 실습)은 실습 코드 사용 안내에 있습니다. 실행되는 실습 코드에는 진짜 API 키가 필요하지 않습니다.
  • 실습 데이터는 연습용으로 만든 가상 데이터입니다. 실제 회사나 고객의 데이터가 아닙니다. 프로젝트마다 실제 공개 자료를 구하는 곳을 함께 적었습니다.
  • 실행 결과는 Windows 11, Python 3.14.6 에서 얻었습니다. GPU 가 없어도 되도록 작은 공개 모델을 씁니다. Docker 나 Linux 가 필요한 코드는 실행하지 않은 안내 코드로 싣고, 그렇다고 밝힙니다.