연락처 정보

코스 개요

오픈소스 LLM 소개

  • DeepSeek, Mistral, LLaMA 등 주요 오픈소스 모델 개요
  • LLM 작동 원리: 트랜스포머 구조와 자기주의 메커니즘, 학습 과정
  • 오픈소스 모델과 상용화된 모델 간 비교 분석

LLM 미세 조정 및 맞춤 설정

  • 미세 조정을 위한 데이터 준비 방법
  • Hugging Face를 활용한 LLM 학습 및 최적화 전략
  • 모델 성능 평가와 편향성 감소 기법

LLM을 활용한 AI 에이전트 개발

  • AI 에이전트 구축을 위한 LangChain 활용 방안
  • LLM 기반 워크플로우 설계 원리
  • 메모리 관리, 검색 증강 생성(RAG) 및 액션 실행 구현

LLM 기반 AI 에이전트 배포 전략

  • Docker를 이용한 AI 에이전트 컨테이너화 방법
  • 기업 애플리케이션에 LLM 통합 시나리오
  • 클라우드 서비스와 API를 활용한 AI 에이전트 확장 방안

기업 환경에서의 AI 보안 및 규제 준수

  • 윤리적 고려사항과 관련 법규 준수 방법
  • AI 기반 자동화 과정에서의 리스크 방지 전략
  • AI 에이전트 동작 상태 모니터링 및 감사 절차

실제 사례와 활용 예시

  • LLM 기반 가상 비서 구축 사례
  • 문서 자동화 시스템에서의 AI 적용 방안
  • 기업 분석 업무에 활용되는 맞춤형 AI 에이전트

LLM 기반 에이전트 최적화 및 유지관리

  • 모델의 지속적인 개선과 업데이트 계획 수립
  • 실시간 모니터링 체계와 피드백 루프 구현
  • 비용 절감 및 성능 최적화를 위한 전략

요약 및 향후 발전 방향 안내

요건

  • AI와 머신러닝에 대한 충분한 이해
  • Python 프로그래밍 경험
  • 대규모 언어 모델(LLM) 및 자연어 처리(NLP)에 대한 기본 지식

대상 수강생

  • AI 엔지니어
  • 기업용 소프트웨어 개발자
  • 비즈니스 리더
 21 시간

참가자 수


참가자별 가격

예정된 코스

관련 카테고리