대규모 언어 모델(LLM)과 강화 학습(RL) 교육 과정
대규모 언어 모델(LLM)은 입력된 정보를 바탕으로 인간처럼 자연스러운 텍스트를 생성하고 이해하도록 설계된 고도의 신경망입니다. 강화 학습(RL) 역시 머신 러닝의 한 종류로, 에이전트가 환경 속에서 행동을 통해 누적 보상을 극대화하는 방향으로 의사결정을 배우는 과정입니다.
본 교육은 강사가 직접 진행하는 실시간 교육(온라인 또는 오프라인)으로, 대규모 언어 모델과 강화 학습에 관해 폭넓은 이해와 실무 능력을 갖추고자 하는 중급 수준의 데이터 과학자들을 대상으로 합니다.
이 교육을 이수하면 참가자들은 다음과 같은 역량을 갖추게 됩니다:
- 트랜스포머 모델의 구성 요소와 작동 원리 이해하기
- 특정 과제 및 응용 분야에 맞춰 LLM을 최적화하고 미세 조정하기
- 강화 학습의 핵심 원칙과 방법론 파악하기
- 강화 학습 기법이 어떻게 LLM의 성능 향상에 기여하는지 이해하기
교육 방식
- 상호작용형 강의와 토론 진행
- 다양한 연습 문제와 실습 제공
- 실제 환경에서 직접 코드 구현해보기
커리큘럼 맞춤화 옵션
- 본 과정에 대한 맞춤형 교육을 원하시는 경우, 문의 주시면 협의하여 진행 가능합니다.
코스 개요
대규모 언어 모델(LLM) 개론
- LLM의 개요
- 정의와 중요성
- 현재 AI 분야에서의 활용 사례
트랜스포머 아키텍처
- 트랜스포머란 무엇이며 어떻게 작동하는가?
- 주요 구성 요소와 특징
- 임베딩 및 위치 인코딩
- 다중 헤드 어텐션 메커니즘
- 피드포워드 신경망
- 정규화와 잔차 연결 구조
트랜스포머 모델의 유형들
- 자가 어텐션 메커니즘 작동 방식
- 인코더-디코더 아키텍처 이해하기
- 위치 임베딩 활용 방법
- BERT (양방향 트랜스포머 기반 인코더 표현 모델)
- GPT (생성형 사전 학습 트랜스포머 모델)
성능 최적화와 주의해야 할 점들
- 컨텍스트 길이 관리 전략
- Mamba 및 상태 기반 모델들의 특징
- 플래시 어텐션 기술 이해하기<\/li>
- 희소 트랜스포머 구현 방식
- 비전 트랜스포머의 활용법
- 양자화 기법의 중요성 파악하기
트랜스포머 모델 개선 전략들
- 검색 증강 텍스트 생성 기법 적용하기
- 다중 모델 통합 활용 방법
- ‘사고의 트리’ 구조 도입 방안
미세 조정 기법들
- 저랭크 적응 학습 이론 살펴보기
- QLora를 이용한 미세 조정 실전 방법
LLM의 스케일링 법칙과 최적화 방향성
- LLM에서 스케일링 법칙이 갖는 의미
- 데이터 및 모델 규모에 따른 확장 전략
- 계산 자원 활용의 최적화 방안
- 매개변수 효율성 개선 방향
최적화 기법들
- 모델 규모, 데이터 크기, 연산 능력 및 추론 요구사항 간의 관계 파악하기
- LLM 성능과 효율성 개선 전략 도출하기
- 학습 및 미세 조정 시 유용한 최선의 관행과 툴 소개
LLM 학습 및 미세 조정 과정
- 처음부터 LLM을 구축할 때의 절차와 어려움들
- 데이터 확보 및 유지 관리 전략
- 대규모 데이터 처리, CPU 활용, 메모리 요구사항 분석하기
- 최적화 과정에서 발생하는 난제 파악하기
- 오픈소스 LLM 시장 현황과 전망 살펴보기
강화 학습(RL) 기초 개론
- 강화 학습이란 무엇인가?
- 긍정적 보상을 통한 학습 원리 이해하기
- 핵심 개념 및 용어 설명
- 마르코프 결정 과정(MDP) 개요
- 동적 계획법 활용 방법
- 몬테카를로 방법의 특징 분석하기
- 시간차 학습 메커니즘 살펴보기
심층 강화 학습 기술들
- 딥 Q-네트워크(DQN) 구조 이해하기
- 근접 정책 최적화(PPO) 알고리즘 살펴보기
- 강화 학습에 관한 주요 요소들 파악하기
LLM과 강화 학습의 결합 방안
- 두 기술을 융합하는 방법론 탐구하기
- LLM에서 강화 학습이 어떻게 활용되는지 이해하기
- 인간 피드백 기반 강화 학습(RLHF) 개념 알아보기
- RLHF 대체 가능한 기술적 접근법 소개
실제 사례 및 응용 분야 살펴보기
- 현실 세계에서의 활용 실례들
- 성공적인 적용 사례와 당면 과제 분석하기
고급 주제들
- 최신 고급 기법들 소개하기
- 첨단 최적화 방법론 탐색하기
- 혁신적인 연구 동향과 발전 방향 살펴보기
요약 및 향후 학습 방향 제시
요건
- 머신 러닝에 대한 기초 지식이 필요합니다
대상 청중
- 데이터 과학자들
- 소프트웨어 엔지니어들
오픈 트레이닝 코스는 5명 이상의 참가자가 필요합니다.
대규모 언어 모델(LLM)과 강화 학습(RL) 교육 과정 - 예약
대규모 언어 모델(LLM)과 강화 학습(RL) 교육 과정 - 문의
대규모 언어 모델(LLM)과 강화 학습(RL) - 컨설팅 문의
예정된 코스
관련 코스
고급 LangGraph: 복잡한 그래프 최적화, 디버깅 및 모니터링
35 시간LangGraph는 지속적인 상태를 유지하며 실행을 제어할 수 있는 구성 가능한 그래프 형태로 LLM 기반 애플리케이션을 구축하기 위한 프레임워크입니다.
본 강의는 강사가 직접 진행하는 실시간 교육으로, 온라인 또는 오프라인 방식으로 제공됩니다. 프로덕션 환경에서 사용되는 LangGraph 시스템을 최적화, 디버깅, 모니터링 및 운영하고자 하는 상급 수준의 AI 플랫폼 엔지니어, AI용 DevOps 전문가, 그리고 머신러닝 아키텍트들을 대상으로 합니다.
강의를 마치면 참가자들은 다음과 같은 역량을 갖추게 됩니다:
- 속도, 비용 효율성 및 확장성을 고려하여 복잡한 LangGraph 구조를 설계하고 최적화할 수 있습니다.
- 재시도 메커니즘, 타임아웃 설정, 멱등성 보장 및 체크포인트 기반 복구 기능을 통해 시스템의 안정성을 높일 수 있습니다.
- 그래프 실행 과정을 디버깅하고 추적하며 상태를 분석하여 프로덕션 환경에서 발생한 문제들을 체계적으로 재현할 수 있습니다.
- 로그, 메트릭, 트레이스 데이터를 활용해 그래프 시스템을 모니터링하고, SLA 및 비용 현황도 효과적으로 관리할 수 있습니다.
강의 형식
- 참여형 강의와 토론 진행
- 다양한 연습문제 및 실습 기회 제공
- 실제 랩 환경에서 직접 코드를 구현해보는 체험식 교육
강의 커스터마이징 옵션
- 본 강의에 맞춘 맞춤형 교육을 원하시는 경우, 저희에게 연락하여 일정을 협의해 주십시오.
Devstral을 활용한 코딩 에이전트 구축: 에이전트 설계부터 툴 사용까지
14 시간Devstral은 오픈소스 프레임워크로서, 개발자들이 코드베이스, 개발 도구 및 API와 상호작용하여 엔지니어링 생산성을 높일 수 있도록 설계된 코딩 에이전트를 구축하고 실행하는 데 사용됩니다.
본 강의는 강사가 직접 진행하며 온라인 또는 오프라인으로 진행되는 실습 중심 교육입니다. ML 엔지니어, 개발 도구 관련 팀원, 그리고 Devstral을 활용해 코딩 에이전트를 설계·구현·최적화하고자 하는 숙련된 수준의 전문가들을 대상으로 합니다.
강의를 마치면 참가자들은 다음 역량을 갖추게 됩니다:
- 코딩 에이전트 개발을 위해 Devstral을 설정하고 구성할 수 있습니다.
- 코드베이스를 탐색 및 수정하기 위한 에이전틱 워크플로우를 설계할 수 있습니다.
- 개발 도구 및 API와 코딩 에이전트를 연동시킬 수 있습니다.
- 안전하고 효율적인 에이전트 배포를 위한 모범 사례를 적용할 수 있습니다.
강의 형식
- 상호작용형 강의 및 토론 진행
- 다양한 연습 문제와 실습 기회 제공
- 실제 환경에서 직접 코딩해보는 실습 중심 교육
강의 커스터마이징 옵션
- 본 강의를 각 조직의 요구에 맞게 맞춤형으로 진행하고자 하시는 경우, 문의해주시면 협의드리겠습니다.
오픈소스 모델 운영: Devstral 및 Mistral 모델을 활용한 자체 호스팅, 미세 조정 및 거버넌스
14 시간Devstral와 Mistral 모델은 유연한 배포, 미세 조정 및 확장 가능한 통합이 가능하도록 설계된 오픈소스 AI 기술입니다.
본 교육 과정은 강사가 직접 진행하는 실시간 온라인 또는 현장 강의로서, 중급 이상 수준의 머신러닝 엔지니어, 플랫폼 팀원 및 연구 엔지니어를 대상으로 합니다. 참가자들은 실제 운영 환경에서 Mistral 및 Devstral 모델을 자체 호스팅하고 미세 조정하며 효과적으로 관리하는 방법을 배우게 됩니다.
교육을 마치면 다음과 같은 역량을 갖추게 됩니다:
- Mistral 및 Devstral 모델용 자체 호스팅 환경 설정 및 구성
- 특정 도메인에 맞춘 성능 향상을 위한 미세 조정 기법 적용
- 버전 관리, 모니터링 및 라이프사이클 거버넌스 체계 구축
- 오픈소스 모델의 보안성, 규정 준수 및 책임감 있는 활용 보장
강좌 형식
- 상호작용형 강의 및 토론 진행
- 자체 호스팅 및 미세 조정을 위한 실습 연습
- 거버넌스 및 모니터링 파이프라인 구축을 위한 실시간 실습
교육 과정 맞춤화 옵션
- 본 교육 과정을 고객 요구에 맞게 커스터마이징하고 싶으신 경우, 별도로 연락 주시면 협의해 드리겠습니다.
금융 분야 LangGraph 애플리케이션
35 시간LangGraph 기초: 그래프 기반 LLM 프롬프트 체인 구성법
14 시간LangGraph는 계획 수립, 분기 처리, 도구 활용, 메모리 관리 및 제어 가능한 실행 기능을 갖춘 그래프 구조의 LLM 애플리케이션 개발을 위한 프레임워크입니다.
이 강좌는 온라인 또는 현장에서 진행되는 인스트럭터 주도 교육으로서, LangGraph를 활용해 신뢰성 높은 다단계 LLM 워크플로우를 설계하고 구현하고자 하는 초급 수준의 개발자, 프롬프트 엔지니어 및 데이터 전문가들을 대상으로 합니다.
강좌 종료 시 참가자들은 다음 역량을 갖추게 됩니다:
- LangGraph의 핵심 개념인 노드, 엣지, 상태의 정의와 그 활용 시점 이해하기
- 분기처리, 도구 호출 및 메모리 유지 기능을 포함한 프롬프트 체인 구축하기
- 검색 모듈 및 외부 API를 그래프 워크플로우에 통합시키는 방법 익히기
- 신뢰성과 안전성을 확보하기 위해 LangGraph 애플리케이션을 테스트, 디버깅, 평가하는 기술 습득하기
강좌 형식
- 상호작용형 강의와 토론 진행
- 샌드박스 환경에서 실습 지도 및 코드 설명 제공
- 설계, 테스트, 평가 등 다양한 시나리오 기반 연습 과제 제공
강좌 맞춤화 옵션
- 원하시는 요구사항에 따라 강좌 내용을 맞춤형으로 구성해 드리며, 문의 주시면 상담해 드립니다.
보안 환경에서의 워크플로우 오케스트레이션: LangGraph 의료 분야 적용
35 시간법률 애플리케이션을 위한 LangGraph
35 시간LangGraph 및 LLM 에이전트를 활용한 동적 워크플로우 구축
14 시간마케팅 자동화를 위한 LangGraph
14 시간LangGraph는 그래프 기반의 오케스트레이션 프레임워크로서, 조건부 설정이 가능한 다단계 LLM 및 도구 워크플로우를 구축할 수 있게 해줍니다. 이는 콘텐츠 파이프라인의 자동화와 개인화에 매우 적합합니다.
본 교육 과정은 강사가 직접 진행하는 실습형 프로그램으로, 온라인 또는 현장에서 진행됩니다. 중급 수준의 마케터, 콘텐츠 전략가 및 자동화 개발자를 대상으로 하며, LangGraph를 활용해 역동적이고 분기적인 이메일 캠페인과 콘텐츠 생성 파이프라인을 구현하고자 하는 학습자들을 위해 마련되었습니다.
교육 과정을 마치면 참가자들은 다음 역량을 갖추게 됩니다:
- 조건부 논리를 적용한 그래프 구조의 콘텐츠 및 이메일 워크플로우 설계
- LLM, API 및 데이터 소스를 통합하여 자동화된 개인화 기능 실현
- 다단계 캠페인 전반에서 상태, 메모리 및 컨텍스트 관리 방법 습득
- 워크플로우의 성능과 결과물을 평가하고 지속적으로 최적화하는 기술
교육 방식
- 상호작용형 강의와 그룹 토론
- 이메일 워크플로우 및 콘텐츠 파이프라인을 직접 구현해보는 실습 시간
- 개인화, 세분화 및 분기 논리 적용에 관한 시나리오 기반 연습 과제
맞춤형 교육 옵션
- 본 과정에 맞는 맞춤형 커리큘럼을 원하시면 당사에 문의해 주시기 바랍니다.
Le Chat Enterprise: 프라이빗 ChatOps, 통합 기능 및 관리 제어
14 시간비용 효율적인 LLM 아키텍처: Mistral의 스케일 확장 (성능/비용 엔지니어링)
14 시간Mistral 커넥터 및 통합 기능을 활용한 대화형 어시스턴트 제품화
14 시간Mistral AI는 팀들이 기업용 및 고객 대응 업무 흐름에 대화형 어시스턴트를 구축하고 통합할 수 있도록 지원하는 오픈 소스 AI 플랫폼입니다.
이 강의식 실습 중심의 교육 과정(온라인 또는 현장 진행)은 Mistral 커넥터와 통합 기능을 활용해 대화형 어시스턴트를 설계하고 제품화하고자 하는 초급 및 중급 수준의 프로덕트 매니저, 풀스택 개발자, 통합 엔지니어들을 위해 마련되었습니다.
본 교육 과정을 수료하면 참가자들은 다음과 같은 역량을 갖추게 됩니다:
- Mistral 대화형 모델을 기업용 시스템 및 SaaS 커넥터와 통합할 수 있습니다.
- 정확하고 신뢰도 높은 응답 생성을 위해 RAG(Retrieval-Augmented Generation) 기술을 구현할 수 있습니다.
- 내부용 및 외부 고객 대상 채팅 어시스턴트를 위한 사용자 경험 디자인 패턴을 설계할 수 있습니다.
- 실제 업무 환경에서 활용될 수 있도록 대화형 어시스턴트를 제품 워크플로우에 적용할 수 있습니다.
강의 형식
- 상호작용형 강연 및 토론 진행
- 실제 통합 구현을 위한 실습 연습
- 대화형 어시스턴트 개발을 위한 라이브 랩 세션
맞춤형 강의 옵션
- 본 과정에 대한 맞춤형 교육 프로그램을 원하시는 경우, 문의해 주시면 일정을 조율해 드립니다.
Mistral Medium 3를 활용한 엔터프라이즈급 배포
14 시간Mistral Medium 3는 엔터프라이즈 환경에서 실제 운영에 바로 사용할 수 있도록 설계된 고성능 멀티모달 대규모 언어 모델입니다.
본 강의는 강사가 직접 진행하는 오프라인 또는 온라인 교육으로, 중급 이상 수준의 AI/ML 엔지니어, 플랫폼 아키텍트 및 MLOps 팀을 대상으로 합니다. 참가자들은 Mistral Medium 3를 기업 환경에 효과적으로 배포하고 최적화하며 보안을 강화하는 방법을 습득하게 됩니다.
강의 종료 후에는 다음과 같은 역량을 갖추게 됩니다:
- API 및 자체 호스팅 방식을 활용해 Mistral Medium 3를 배포할 수 있습니다.
- 추론 성능을 향상시키고 운영 비용을 최적화할 수 있습니다.
- Mistral Medium 3로 다양한 멀티모달 애플리케이션을 구현할 수 있습니다.
- 엔터프라이즈 환경에서 보안 및 규정 준수 요구사항을 충족하는 방안을 적용할 수 있습니다.
강의 형식
- 상호작용적인 강의와 토론이 진행됩니다.
- 다양한 실습 및 연습 문제를 통해 학습 효과를 높입니다.
- 실제 실습 환경에서 직접 코드를 구현해보는 기회도 제공됩니다.
강의 커스터마이징 옵션
- 요구사항에 맞춘 맞춤형 교육을 원하실 경우, 저희에게 문의해 주시기 바랍니다.
Mistral을 활용한 책임감 있는 AI 구현: 개인정보 보호, 데이터 거주성 및 기업용 제어 기능
14 시간Mistral AI는 안전하고 규제 준수가 용이하며 책임감 있게 AI를 도입할 수 있도록 다양한 기능을 제공하는 오픈 소스 기반의 엔터프라이즈급 AI 플랫폼입니다.
본 강좌는 실시간 온라인 또는 현장 교육으로, 중급 수준의 규제 준수 담당자, 보안 아키텍트 및 법무/운영 관계자를 대상으로 합니다. 이들은 Mistral을 활용하여 개인정보 보호 정책, 데이터 거주성 요구사항 및 기업용 제어 기능을 효과적으로 적용하는 방법을 배우게 됩니다.
강좌가 끝나면 참가자들은 다음과 같은 역량을 갖추게 됩니다:
- Mistral 환경에서 개인정보 보호 기법을 구현할 수 있습니다.
- 규제 요구사항에 부합하는 데이터 거주성 전략을 설계할 수 있습니다.
- RBAC, SSO, 감사 로그와 같은 기업용 제어 기능을 구성할 수 있습니다.
- 규정 준수 목적에 맞게 다양한 벤더 및 배포 방식을 평가할 수 있습니다.
강좌 진행 형식
- 상호작용형 강의 및 토론
- 규제 준수 중심의 사례 연구 및 실습 활동
- 실제 엔터프라이즈 AI 제어 기능 구현 연습
강좌 맞춤형 설정 옵션
- 이 강좌를 본인들의 요구사항에 맞게 커스터마이징하고 싶으신 경우, 연락 주시면 기꺼이 협의해 드리겠습니다.
