길벗·이지톡

길벗스쿨 시나공 IT 길벗 동영상강좌

1장 제미나이 알아보기

1.1 제미나이 알아보기

__1.1.1 제미나이란

__1.1.2 제미나이 모델 종류

__1.1.3 대규모 언어 모델의 개요

__1.1.4 제미나이 API 알아보기

__1.1.5 대규모 언어 모델의 활용 사례

1.2 제미나이 시작

__1.2.1 제미나이 시작하기

__1.2.2 제미나이 어드밴스드

1.3 인공지능과 머신러닝, 딥러닝

__1.3.1 인공지능과 머신러닝, 딥러닝

__1.3.2 뉴런과 신경망

__1.3.3 모델 작성과 학습, 추론

1.4 자연어 처리와 딥러닝 모델

__1.4.1 자연어 처리 분야에서 딥러닝 모델 역사

__1.4.2 딥러닝 모델을 이용하여 이미지 처리하기

__1.4.3 딥러닝을 활용하여 음성 처리하기

2장 제미나이 사용

2.1 제미나이 사용법

__2.1.1 제미나이 화면 구성

__2.1.2 제미나이에서 실행할 수 있는 주요 작업

2.2 구글 AI 스튜디오 사용법

__2.2.1 구글 AI 스튜디오 시작하기

__2.2.2 구글 AI 스튜디오의 화면 구성

__2.2.3 API 키 가져오기

__2.2.4 새 프롬프트 작성과 모델 튜닝, 라이브러리

__2.2.5 문서

__2.2.6 설정

__2.2.7 도구 모음

__2.2.8 시스템 지시

__2.2.9 프롬프트 실행하기

__2.2.10 실행 설정하기

2.3 버텍스 AI 스튜디오 사용법

__2.3.1 버텍스 AI 스튜디오 시작하기

__2.3.2 버텍스 AI 제미나이 API 사용 요금

__2.3.3 버텍스 AI 스튜디오의 화면 구성

__2.3.4 왼쪽 메뉴

__2.3.5 도구 모음

__2.3.6 시스템 지시

__2.3.7 프롬프트 실행하기

__2.3.8 실행 설정하기

3장 파이썬 개발 환경 준비

3.1 파이썬 개요

__3.1.1 파이썬이란

3.2 구글 코랩 알아보기

__3.2.1 구글 코랩이란

__3.2.2 구글 코랩 시작하기

__3.2.3 파이썬 스크립트 실행하기

__3.2.4 파이썬 패키지 설치하기

__3.2.5 텍스트 추가하기

__3.2.6 구글 코랩의 화면 구성하기

__3.2.7 구글 코랩의 메뉴

__3.2.8 GPU 사용하기

__3.2.9 구글 드라이브 마운트

__3.2.10 구글 코랩의 사용 한도와 대책

__3.2.11 구글 코랩의 요금제

3.3 파이썬 기초 문법

__3.3.1 문자열 출력하기

__3.3.2 변수와 연산자

__3.3.3 문자열

__3.3.4 리스트

__3.3.5 딕셔너리

__3.3.6 튜플

__3.3.7 제어문

__3.3.8 함수와 람다식

__3.3.9 클래스

__3.3.10 패키지 임포트와 컴포넌트 직접 호출

4장 제미나이 API(파이썬 편)

4.1 텍스트 생성

__4.1.1 텍스트 생성의 개요

__4.1.2 제미나이 API의 개요

__4.1.3 구글 AI 제미나이 API의 개요

__4.1.4 구글 AI 제미나이 API의 요금

__4.1.5 API 키 가져오기

__4.1.6 제미나이 API 준비

__4.1.7 모델 목록 확인

__4.1.8 텍스트 생성

__4.1.9 스트리밍

__4.1.10 챗

__4.1.11 생성 파라미터

__4.1.12 토큰 수 확인

__4.1.13 안전 설정

__4.1.14 시스템 지시

__4.1.15 JSON 모드

4.2 멀티모달

__4.2.1 멀티모달 개요

__4.2.2 지원하는 파일 형식

__4.2.3 제미나이 API 준비하기

__4.2.4 이미지 질의응답

__4.2.5 File API를 사용한 이미지 질의응답

__4.2.6 음성 질의응답

__4.2.7 동영상 질의응답

4.3 임베딩

__4.3.1 임베딩 개요

__4.3.2 제미나이 API 준비

__4.3.3 임베딩 모델 종류

__4.3.4 text-embedding-004 사용법

__4.3.5 text-embedding-004를 활용한 이웃 탐색

__4.3.6 bge-m3 사용법

__4.3.7 bge-m3를 활용한 이웃 탐색

4.4 함수 호출

__4.4.1 함수 호출의 개요

__4.4.2 제미나이 API 준비하기

__4.4.3 자동 함수 호출하기

__4.4.4 도구 설정하기

__4.4.5 수동 함수 호출하기

__4.4.6 병렬 함수 호출하기

4.5 파인 튜닝

__4.5.1 파인 튜닝의 개요

__4.5.2 제미나이 API 요금

__4.5.3 파인 튜닝 모델 목록 가져오기

__4.5.4 학습 데이터 준비하기

__4.5.5 학습하기

__4.5.6 추론하기

__4.5.7 파인 튜닝 모델 설명 업데이트하기

__4.5.8 파인 튜닝 모델 삭제하기

__4.5.9 인증 정보 파일

4.6 버텍스 AI 제미나이 API

__4.6.1 버텍스 AI 제미나이 API의 개요

__4.6.2 버텍스 AI 제미나이 API 요금

__4.6.3 서비스 계정 키 준비하기

__4.6.4 버텍스 AI 제미나이 API 준비하기

__4.6.5 텍스트 생성하기

__4.6.6 이미지 질의응답

5장 제미나이 API(안드로이드 편)

5.1 텍스트 생성

__5.1.1 텍스트 생성의 개요

__5.1.2 구글 AI 제미나이 API의 개요

__5.1.3 제미나이 API 요금

__5.1.4 API 키 가져오기

__5.1.5 제미나이 API 준비하기

__5.1.6 텍스트 생성하기

__5.1.7 스트리밍

__5.1.8 챗

__5.1.9 생성 파라미터

__5.1.10 안전 설정

5.2 멀티모달

__5.2.1 멀티모달 개요

__5.2.2 제미나이 API 준비하기

__5.2.3 이미지 질의응답

5.3 로컬 LLM

__5.3.1 로컬 LLM의 개요

__5.3.2 제미나이 나노와 젬마

__5.3.3 안드로이드의 로컬 언어 모델 실행 환경

__5.3.4 Llama.cpp 데모 애플리케이션 실행하기

6장 제미나이 API(iOS 편)

6.1 텍스트 생성

__6.1.1 텍스트 생성의 개요

__6.1.2 구글 AI 제미나이 API의 개요

__6.1.3 제미나이 API 요금

__6.1.4 API 키 가져오기

__6.1.5 제미나이 API 준비하기

__6.1.6 텍스트 생성하기

__6.1.7 스트리밍

__6.1.8 챗

__6.1.9 생성 파라미터

__6.1.10 안전 설정

6.2 멀티모달

__6.2.1 멀티모달 개요

__6.2.2 제미나이 API 준비하기

__6.2.3 이미지 질의응답

6.3 로컬 LLM

__6.3.1 로컬 LLM의 개요

__6.3.2 iOS의 로컬 LLM 실행 환경

__6.3.3 Llama.cpp 데모 애플리케이션 실행하기

__6.3.4 MLX Swift 데모 애플리케이션 실행하기

7장 라마인덱스

7.1 라마인덱스 시작

__7.1.1 라마인덱스란

__7.1.2 라마인덱스 핵심 단계

__7.1.3 문서 준비하기

__7.1.4 라마인덱스 준비하기

__7.1.5 라마인덱스를 활용한 질의응답

__7.1.6 인덱스 저장과 불러오기

7.2 라마인덱스 커스터마이징

__7.2.1 라마인덱스 커스터마이징의 개요

__7.2.2 라마인덱스 준비하기

__7.2.3 문서 준비하기

__7.2.4 LLM 커스터마이징하기

__7.2.5 임베딩 모델 커스터마이징하기

__7.2.6 토크나이저 커스터마이징하기

__7.2.7 텍스트 분리기 커스터마이징하기

__7.2.8 쿼리 엔진 커스터마이징하기

__7.2.9 리랭커

7.3 데이터로더

__7.3.1 데이터로더 개요

__7.3.2 웹 페이지를 활용한 질의응답

__7.3.3 유튜브 동영상을 활용한 질의응답

7.4 벡터 스토어

__7.4.1 벡터 스토어의 개요

__7.4.2 라마인덱스 준비하기

__7.4.3 문서 준비하기

__7.4.4 파이스 사용 순서

__7.4.5 파인콘 개요와 API 가져오기

__7.4.6 파인콘 사용 순서

7.5 평가

__7.5.1 라마인덱스 평가하기

__7.5.2 라마인덱스 준비하기

__7.5.3 문서 준비하기

__7.5.4 질문 컨텍스트 데이터셋 생성하기

__7.5.5 Retrieval Evaluation

__7.5.6 응답 성능 평가하기

8장 랭체인

8.1 랭체인 시작

__8.1.1 랭체인 개요

__8.1.2 랭체인 활용 사례

__8.1.3 랭체인의 패키지 구성하기

__8.1.4 랭체인의 모듈 소개하기

__8.1.5 랭체인 준비하기

__8.1.6 LLM

__8.1.7 프롬프트 템플릿

__8.1.8 출력 파서

__8.1.9 체인

__8.1.10 에이전트

__8.1.11 랭스미스

8.2 LLM

__8.2.1 LLM 개요

__8.2.2 랭체인 준비하기

__8.2.3 LLM 사용법

__8.2.4 ChatModel 사용법

__8.2.5 스트리밍

__8.2.6 버텍스 AI 제미나이 API의 LLM 사용법

8.3 프롬프트 템플릿

__8.3.1 프롬프트 템플릿 모듈의 개요

__8.3.2 랭체인 준비하기

__8.3.3 문자열 프롬프트 템플릿의 사용법

__8.3.4 챗 프롬프트 템플릿의 사용법

__8.3.5 메시지플레이스홀더의 사용법

8.4 출력 파서

__8.4.1 출력 파서의 개요

__8.4.2 랭체인 준비하기

__8.4.3 문자열 출력 파서의 사용법

__8.4.4 단순 JSON 출력 파서의 사용법

__8.4.5 파이단틱 출력 파서의 사용법

8.5 체인

__8.5.1 체인 개요

__8.5.2 LCEL 개요

__8.5.3 러너블 개요

__8.5.4 랭체인 준비하기

__8.5.5 체인 사용법

__8.5.6 러너블 사용법

__8.5.7 러너블의 입출력 스키마 확인하기

8.6 챗봇

__8.6.1 챗봇 개요

__8.6.2 랭체인 준비하기

__8.6.3 LLM 준비하기

__8.6.4 챗봇 준비하기

__8.6.5 커스텀 지시

__8.6.6 대화 이력 관리하기

__8.6.7 랭스미스 확인하기

8.7 검색 증강 생성

__8.7.1 검색 증강 생성의 개요

__8.7.2 랭체인 준비하기

__8.7.3 임베딩 모델 준비하기

__8.7.4 벡터 스토어 준비하기

__8.7.5 리트리버 준비하기

__8.7.6 검색 증강 생성 구현하기

__8.7.7 검색 증강 생성으로 문서 처리하기

__8.7.8 랭스미스 확인하기

8.8 에이전트

__8.8.1 에이전트 개요

__8.8.2 랭체인 준비하기

__8.8.3 임베딩 모델 준비하기

__8.8.4 도구 준비하기

__8.8.5 에이전트 구현하기

__8.8.6 메시지 스트리밍

__8.8.7 대화 이력을 포함한 에이전트 구현하기

__8.8.8 랭스미스 확인하기