o1부터 RAG, 랭체인, 파인 튜닝 그리고 프롬프트 엔지니어링까지 GPT와 파이썬을 활용한 실전 LLM 앱 개발챗GPT의 등장 이후로 언어 모델은 놀라운 속도로 진화하고 있다. 이 책은 LLM의 흥미로운 역사와 핵심 요소를 짚어보고 간단한 파이썬 코드로 인공지능 앱을 만드는 방법을 소개한다. 오픈AI API와 각종 라이브러리를 활용해 뉴스 기사 생성, 유튜브 동영상 요약, 질의응답 봇, 음성인식 프로그램 등 흥미로운 프로젝트를 직접 구축한다. 이 과정에서 프롬프트 엔지니어링, 파인 튜닝, 랭체인, RAG 등 고급 주제를 폭넓게 다룬다. 완전히 새롭게 구성한 2판에는 더욱 확장된 최신 AI 기술을 폭넓게 다룬다. AI 개념에 대한 명확하고 자세한 설명과 함께 오픈AI 서비스를 효과적이고 안전하게 통합하는 방법을 친절하게 소개한다. 이 책은 기본적인 파이썬 지식만 있으면 누구나 쉽게 따라 할 수 있다. 명확한 설명, 예제 프로젝트, 단계별 지침을 통해 새로운 앱을 만들어 보자.
결제 기술의 선도 기업인 월드라인(Worldline)에서 머신러닝 연구자로 일합니다. 브뤼셀 자유대학교(Universite libre de Bruxelles)에서 머신러닝 개론과 심화 딥러닝 과목을 가르치고 있다. 통계학과 컴퓨터 과학으로 석사 학위를 받고 머신러닝으로 박사 학위를 받았다. 과학 저널 및 학회에서 42편의 논문을 발표했으며 9가지 특허를 보유하고 있다.
CHAPTER 1 GPT 모델과 챗GPT_1.1 LLM 소개__1.1.1 언어 모델과 자연어 처리의 기초 탐구__1.1.2 트랜스포머 아키텍처와 LLM에서의 역할__1.1.3 GPT 모델의 토큰화 및 예측 단계__1.1.4 LLM과 비전 인식의 통합_1.2 GPT-1부터 GPT-4o까지__1.2.1 GPT-1__1.2.2 GPT-2__1.2.3 GPT-3__1.2.4 GPT-3에서 인스트럭트GPT로__1.2.5 GPT-3.5, 챗GPT, 코덱스__1.2.6 GPT-4__1.2.7 AI의 진화와 멀티모달리티_1.3 LLM의 비즈니스 활용 사례__1.3.1 비 마이 아이즈__1.3.2 모건 스탠리__1.3.3 칸 아카데미__1.3.4 듀오링고__1.3.5 야블__1.3.6 웨이마크__1.3.7 인월드 AI_1.4 AI 할루시네이션_1.5 GPT 모델 최적화_1.6 정리CHAPTER 2 오픈AI API_2.1 필수 개념_2.2 오픈AI API 가용 모델__2.2.1 GPT 베이스 모델__2.2.2 인스트럭트GPT(레거시)__2.2.3 GPT-3.5__2.2.4 GPT-4_2.3 오픈AI 플레이그라운드로 GPT 모델 사용하기_2.4 오픈AI 파이썬 라이브러리__2.4.1 API 키 발급__2.4.2 API 호출_2.5 채팅 완성 모델__2.5.1 채팅 완성 엔드포인트의 입력 옵션__2.5.2 temperature와 top_p__2.5.3 채팅 완성 엔드포인트의 출력 형식__2.5.4 비전__2.5.5 JSON 출력_2.6 텍스트 완성 모델__2.6.1 텍스트 완성 엔드포인트를 위한 입력 옵션__2.6.2 텍스트 완성 엔드포인트의 출력 결과 형식_2.7 고려 사항__2.7.1 사용료와 토큰 한도__2.7.2 정보 보안_2.8 기타 오픈AI API 및 기능__2.8.1 임베딩__2.8.2 모더레이션 모델__2.8.3 텍스트 음성 변환__2.8.4 음성인식__2.8.5 이미지 모델 API_2.9 정리CHAPTER 3 LLM 기반 애플리케이션 개발_3.1 주의 사항__3.1.1 API 키 관리__3.1.2 보안과 데이터 개인 정보 보호_3.2 소프트웨어 아키텍처 디자인 패턴_3.3 LLM 기반 애플리케이션의 능력__3.3.1 대화 능력__3.3.2 언어 처리 능력__3.3.3 인간-컴퓨터 상호작용 능력__3.3.4 능력 결합_3.4 프로젝트 예시__3.4.1 프로젝트 1: 뉴스 생성 솔루션 구축__3.4.2 프로젝트 2: 유튜브 동영상 요약__3.4.3 프로젝트 3: 「젤다의 전설」 챗봇__3.4.4 프로젝트 4: 개인 어시스턴트__3.4.5 프로젝트 5: 문서 정리__3.4.6 프로젝트 6: 감정 분석_3.5 비용 관리_3.6 LLM 기반 애플리케이션의 취약점__3.6.1 입출력 분석__3.6.2 프롬프트 인젝션의 불가피성_3.7 외부 API와 작업__3.7.1 오류 및 예기치 않은 지연 문제 처리__3.7.2 요청 제한__3.7.3 응답성과 사용자 경험 향상_3.8 정리CHAPTER 4 GPT-4o 및 챗GPT 활용 고급 기법_4.1 프롬프트 엔지니어링__4.1.1 효과적인 프롬프트 설계__4.1.2 단계별 사고__4.1.3 퓨샷 러닝 구현__4.1.4 사용자 피드백을 통한 반복적 개선__4.1.5 프롬프트 개선_4.2 파인 튜닝__4.2.1 시작하기__4.2.2 오픈AI API를 통한 파인 튜닝__4.2.3 오픈AI 웹 인터페이스를 통한 파인 튜닝__4.2.4 파인 튜닝을 활용한 애플리케이션__4.2.5 파인 튜닝 예시__4.2.6 파인 튜닝 비용_4.3 RAG__4.3.1 기본 RAG__4.3.2 고급 RAG__4.3.3 RAG의 한계_4.4 전략 선택__4.4.1 전략 비교__4.4.2 평가_4.5 LLM 기반 솔루션의 해결 과제__4.5.1 프롬프트 민감도__4.5.2 비결정성__4.5.3 할루시네이션_4.6 정리CHAPTER 5 프레임워크로 LLM 기능 높이기_5.1 랭체인__5.1.1 랭체인 라이브러리__5.1.2 동적 프롬프트__5.1.3 에이전트와 도구__5.1.4 메모리__5.1.5 임베딩_5.2 라마인덱스__5.2.1 10줄 코드로 RAG 구현하기__5.2.2 라마인덱스 원칙__5.2.3 맞춤 설정_5.3 GPTs_5.4 어시스턴트 API__5.4.1 어시스턴트 생성__5.4.2 어시스턴트 API를 통한 대화 관리__5.4.3 함수 호출__5.4.4 오픈AI 웹 플랫폼의 어시스턴트_5.5 정리CHAPTER 6 마치며_6.1 주요 내용__6.1.1 GPT 모델__6.1.2 오픈AI API__6.1.3 기획과 설계__6.1.4 LLM 기능 활용__6.1.5 다양한 프레임워크 활용_6.2 LLM 기반 애플리케이션 개발 과정__6.2.1 1단계: 아이디어 구상__6.2.2 2단계: 요구 사항 정의__6.2.3 3단계: 프로토타입 제작__6.2.4 4단계: 개선 및 반복__6.2.5 5단계: 솔루션 완성도 검토_6.3 정리APPENDIX A GPT의 활용도를 높이는 도구A.1 스트림릿A.2 GPTs 작업 기능APPENDIX B 오픈AI o1B.1 챗GPT에서 o1 활용하기APPENDIX C 용어 사전C.1 주요 용어C.2 도구, 라이브러리, 프레임워크
