본문 바로가기

추천 검색어

실시간 인기 검색어

엘라스틱서치를 활용한 벡터 검색 실무 가이드

자연어 처리와 생성형 AI, RAG를 위한 대규모 벡터 데이터베이스
위키북스 오픈소스 & 웹 시리즈 115
위키북스

2025년 02월 05일 출간

국내도서 : 2024년 06월 26일 출간

(개의 리뷰)
( 0% 의 구매자)
eBook 상품 정보
파일 정보 pdf (8.82MB)
ISBN 9791158395773
지원기기 교보eBook App, PC e서재, 리더기, 웹뷰어
교보eBook App 듣기(TTS) 가능
TTS 란?
텍스트를 음성으로 읽어주는 기술입니다.
  • 전자책의 편집 상태에 따라 본문의 흐름과 다르게 텍스트를​ 읽을 수 있습니다.
  • 이미지 형태로 제작된 전자책 (예 : ZIP 파일)은 TTS 기능을 지원하지 않습니다.

PDF 필기가능 (Android, iOS)
소득공제
소장
정가 : 22,400원

쿠폰적용가 20,160

10% 할인 | 5%P 적립

이 상품은 배송되지 않는 디지털 상품이며,
교보eBook앱이나 웹뷰어에서 바로 이용가능합니다.

카드&결제 혜택

  • 5만원 이상 구매 시 추가 2,000P
  • 3만원 이상 구매 시, 등급별 2~4% 추가 최대 416P
  • 리뷰 작성 시, e교환권 추가 최대 200원

작품소개

이 상품이 속한 분야

자연어 처리(NLP)는 주로 검색 사례에 활용되지만, 이 책은 벡터를 활용해 가관측성과 사이버 보안 같은 중요한 도메인 과제를 해결하는 데 영감을 주는 것이 목표입니다. 각 장은 벡터 검색과 엘라스틱을 통합해 검색 사례뿐만 아니라 가관측성과 사이버 보안 기능도 개선하는 데 초점을 맞춥니다.

이 책은 먼저 NLP와 NLP 프로세스에서 엘라스틱의 기능을 소개합니다. 다음으로 자원 요구사항을 파악하고 빠른 응답 시간을 위한 특정 페이지 캐시 요구사항과 함께 벡터가 밀집 벡터(dense vector) 유형에 어떻게 저장되는지 알아봅니다. 계속 읽다 보면 노드 스케일링, 설정 튜닝, Rally와 파이썬을 사용한 부하 테스트 등 머신러닝 모델 배포를 개선하려는 다양한 튜닝 기법과 전략을 발견하게 됩니다. 또한 이미지를 활용한 벡터 검색 기법, 성능 향상을 위한 모델 미세 조정, 엘라스틱서치에서 이미지 유사성 검색을 위한 CLIP 모델 사용법도 다룹니다. 마지막으로, RAG(retrieval-augmented generation, 검색 증강 생성)를 살펴보고 벡터화된 데이터, ELSER의 기능, RRF의 정제된 검색 메커니즘을 활용하는 데 챗GPT와 엘라스틱서치를 통합하는 방법을 배웁니다.

이 책을 다 읽고 나면 엘라스틱을 활용해 프로젝트에서 벡터 검색을 구현하고 최적화하는 데 필요한 모든 기술을 갖추게 됩니다.

★ 이 책에서 다루는 내용 ★

◎ 벡터 검색 기능을 활용해 성능 최적화하기
◎ 이미지 벡터 검색과 그 활용 분야 탐구하기
◎ 개인 식별 정보 탐지 및 마스킹하기
◎ 차세대 가관측성을 위한 로그 분석 및 검색 구현하기
◎ 사이버 보안을 위한 벡터 기반 봇 탐지 활용하기
◎ 벡터 공간 시각화 및 엘라스틱의 최신 검색 기능 살펴보기
◎ 스트림릿(Streamlit)을 활용한 RAG 강화 애플리케이션 구현하기
[1부] 벡터 검색의 기본

▣ 01: 벡터와 임베딩 소개
1.1 벡터 검색에서 지도 학습과 비지도 학습의 역할 살펴보기
___임베딩/벡터란 무엇인가요?
___벡터는 어떤 문제를 해결하는 데 사용하나요?
___개발자 환경
___허깅 페이스(Hugging Face)
___시장 환경과 개발자 경험의 가속화
1.2 사용 사례 및 적용 분야
___AI 기반 검색
___개체명 인식(NER)
___감성 분석
___텍스트 분류
___질의응답(QA)
___텍스트 요약
1.3 엘라스틱은 이 분야에서 어떤 역할을 하고 있나요?
___가관측성 및 사이버 보안에 대한 기본 개념
요약

▣ 02: 엘라스틱에서 벡터 검색 시작하기
2.1 벡터 검색 이전 엘라스틱에서의 검색 경험
___데이터 유형이 관련성에 미치는 영향
___관련성 모델
2.2 검색 경험의 발전
___키워드 기반 검색의 한계
___벡터 표현
2.3 새로운 벡터 데이터 유형과 벡터 검색 쿼리 API
___희소 벡터와 밀집 벡터
___엘라스틱 클라우드 시작하기
___밀집 벡터 매핑
___완전 탐색 kNN 검색(Brute-force kNN search)
___kNN search
요약

[2부] 고급 애플리케이션 및 성능 최적화

▣ 03: 엘라스틱에서의 모델 관리와 벡터 고려 사항
3.1 허깅 페이스
___모델 허브
___Datasets
___Spaces
3.2 Eland
___허깅 페이스에서 엘라스틱서치로 임베딩 모델 가져오기
___엘라스틱서치 인증 구성하기
___허깅 페이스 허브에서 모델 가져오기
___모델 다운로드
___엘라스틱서치 내부에 모델 적재하기
___모델 시작하기
___모델 배포하기
___질의 벡터 만들기
3.3 엘라스틱서치 내부에서 벡터 만들기
3.4 클러스터 자원 계획 수립하기
___CPU 및 메모리 관련 요구사항
___디스크 요구사항
___인덱스 디스크 사용량 분석 API
3.5 머신러닝 노드 용량
3.6 스토리지 효율성 전략
___차원 축소
___양자화
___source에서 dense_vector 제외하기
요약

▣ 04: 성능 튜닝 - 데이터를 통한 확인
4.1 NLP 모델 배포
___엘라스틱서치에 모델 적재하기
___모델 배포와 관련된 설정
4.2 부하 테스트
___Rally
___메모리(RAM) 사용량 예측
___속도 저하 문제 해결
요약

[3부] 특수 사용 사례

▣ 05: 이미지 검색
5.1 이미지 검색 개요
___이미지 검색 발전
___이미지 검색 방식
___벡터 유사도 검색의 역할
___이미지 검색 사례
5.2 이미지 벡터 검색
___이미지 벡터화
___엘라스틱서치에 이미지 벡터 색인하기
___k-최근접 이웃(kNN) 검색
___이미지 검색 분야의 해결 과제와 한계
5.3 벡터 검색을 위한 멀티모달(Multi-modal) 모델
___멀티모달의 필요성
___멀티모달 모델의 벡터 공간에 대한 이해
___OpenAI clip-ViT-B-32-multilingual-v1 모델 소개
___다양한 미디어 유형에 벡터 검색 적용하기
요약

▣ 06: 엘라스틱서치를 활용한 개인 식별 정보 제거
6.1 PII 및 제거(redaction) 개요
___PII가 포함될 수 있는 데이터 유형
___로그에 저장된 PII의 위험성
___PII가 유출 및 분실되는 유형
6.2 NER 모델과 정규식 패턴을 사용한 PII 제거
___NER 모델
___정규식 패턴
___PII 제거를 위한 NER 모델과 정규식(Grok) 패턴의 결합
6.3 엘라스틱서치의 PII 제거 파이프라인
___가짜 PII 만들기
___기본 파이프라인 설정
___기대 결과
6.4 PII 제거 파이프라인 확장 및 상세 설정을 위한 옵션
___기본 PII 예시 사용자 정의(customizing)하기
___신규 데이터 스트림을 위한 파이프라인 복제 및 신규 버전 만들기
___특정 데이터 세트를 위한 NER 모델 미세 조정
___맥락 인식 기술의 필요성과 적용 방법
요약

▣ 07: 벡터 기반 차세대 가관측성(Observability)
7.1 현대 소프트웨어 시스템에서 가관측성과 그 중요성에 대한 소개
___가관측성 - 주요 요소
___로그 분석과 가관측성에서의 그 역할
7.2 로그 분석에 벡터와 임베딩을 적용하는 새로운 접근 방식
___접근 방식 1 - 로그를 위한 기존 모델 훈련 또는 미세 조정
___접근 방식 2 - 사람이 이해할 수 있는 설명을 생성한 후 벡터화
7.3 로그 벡터화
___합성 로그
___OpenAI를 활용한 로그 확장
7.4 로그 시맨틱 검색
___로그 벡터 색인
___모델 적재
___수집 파이프라인
___시맨틱 검색
요약

▣ 08: 벡터와 임베딩이 사이버 보안 강화에 미치는 영향
8.1 이메일 피싱 탐지의 중요성 이해
___피싱이란?
___다양한 유형의 피싱 공격
___피싱 공격의 빈도에 관한 통계
___피싱 이메일 탐지의 도전과제
___자동 탐지의 역할
___자연어 처리 기술로 기존 기술 보완
8.2 ELSER 소개
8.3 생성형 AI에서 ELSER의 역할
8.4 엔론 이메일 데이터 세트 (ham 또는 spam)
8.5 ELSER가 작동하는 것을 보기
___하드웨어 고려 사항
___엘라스틱서치에 ELSER 모델 다운로드
___인덱스 설정과 데이터 수집 파이프라인 세팅
___ELSER를 활용한 시맨틱 검색
___ELSER의 한계점
요약

[4부] 혁신적인 통합과 미래 방향

▣ 09: 엘라스틱을 통한 검색 증강 생성
9.1 ELSER와 RRF를 활용한 RAG 강화 검색 준비하기
___ELSER를 활용한 시맨틱 검색
___RAG에 대한 필수 고려 사항 요약
___RRF를 활용한 ELSER 통합
___언어 모델과 RAG
9.2 심층 사례 연구 - RAG 기반 CookBot 만들기
___데이터 세트 개요 - Allrecipes.com 데이터 세트 살펴보기
___RAG 강화 검색을 위한 데이터 준비
___ELSER를 사용한 RRF 검색기
___검색기 활용 및 생성기 만들기
요약

▣ 10: 챗GPT용 엘라스틱 플러그인 구축하기
10.1 맥락의 기초
___동적 맥락의 패러다임
10.2 DCL 플러그인 - 구조와 작동 방식
10.3 DCL 구현하기
___엘라스틱 문서에서 최신 정보 가져오기
___Embedchain을 활용한 데이터 수준 높이기
___챗GPT와 통합해 실시간 대화 상대 만들기
___배포
요약

▣ 부록: 엘라스틱 가이드 GPT 만들기

작가정보

(Bahaaldine Azarmi)
일래스틱의 글로벌 고객 엔지니어링 부사장으로, 기업이 데이터 아키텍처, 분산 시스템, 머신러닝, 생성형 AI를 잘 활용하게 안내한다. 클라우드 사용에 중심을 둔 고객 엔지니어링팀을 이끌고 AI 분야에서 숙련된 커뮤니티를 구축하고 지식을 공유하여 영감을 주는 데 열정을 쏟고 있다.

(Jeff Vestal)
금융 거래 회사에서 10년 이상의 경력을 쌓으며 얻은 풍부한 배경지식과 일래스틱서치에 대한 폭넓은 경험을 갖추고 있다. 운영 능력, 엔지니어링 기술, 머신러닝 전문 지식이라는 독특한 조합을 가지고 있다. 일래스틱서치의 수석 고객 엔터프라이즈 아키텍트로 일하면서 일래스틱서치의 고급 검색 기능, 머신러닝 기능, 생성형 AI 통합을 활용해 사용자가 복잡한 데이터 문제를 실행할 수 있는 인사이트를 얻을 수 있도록 능숙하게 안내하는 혁신적인 솔루션을 만드는 데 탁월한 역량을 갖추고 있다.

삼성SDS 수석 엔지니어로, 다양한 대형 프로젝트와 솔루션 구축 업무를 수행했다. 현재는 생성형 AI 관련 개발을 리딩하고 있으며, AI를 활용한 고객 경험 향상에 앞장서고 있다.

삼성SDS에서 시멘틱 검색시스템 설계를 담당하고 있다. 엘라스틱을 활용한 업무를 수년간 진행했으며 최근에는 AI를 이해하고 활용하여 새로운 가치를 만들어내기 위해 발버둥치고 있다.

삼성SDS에서 소프트웨어 아키텍트 및 프로그래머로 일하고 있다. 스프링 부트, 카프카, 엘라스틱서치 등 다양한 백엔드 기술 스택 및 효율적인 아키텍처에 관심이 많다.

이 상품의 총서

Klover리뷰 (0)

Klover리뷰 안내
Klover(Kyobo-lover)는 교보를 애용해 주시는 고객님들이 남겨주신 평점과 감상을 바탕으로, 다양한 정보를 전달하는 교보문고의 리뷰 서비스입니다.
1. 리워드 안내
구매 후 90일 이내에 평점 작성 시 e교환권 100원을 적립해 드립니다.
  • - e교환권은 적립일로부터 180일 동안 사용 가능합니다.
  • - 리워드는 1,000원 이상 eBook, 오디오북, 동영상에 한해 다운로드 완료 후 리뷰 작성 시 익일 제공됩니다. (5,000원 이상 상품으로 변경 예정, 2024년 9월 30일부터 적용)
  • - 리워드는 한 상품에 최초 1회만 제공됩니다.
  • - sam 이용권 구매 상품 / 선물받은 eBook은 리워드 대상에서 제외됩니다.
2. 운영 원칙 안내
Klover리뷰를 통한 리뷰를 작성해 주셔서 감사합니다. 자유로운 의사 표현의 공간인 만큼 타인에 대한 배려를 부탁합니다. 일부 타인의 권리를 침해하거나 불편을 끼치는 것을 방지하기 위해 아래에 해당하는 Klover 리뷰는 별도의 통보 없이 삭제될 수 있습니다.
  • 도서나 타인에 대해 근거 없이 비방을 하거나 타인의 명예를 훼손할 수 있는 리뷰
  • 도서와 무관한 내용의 리뷰
  • 인신공격이나 욕설, 비속어, 혐오 발언이 개재된 리뷰
  • 의성어나 의태어 등 내용의 의미가 없는 리뷰

구매 후 리뷰 작성 시, e교환권 100원 적립

문장수집

문장수집 안내
문장수집은 고객님들이 직접 선정한 책의 좋은 문장을 보여 주는 교보문고의 새로운 서비스 입니다. 교보eBook 앱에서 도서 열람 후 문장 하이라이트 하시면 직접 타이핑 하실 필요 없이 보다 편하게 남길 수 있습니다. 마음을 두드린 문장들을 기록하고 좋은 글귀들은 ‘좋아요’ 하여 모아보세요. 도서 문장과 무관한 내용 등록 시 별도 통보없이 삭제될 수 있습니다.
리워드 안내
  • 구매 후 90일 이내에 문장 수집 등록 시 e교환권 100원을 적립해 드립니다.
  • e교환권은 적립일로부터 180일 동안 사용 가능합니다.
  • 리워드는 1,000원 이상 eBook에 한해 다운로드 완료 후 문장수집 등록 시 제공됩니다. (5,000원 이상 eBook으로 변경 예정, 2024년 9월 30일부터 적용)
  • 리워드는 한 상품에 최초 1회만 제공됩니다.
  • sam 이용권 구매 상품 / 선물받은 eBook / 오디오북·동영상 상품/주문취소/환불 시 리워드 대상에서 제외됩니다.

구매 후 문장수집 작성 시, e교환권 100원 적립

    교보eBook 첫 방문을 환영 합니다!

    신규가입 혜택 지급이 완료 되었습니다.

    바로 사용 가능한 교보e캐시 1,000원 (유효기간 7일)
    지금 바로 교보eBook의 다양한 콘텐츠를 이용해 보세요!

    교보e캐시 1,000원
    TOP
    신간 알림 안내
    엘라스틱서치를 활용한 벡터 검색 실무 가이드 웹툰 신간 알림이 신청되었습니다.
    신간 알림 안내
    엘라스틱서치를 활용한 벡터 검색 실무 가이드 웹툰 신간 알림이 취소되었습니다.
    리뷰작성
    • 구매 후 90일 이내 작성 시, e교환권 100원 (최초1회)
    • 리워드 제외 상품 : 마이 > 라이브러리 > Klover리뷰 > 리워드 안내 참고
    • 콘텐츠 다운로드 또는 바로보기 완료 후 리뷰 작성 시 익일 제공
    감성 태그

    가장 와 닿는 하나의 키워드를 선택해주세요.

    사진 첨부(선택) 0 / 5

    총 5MB 이하로 jpg,jpeg,png 파일만 업로드 가능합니다.

    신고/차단

    신고 사유를 선택해주세요.
    신고 내용은 이용약관 및 정책에 의해 처리됩니다.

    허위 신고일 경우, 신고자의 서비스 활동이 제한될 수
    있으니 유의하시어 신중하게 신고해주세요.


    이 글을 작성한 작성자의 모든 글은 블라인드 처리 됩니다.

    문장수집 작성

    구매 후 90일 이내 작성 시, e교환권 100원 적립

    eBook 문장수집은 웹에서 직접 타이핑 가능하나, 모바일 앱에서 도서를 열람하여 문장을 드래그하시면 직접 타이핑 하실 필요 없이 보다 편하게 남길 수 있습니다.

    P.
    엘라스틱서치를 활용한 벡터 검색 실무 가이드
    자연어 처리와 생성형 AI, RAG를 위한 대규모 벡터 데이터베이스
    저자 모두보기
    낭독자 모두보기
    sam 이용권 선택
    님이 보유하신 이용권입니다.
    차감하실 sam이용권을 선택하세요.
    sam 이용권 선택
    님이 보유하신 이용권입니다.
    차감하실 sam이용권을 선택하세요.
    sam 이용권 선택
    님이 보유하신 프리미엄 이용권입니다.
    선물하실 sam이용권을 선택하세요.
    결제완료
    e캐시 원 결제 계속 하시겠습니까?
    교보 e캐시 간편 결제
    sam 열람권 선물하기
    • 보유 권수 / 선물할 권수
      0권 / 1
    • 받는사람 이름
      받는사람 휴대전화
    • 구매한 이용권의 대한 잔여권수를 선물할 수 있습니다.
    • 열람권은 1인당 1권씩 선물 가능합니다.
    • 선물한 열람권이 ‘미등록’ 상태일 경우에만 ‘열람권 선물내역’화면에서 선물취소 가능합니다.
    • 선물한 열람권의 등록유효기간은 14일 입니다.
      (상대방이 기한내에 등록하지 않을 경우 소멸됩니다.)
    • 무제한 이용권일 경우 열람권 선물이 불가합니다.
    이 상품의 총서 전체보기
    네이버 책을 통해서 교보eBook 첫 구매 시
    교보e캐시 지급해 드립니다.
    교보e캐시 1,000원
    • 첫 구매 후 3일 이내 다운로드 시 익일 자동 지급
    • 한 ID당 최초 1회 지급 / sam 이용권 제외
    • 네이버 책을 통해 교보eBook 구매 이력이 없는 회원 대상
    • 교보e캐시 1,000원 지급 (유효기간 지급일로부터 7일)
    구글바이액션을 통해서 교보eBook
    첫 구매 시 교보e캐시 지급해 드립니다.
    교보e캐시 1,000원
    • 첫 구매 후 3일 이내 다운로드 시 익일 자동 지급
    • 한 ID당 최초 1회 지급 / sam 이용권 제외
    • 구글바이액션을 통해 교보eBook 구매 이력이 없는 회원 대상
    • 교보e캐시 1,000원 지급 (유효기간 지급일로부터 7일)