쉽고 빠르게 익히는 실전 LLM

시난 오즈데미르 지음 | 신병훈 옮김

한빛미디어 2025년 03월 31일 출간 국내도서 : 2025년 03월 31일 출간

작품소개

책소개

이 책은 LLM 개발 단계별 가이드, 모범 사례, 실제 사례 연구, 실습 예제를 통해 LLM이 생소했던 사람도 당장 개발을 시작할 수 있을 만큼 LLM에 대한 전반적인 지식을 쉽고 친절하게 설명합니다. 또한, LLM을 현업에서 최적화하고 배포하는 실무적인 내용까지 다루어, 입문자부터 전문가까지 폭넓게 활용할 수 있는 완성형 가이드입니다.

더욱 심화된 내용으로 돌아온 2판은 최신화된 미세 조정(Fine-tunning), 오픈 소스와 클로즈드 소스 LLM 비교 및 전략적 활용법, 데이터 형식 및 파라미터 설정법, 임베딩 최적화, 고급 프롬프트 엔지니어링, LLM 평가를 다루며 최신 트렌드에 맞춰 RAG 챗봇, 추천 시스템, 강화 학습 기반 AI 정렬(RLHF/RLAIF), 멀티모달 트랜스포머 구축까지 다룹니다. LLM의 입문서이자, 실전 가이드인 이 책을 통해 AI 기술의 선두가 되어 보세요.

목차

PART 1 LLM 소개
CHAPTER 1 LLM의 세계로
_1.1 LLM이란?
_1.2 많이 사용되는 LLM
_1.3 LLM을 이용한 애플리케이션
_1.4 마치며

CHAPTER 2 LLM을 이용한 의미 기반 검색
_2.1 들어가는 글
_2.2 작업
_2.3 솔루션 개요
_2.4 구성 요소
_2.5 통합
_2.6 클로즈드 소스 구성 요소의 비용
_2.7 마치며

CHAPTER 3 프롬프트 엔지니어링의 첫 번째 단계
_3.1 들어가는 글
_3.2 프롬프트 엔지니어링
_3.3 여러 모델과 프롬프트 작업하기
_3.4 마치며

CHAPTER 4 AI 생태계: 조각 맞추기
_4.1 들어가는 글
_4.2 끊임없이 변화하는 클로즈드 소스 AI의 성능
_4.3 AI 추론 vs 생각
_4.4 사례 연구 1: 검색 증강 생성(RAG)
_4.5 사례 연구 2: 자동화된 AI 에이전트
_4.6 마치며

PART 2 LLM 활용법
CHAPTER 5 맞춤형 미세 조정으로 LLM 최적화하기
_5.1 들어가는 글
_5.2 미세 조정과 전이학습: 기초 안내서
_5.3 오픈AI 미세 조정 API 살펴보기
_5.4 오픈AI CLI로 맞춤형 예제 준비하기
_5.5 오픈AI CLI 설정하기
_5.6 첫 번째 미세 조정 LLM
_5.7 마치며

CHAPTER 6 고급 프롬프트 엔지니어링
_6.1 들어가는 글
_6.2 프롬프트 인젝션 공격
_6.3 입력/출력 유효성 검사
_6.4 배치 프롬프팅
_6.5 프롬프트 체이닝
_6.6 사례 연구: AI는 수학을 얼마나 잘하나?
_6.7 마치며

CHAPTER 7 임베딩과 모델 아키텍처 맞춤화
_7.1 들어가는 글
_7.2 사례 연구: 추천 시스템 만들기
_7.3 마치며

CHAPTER 8 AI 정렬: 제1원리
_8.1 들어가는 글
_8.2 누구에게, 그리고 어떤 목적에 맞춰 정렬할 것인가?
_8.3 편향 완화 도구로서의 정렬
_8.4 정렬의 핵심 원칙
_8.5 헌법 AI: 자기 정렬을 향한 한 걸음
_8.6 마치며

PART 3 고급 LLM 사용법
CHAPTER 9 파운데이션 모델을 넘어서
_9.1 들어가는 글
_9.2 사례 연구: VQA
_9.3 사례 연구: 피드백 기반 강화 학습
_9.4 마치며

CHAPTER 10 고급 오픈 소스 LLM 미세 조정
_10.1 들어가는 글
_10.2 예시: BERT를 이용한 애니메이션 장르 다중 레이블 분류
_10.3 예시: GPT-2를 이용한 LaTeX 생성
_10.4 시난의 현명하면서도 매력적인 답변 생성기: SAWYER
_10.5 마치며

CHAPTER 11 LLM을 프로덕션 환경에서 사용하기
_11.1 들어가는 글
_11.2 클로즈드 소스 LLM을 프로덕션 환경에 배포하기
_11.3 프로덕션 환경에 오픈 소스 LLM 배포하기
_11.4 마치며

CHAPTER 12 LLM 평가하기
_12.1 들어가는 글
_12.2 생성 작업 평가하기
_12.3 이해 과제 평가하기
_12.4 마치며
_12.5 계속 나아가세요!

PART 4 부록
APPENDIX A LLM 자주 묻는 질문(FAQ)
APPENDIX B LLM 용어 해설
APPENDIX C LLM 애플리케이션 개발 고려사항

출판사 서평

더 강력하게 돌아왔다! LLM 완성형 가이드의 개정판
AI 에이전트, RAG 챗봇부터 그록, 데빈 사례까지!

최신 AI 트렌드와 기술을 반영하여 한층 업그레이드된 『쉽고 빠르게 익히는 실전 LLM』이 여러분을 다시 찾아왔습니다! LLM이 다양한 산업에서 필수적인 도구로 자리 잡은 지금, 이 책은 LLM을 처음 접하는 이들에게 개념과 활용법을 쉽고 명확하게 전달하며 실무에 바로 적용할 수 있도록 돕는 실전 가이드입니다.

이번 2판에서는 LLM 개발의 기초부터 최적화, 배포까지의 모든 과정을 단계별로 설명하고, 최신 트렌드에 맞춘 미세 조정, 임베딩 최적화, 프롬프트 엔지니어링 등을 심층적으로 다룹니다. 또한, RAG 챗봇, AI 에이전트 사례 연구와 함께, 그록, 데빈 등의 최신 사례를 추가하여 한층 더 풍부한 내용을 제공합니다. LLM을 활용한 서비스 개발을 계획하거나 최신 AI 트렌드와 실전 적용법을 익히고자 한다면, 이 책이 최고의 선택이 될 것입니다. 이 책의 심화 지식과 실전 팁을 통해 LLM의 진정한 잠재력을 발휘하세요!

주요 내용
● 사전 훈련, 미세 조정, 어텐션 등 LLM 주요 개념
● API 및 파이썬을 활용한 LLM 맞춤화와 최적화
● RAG 챗봇 및 AI 에이전트 구축
● 연쇄적 사고, 의미 기반 퓨샷 프롬프트 등 고급 프롬프트 엔지니어링
● 사용자 데이터를 활용한 임베딩 맞춤화 및 추천 시스템 개발
● 오픈 소스 LLM과 대규모 시각 데이터셋을 활용한 멀티모달 AI 모델 구축
● RLHF/RLAIF를 통한 LLM 정렬 및 대화형 AI 최적화
● 양자화, 벤치마킹, 평가 프레임워크를 활용한 성능 최적화

작가정보

저자(글) 시난 오즈데미르

Sinan Ozdemir

현재 Shiba Technologies의 창립자이자 CTO입니다. 존스 홉킨스 대학교의 데이터 과학 강사였으며 데이터 과학 및 머신러닝에 관한 여러 교과서를 집필했습니다. 또한 RPA 기능을 갖춘 엔터프라이즈급 대화형 AI 플랫폼인 Kylie.ai의 창립자이기도 합니다.

번역 신병훈

서울대학교 수학과를 졸업하고, 나눔기술과 마이크로소프트에서 개발자, 컨설턴트, 프로덕트 매니저로 일했습니다. 현재 도쿄에 있는 스타트업, BoostDraft의 프로덕트 매니저입니다.