[epub3.0] 제미나이 인공지능 프로그래밍

라마인덱스, 랭체인과 함께하는 AI 애플리케이션 개발

후루카와 히데카즈 저자, 하승민 번역 지음

길벗 2025년 05월 14일 출간 국내도서 : 2025년 05월 13일 출간

작품소개

책소개

구글이 개발한 생성 AI인 제미나이는 텍스트, 이미지, 동영상, 음성 등 다양한 데이터를 동시에 처리하는 멀티모달 AI이다. 이를 활용하면 텍스트+이미지 분석, 음성 기반 챗봇, 동영상 요약 AI 등 고급 AI 서비스를 만들 수 있다. 이 책은 제미나이를 활용해 개인 맞춤형 챗봇 AI 애플리케이션 개발을 목표로 한다. Gemini API를 활용한 AI 개발을 중심으로 구성했으며 코랩, Android, iOS 등 다양한 개발 환경에서도 실습할 수 있다. 또한, AI 개발의 표준 프레임워크인 라마인덱스와 랭체인도 함께 설명하여, 고급 애플리케이션을 보다 손쉽게 개발할 수 있도록 안내한다. 예제를 설명하는 데서 끝나는 것이 아니라, 직접 따라 하며 실행할 수 있는 코드와 단계별로 실습할 수 있어 초보 개발자도 쉽게 AI 애플리케이션을 구축할 수 있다. 더불어, 이 책을 통해서 생성 AI를 전반적으로 이해하고 실무에 활용하는 방법도 익힐 수 있다.

목차

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

작가정보

저자(글) 후루카와 히데카즈 저자, 하승민 번역

1999년 『JAVA PRESS』(기술평론사)에서 모바일 앱 개발 방법을 연재하기 시작했으며, 2001년 주식회사 두왕고에서 세계 최초의 Java 탑재 휴대폰 '503i'의 런칭 타이틀 '사무라이 로마네스크'의 개발에 참여했다. 이후 새로운 단말기의 신기능을 활용한 앱을 만들면서 기술서를 계속 집필하여 18년 동안 40여 권의 책을 집필했다. 현재는 주식회사 젤펨에서 인간과 AI의 공생 환경 실현을 목표로 인공지능 연구개발에 힘쓰고 있다.주요 저서로는 『BERT/GPT-3/DALL-E 자연어처리·영상처리·음성처리 인공지능 프로그래밍 실무 입문』 『Unity로 시작하는 ROS·인공지능 로봇 프로그래밍 실무 입문』 『알파제로를 분석하며 배우는 인공지능』 『Unity로 시작하는 머신러닝·강화학습·탐색 인공지능 프로그래밍 실무 입문』 『Unity로 시작하는 머신러닝·강화학습 Unity ML-Agents 실전 게임 프로그래밍 v2.2 대응판』 『OpenAI Gym/Baselines 딥러닝·강화학습 인공지능 프로그래밍 실전 입문』(본디지털)등이 있다. 공저로 『유니티 게임 프로그래밍 바이블』 『유니티 게임 프로그래밍 바이블 2nd Generation』(본디지털)이 있다./일본 리츠메이칸 대학에서 물리학과를 졸업하고, 동대학원 물리학(이학)석사 학위를 취득했다. 머신러닝과 딥러닝, 프로그래밍을 독학하며 실무경력을 쌓았고, 현재는 프로메디우스(Promedius Inc.)에서 AI Researcher로 재직 중이다. 전공은 끈이론과 등각장론이지만, 형식적인 물리학 이론이나 수학이라면 대부분 좋아하고(특히 양자역학과 일반상대성이론), 최근에는 양자 컴퓨터와 관련된 서적을 읽으며 여가시간을 보낸다.