초보자를 위한 맞춤형 LLM 실습 – LoRA 파인튜닝부터 RAG 시스템 구축까지

Name: 초보자를 위한 맞춤형 LLM 실습 – LoRA 파인튜닝부터 RAG 시스템 구축까지
Rating: 4.6 (11 reviews)

LoRA·QLoRA 기반 경량 파인튜닝부터 LangChain, 벡터DB, 멀티모달·Agent RAG 시스템 구축까지 한 번에 배우는 실습 중심 입문 강의

Highest Rated

Created by이진규 이

Last updated 10/2025

Korean

Korean [Auto],

What you'll learn

최신 LLM 경량 파인튜닝 기법 (LoRA, QLoRA, PEFT) 의 핵심 개념과 실습 방법을 익힙니다.
LangChain과 벡터 데이터베이스를 활용한 실전형 RAG QA 시스템을 직접 구축할 수 있습니다.
GPT, BLIP2, LLaVA 등 다양한 멀티모달 모델을 활용한 이미지+텍스트 기반 질의응답 시스템을 구현할 수 있습니다.
사내 문서 기반 QA 시스템, 이미지 기반 검색 시스템 등 실무 적용 가능한 예제를 구축할 수 있습니다.
기초 이론부터 단계별 실습까지 따라오며 LLM·RAG 기술을 체계적으로 익힐 수 있습니다.

Course content

4 sections • 39 lectures • 3h 0m total length

파인튜닝이란? (개념 & 전체 흐름)3:49
LoRA란? – 경량 파인튜닝 핵심 구조2:36
QLoRA 개념과 효율적 자원 활용 전략3:01
LoRA 논문 리뷰 ① – 핵심 구조와 주요 아이디어 분석2:54
QLoRA 논문 리뷰 ② – 실제 적용 사례와 효과 검증2:42
PEFT 논문 리뷰 – 파라미터 효율화 기법의 이해3:15
파인튜닝 프레임워크 소개 – PyTorch0:55
파인튜닝 프레임워크 소개 - Huggingface Unsloth2:53
하이퍼파라미터 핵심 – 학습률, Warmup Steps 이해하기6:02
파인튜닝 전체 흐름 정리 – 한눈에 보는 학습 단계별 과정1:50

BERT 감성분석 파인튜닝 실습 – 기본기 다지기7:22
GPT-2 + LoRA 실습 – 경량화된 파인튜닝 구현6:17
GPT-2 Full 파인튜닝 실습 – 전체 파라미터 학습 비교1:34
GPT2- Full Fine-tuning vs. LoRA – 성능 및 효율 비교 실험0:42
OPT-350M 모델 Full 파인튜닝 – 대용량 모델 직접 학습하기1:59
OPT-350M LoRA 파인튜닝 실습 ① – 경량 방식 적용2:12
OPT-350M LoRA 파인튜닝 실습 ② – 학습 및 결과 확인1:37
OPT-350M 결과 비교 – Full vs. LoRA 성능 차이 분석0:43
QLoRA 기반 LLaMA 3.1 & 2 실습 ① – 최신 모델 튜닝 시작하기9:48
Instruction Tuning 논문 리뷰 – 데이터 기반 LLM 성능 향상 전략3:31
QLoRA 기반 LLaMA 3.1 & 2 실습 ② – 파라미터 효율 최적화 실습4:00

[실습] Step-by-step RAG 구현 – 웹 문서 예제 따라하기9:31
RAG 성능 평가 방법 – 전통 평가 vs. LLM 평가 지표 비교6:33
[실습] PDF 기반 질의응답(QA) 시스템 구축5:50
[실습] PDF 문서 요약 시스템 구현 – 자동 요약 파이프라인 만들기5:13
SQL + 벡터DB 기반 맞춤형 RAG 시스템 구축4:10
[실습] 실시간 DB 업데이트형 RAG 만들기 – 동적 문서 반영 시스템6:56
멀티모달 LLM 개요 – GPT-4o·BLIP·LLaVA5:53
[실습] GPT-4o 기반 이미지 검색형 RAG 구축4:06
[실습] BLIP-2 기반 멀티모달 RAG 구현3:38
[실습] LLaVA 기반 이미지+텍스트 질의응답 시스템 구축2:20
Docling 활용법 – 멀티모달 문서 처리 자동화 도구4:52
[실습] 멀티모달 이미지·텍스트 기반 RAG 통합 구축 프로젝트6:46
(Agent 기반 RAG) 질문 의미 분류형 문서 QA 시스템 실습10:21
(빅데이터 기반 RAG) LDA 토픽모델링을 활용한 RAG 시스템 개발7:57

Requirements

Python 기본 문법(변수, 함수, 조건문 등)에 대한 이해
딥러닝/자연어처리의 기초 개념 (토큰화, 임베딩, 모델 학습 등)이 있다면 더 좋습니다
Google 계정만 있으면 Google Colab 실습 참여 가능
PyTorch, Hugging Face에 익숙하지 않아도 제공된 Colab 코드만 따라오면 충분합니다
별도 GPU나 서버 없이, 클라우드 기반 실습 환경에서 진행됩니다

Description

“LLM을 직접 만들고 싶지만, 어디서부터 시작해야 할지 막막하신가요?”
이 강의는 LLM 입문자를 위한 실전형 파인튜닝 & RAG 통합 강의입니다.

ChatGPT와 같은 대규모 언어모델(LLM)의 기본 원리부터, 최신 경량 파인튜닝(LoRA, QLoRA) 기법, 그리고 실무에서 가장 많이 쓰이는 RAG(Retrieval-Augmented Generation) 시스템 구축까지 —
2시간 30분 만에 핵심 이론과 실습을 완주할 수 있도록 설계되었습니다.

Who this course is for:

ChatGPT는 사용해봤지만, 직접 튜닝이나 구축 경험이 없는 AI/LLM 입문자
자신만의 도메인 특화 LLM이나 QA 시스템을 만들고 싶은 스타트업/1인 개발자
멀티모달 검색, 질문응답, 요약 시스템을 직접 구현해보고 싶은 실무 엔지니어
RAG, LangChain, 벡터 DB 같은 개념이 낯설지만 직접 써보고 싶은 기획자/개발자
사내 매뉴얼, 문서 기반으로 맞춤형 QA 시스템을 구축하려는 실무자
LoRA·QLoRA 같은 최신 기법이 궁금한데, 복잡한 이론보다는 실습으로 배우고 싶은 분

초보자를 위한 맞춤형 LLM 실습 – LoRA 파인튜닝부터 RAG 시스템 구축까지

What you'll learn

Explore related topics

Course content

LLM 파인튜닝 입문10 lectures • 30min

파인튜닝 실습11 lectures • 40min

섹션 4. RAG 이론 정리 (개념부터 구조까지 완전 이해)4 lectures • 27min

RAG 기초 실습 (Step-by-step 실무 입문)14 lectures • 1hr 24min

Requirements

Description

Who this course is for: