홈앤서비스 SK BROADBAND

제미나이, 라마인덱스, 랭체인으로 코랩, 안드로이드, iOS 등 다양한 환경에서 나만의 맞춤 AI 애플리케이션을 만들어 보자!

제미나이(Gemini)는 텍스트, 이미지, 동영상, 음성 등 다양한 데이터를 처리하는 멀티모달 AI이며, 이를 활용하면 고급 AI 서비스를 만들 수 있다. 『제미나이 인공지능 프로그래밍』은 구글 제미나이를 활용하여 ‘챗봇 AI’를 개발하는 입문서로, 제미나이를 활용하는 방법뿐만 아니라 제미나이 API를 사용하여 커스터마이징한 챗봇 AI를 만드는 방법을 단계별로 설명한다. 또한, 구글 클라우드 서비스인 구글 코랩, 안드로이드 스튜디오, 엑스코드에서도 구현할 수 있게 구성했다.

여기에 LLM 애플리케이션을 개발할 수 있는 프레임워크인 라마인덱스와 랭체인도 소개한다. 라마인덱스는 자기만의 데이터를 사용하여 질의응답을 하는 검색 증강 생성을 매우 쉽게 구축할 수 있는 프레임워크이며, 랭체인은 자연어 인터페이스로 API와 함수, 데이터베이스 등 도구를 조작하는 에이전트를 구축하는 데 적합한 프레임워크이다. 제미나이를 활용한 AI 프로젝트를 시작하려는 사람에게 추천하며 이 책을 통해 다양한 분야에서 AI를 활용할 수 있는 계기가 되길 바란다.

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