[중고샵] 한 번에 끝내는 라마인덱스 × RAG × AI 에이전트 | 정용범

YES24 카테고리 리스트

YES24 유틸메뉴

Global YES24안내보기: Global YES24는?

K-POP/K-Drama 관련상품(음반,도서,DVD)을
영문/중문 으로 이용하실 수 있습니다.

Korean wave shopping mall, sell the
K-POP/K-Drama (CD,DVD,Blu-ray,Book) We aceept PayPal/UnionPay/Alipay
and support English/Chinese Language service
English
作为出售正规 K-POP/K-Drama 相关(CD,图书,DVD) 韩流商品的网站, 支持中文/英文等海外结账方式
中文
Exclusive ticket sales for domestic and international pop artists
Global yesticket

검색

어깨배너

1/6

빠른분야찾기

YES24 코너/서비스

YES24 분야별코너

현재위치 웰컴

> 중고샵

> 중고 국내도서

> IT/모바일

> OS/데이터베이스

> 클라우드/빅데이...

15%

미리보기 공유하기

중고도서

한 번에 끝내는 라마인덱스 × RAG × AI 에이전트

LlamaIndex를 이용한 RAG 파이프라인 구현, 임베딩·인덱싱·벡터 스토어·검색 최적화, 희소 및 밀집 검색·리랭킹·다중 쿼리를 통한 고급 검색 알고리즘, 라마파스를 활용한 이미지·PDF 기반 멀티모달 RAG, ReAc

정용범, 에디 유, 손상우 저 | 제이펍 | 2025년 12월 18일 | 원제 : (없음)

상품 가격정보
정가	30,000원
중고판매가	25,490원 (15% 할인)
YES포인트	0원

결제혜택
결제혜택	카카오페이 2,000원 즉시할인 일 1200건, 4만원 이상 관련페이지 바로가기 네이버페이 2,000원 적립 4만원 이상 관련페이지 바로가기 페이코 1% 할인 포인트 결제시 관련페이지 바로가기 토스페이 1만P 추첨 적립 + 생애첫결제 3천원 관련페이지 바로가기 예스24 현대카드 1~3% YES포인트 적립 전월 실적 조건 없음 관련페이지 바로가기

배송안내
배송안내 바로가기

배송비 : 3,000원 배송비 안내 판매자 배송
사업자 Dam e-story에서 50,000원 이상 구매 시 무료배송
도서산간/제주지역의 경우 추가 배송비가 발생할 수 있습니다.

중고상품 상태/판매자
상태 중고상품 상태안내	최상 새 상품에 가까운 상품
판매자 판매자에게 문의이동	사업자 Dam e-story 8점 (33명 평가) 중고샵 판매상품은 판매자가 직접 등록/판매하는 상품으로 판매자가 해당 상품과 내용에 모든 책임을 집니다. (판매자 가게 > 공지사항 참고) 주문 전 중고상품의 정확한 상태 및 재고 문의는 [판매자에게 문의하기]를 통해 문의해 주세요. 주문완료 후 중고상품의 취소 및 반품은 판매자와 별도 협의 후 진행 가능합니다. (주문내역 > 주문번호 클릭 > 판매자 정보보기 > 연락처 또는 [판매자에게 문의하기]로 문의)

판매중| 한정판매

수량

카트에 넣기 바로구매

한 번에 끝내는 라마인덱스 × RAG × AI 에이전트

카트에 넣기 바로구매

품목정보

품목정보
발행일	2025년 12월 18일
쪽수, 무게, 크기	372쪽 \| 730g \| 18824518mm

이 상품의 이벤트 (2개)

중고도서 소개

최상 새 상품에 가까운 상품 중고상품 상태안내

중고상품 상태
상태정도(외관)	사용흔적
전반적인 상태 새 상품에 가까움 겉표지 변색 없음, 얼룩 없음 낙서 없음, 찢어진 부분 없음 겉 표지 있음 책등, 책배, 책아래위 변색 없음, 얼룩 없음 낙서 없음, 닳은 흔적 없음 책등 접힌 흔적 없음	전반적인 상태 거의 없음 내지(면지) 변색 없음, 얼룩 없음, 물리적 변형 없음 내지 접힌 흔적, 찢어진 부분 없음, 낙서 없음 제본탈착 없음
전반적인 상태 약간 헌 책 (사용감 약간 있음) 겉표지 희미한 변색 있음, 약간의 얼룩 있음 (1cm 내) 낙서 없음, 찢어진 부분 없음 겉 표지 있음 접힌 흔적 있음 (1cm 내) 책등, 책배, 책아래위 희미한 변색 있음, 약간의 얼룩 있음 (1cm 내) 낙서 없음, 닳은 흔적 약간 있음 책등 접힌 흔적 없음	전반적인 상태 약간 있음 내지(면지) 변색 없음, 얼룩 없음, 물리적 변형 없음 내지 접힌 흔적 약간 있음 (5페이지 이내) 찢어진 부분 없음, 낙서 없음 제본탈착 없음
전반적인 상태 헌 책 (사용감 많이 있음) 겉표지 전체적으로 변색 있음, 얼룩 등 오염 있음 (2cm 내) 낙서 있음, 찢어진 부분 없음 겉 표지 없음 접힌 흔적 있음, 래핑 흔적 있음 정가 및 ISBN이 동일한 도서이나 표지 이미지 다름 책등, 책배, 책아래위 전체적으로 변색 있음, 얼룩 등 오염 있음 (2cm 내) 낙서 있음, 닳은 흔적 있음 책등 접힌 흔적 있음	전반적인 상태 있음 내지(면지) 내지 변색 있음, 얼룩 있음, 물리적 변형 없음 내지 접힌 흔적 있음 (10페이지 이내) 찢어진 부분 있음 (1cm 내) 5페이지 이내 필기 및 밑줄 등 있음 (단, 참고서, 수험서는 매입불가) 제본탈착 없음 본문 읽기에 지장 없는 부록 및 구성품 없음 (세트도서 박스 등)
전반적인 상태 헌 책 (사용감이 많이 있고, 오염있음) 겉표지 변색이 심함, 얼룩 등 심한 오염 있음 (2cm 초과) 심한 낙서 있음 물에 젖은 흔적 있음, 곰팡이 있음 책등, 책배, 책아래위 변색이 심함, 얼룩 등 심한 오염 있음 (2cm 초과) 심한 낙서 있음 물에 젖은 흔적 있음, 곰팡이 있음 모서리 깨짐, 책등 파손 있음	전반적인 상태 많음 내지(면지)/부속물 변색이 심함, 얼룩 등 심한 오염 있음 (2cm 초과) 전체적으로 구겨짐, 뒤틀림 있음 찢어진 부분 있음 (1cm 초과) 물에 젖은 흔적 있음, 곰팡이 있음 페이지 또는 글자 등의 인쇄 오류 있음 5페이지 초과 필기 및 밑줄 등 있음 제본탈착 있음 (낙장, 분책) 부속물 없음

판매자 : 사업자 Dam e-story 4점 (33명 평가)

책소개

추천사 ix 베타리더 후기 x 머리말 xii CHAPTER 1 라마인덱스 및 RAG 이해하기 1 1.1 라마인덱스 소개 1 __1.1.1 대형 언어 모델 1 / 1.1.2 LLM의 학습 방법과 한계점 2 / 1.1.3 라마인덱스 소개 4 / 1.1.4 라마인덱스와 랭체인 비교 5 / 1.1.5 라마인덱스 환경 소개 7 1.2 프롬프트 8 __1.2.1 프롬프트와 콘텍스트 8 / 1.2.2 토큰 10 / 1.2.3 프롬프트: 시스템, 사용자, 어시스턴트 12 1.3 RAG 13 __1.3.1 RAG의 작동 원리 14 / 1.3.2 RAG의 구성 요소 16 1.4 라마인덱스 RAG 파이프라인 19 __1.4.1 데이터 로더 19 / 1.4.2 문서 분할과 노드 20 / 1.4.3 임베딩과 인덱스 21 / 1.4.4 쿼리 엔진: Query the LLM 22 1.5 라마인덱스 사용 준비하기 23 __1.5.1 VS Code 설치하기 23 / 1.5.2 파이썬 설치하기 28 / 1.5.3 ChatGPT API 준비하기 30 CHAPTER 2 라마인덱스 RAG 기본 파이프라인 구현하기 37 2.1 실습 환경 세팅 37 __2.1.1 가상 환경을 사용하는 이유 37 / 2.1.2 실습 코드 다운로드 39 / 2.1.3 가상 환경 세팅 41 2.2 라마인덱스 기초 파이프라인 구현 44 __2.2.1 실습 코드 오픈 및 가상 환경 선택 44 / 2.2.2 파이프라인 코드 설명 46 2.3 데이터 로드 49 __2.3.1 Document 50 / 2.3.2 노드 54 / 2.3.3 여러 가지 데이터 로더 소개 57 / 2.3.4 여러 가지 노드파서 소개 62 2.4 임베딩과 인덱스 69 __2.4.1 임베딩을 통한 문장 간 유사도 평가 70 / 2.4.2 VectorStoreIndex 72 / 2.4.3 로컬에 인덱스 저장 74 2.5 벡터 스토어 77 __2.5.1 FAISS 78 / 2.5.2 크로마 DB 81 / 2.5.3 기존 벡터 DB 활용 85 2.6 검색 및 쿼리 86 __2.6.1 쿼리 엔진이란? 87 / 2.6.2 쿼리 엔진 간단 사용법 89 / 2.6.3 RetrieverQueryEngine 91 / 2.6.4 Chat Engine 96 2.7 스트림릿을 활용한 RAG 애플리케이션 구축 97 __2.7.1 스트림릿 소개 97 / 2.7.2 스트림릿 설치 99 / 2.7.3 스트림릿 기본 사용법 101 / 2.7.4 스트림릿 RAG 애플리케이션 105 / 2.7.5 스트림릿 앱 배포 109 CHAPTER 3 고급 검색 알고리즘을 활용한 Advanced RAG 구현 119 3.1 희소 검색과 밀집 검색 119 __3.1.1 희소 검색 119 / 3.1.2 밀집 검색 120 3.2 라마인덱스를 활용한 BM25 RAG 구현 122 __3.2.1 TF-IDF 122 / 3.2.2 BM25 125 / 3.2.3 BM25 검색기를 통한 RAG 구현 132 3.3 리랭킹 기법 139 __3.3.1 리랭킹의 개념 139 / 3.3.2 혼합 검색 구현하기 141 / 3.3.3 크로스 인코더 기반의 리랭킹 라마인덱스 RAG 구현 146 / 3.3.4 LLM 기반의 리랭킹 라마인덱스 RAG 구현 159 3.4 다중 쿼리 생성 167 __3.4.1 다중 쿼리 생성 기능 구현 167 / 3.4.2 다중 쿼리 생성을 적용한 RAG 구현 171 3.5 가상 문서 임베딩 176 __3.5.1 가상 문서 임베딩 기능 구현 177 / 3.5.2 가상 문서 임베딩을 적용한 RAG 구현 179 CHAPTER 4 RAG 시스템 구현을 위한 여러 가지 모델 소개 183 4.1 LLM 선택 시 고려할 점 183 __4.1.1 API vs 로컬 183 / 4.1.2 LLM 모델 벤치마크 185 / 4.1.3 임베딩 모델 벤치마크 189 4.2 LLM 모델 소개 및 사용법 191 __4.2.1 OpenAI 192 / 4.2.2 구글 195 / 4.2.3 앤트로픽 199 / 4.2.4 딥시크 204 4.3 임베딩 모델 소개 및 사용법 210 __4.3.1 OpenAI 210 / 4.3.2 구글 제미나이 211 / 4.3.3 코히어 213 / 4.3.4 허깅 페이스 217 / 4.3.5 업스테이지 221 4.4 상용 vs 오픈소스 모델 실전 비교 223 __4.4.1 상용 조합(클로드 + 코히어) 224 / 4.4.2 오픈소스 조합(DeepSeek-R1 + 허깅 페이스) 227 CHAPTER 5 이미지와 표도 인식하는 멀티모달 RAG 구현 231 5.1 라마인덱스 멀티모달 RAG 소개 231 __5.1.1 멀티모달 RAG 개념 231 / 5.1.2 라마인덱스 멀티모달 RAG 파이프라인 233 5.2 라마인덱스 라마파스 활용하기 236 __5.2.1 라마파스 소개 236 / 5.2.2 라마파스 사용 준비하기: API 키 발급 237 / 5.2.3 라마파스를 활용한 RAG 구현하기 240 5.3 텍스트, 이미지를 활용한 라마인덱스 RAG 247 __5.3.1 이미지 파일을 활용한 멀티모달 구현하기 247 / 5.3.2 라마인덱스 멀티모달 RAG 파이프라인 구현하기 251 / 5.3.3 이미지를 입력으로 하는 RAG 구현하기 257 5.4 복잡한 PDF 문서를 활용한 RAG 시스템 구현 264 __5.4.1 이미지 파일로 추출하기: unstructured 사용하기 265 / 5.4.2 PDF 문서 텍스트, 표 문서로 저장하기 272 / 5.4.3 이미지 캡셔닝 273 / 5.4.4 인덱스 생성 및 RAG 구현 278 CHAPTER 6 생각하고 판단하는 ReAct 에이전트 285 6.1 생각의 사슬 288 6.2 환경 설정 및 데이터 로드 289 6.3 쿼리 엔진 만들기 293 6.4 도구 만들기 295 6.5 프롬프트 작성하기 297 6.6 에이전트 객체 선언 300 6.7 에이전트 RAG 300 6.8 멀티턴: 이전 대화 고려하기 303 6.9 그라디오를 이용한 웹 애플리케이션 310 __6.9.1 그라디오와 스트림릿 비교 310 / 6.9.2 RAG 애플리케이션 312 / 6.9.3 애플리케이션 데모 315 CHAPTER 7 즉시 함수를 호출하는 Function Calling 에이전트 319 7.1 Function Calling 이해하기 319 7.2 ReAct 에이전트와의 비교 320 7.3 환경 설정 및 필요 라이브러리 설치 321 7.4 쇼핑몰 데이터 구조 설계 323 7.5 고객 지원 함수 구현 327 7.6 에이전트 객체 선언 335 7.7 멀티턴: 이전 대화 고려하기 337 7.8 그라디오를 이용한 웹 애플리케이션 346 찾아보기 353

펼쳐보기접어보기

저자 소개 (3명)

저 : 에디 유

작가 파일

IT 대기업 현업에서 RAG와 에이전트 관련 업무를 주로 수행하고 있습니다. LLM 기반 서비스 개발에 관심이 많은데, 특히 요즘은 에이전트의 추론 능력 고도화를 위한 파인튜닝에 집중하고 있습니다. 저역서 - 《LLM과 RAG로 구현하는 AI 애플리케이션》(위키북스, 2025) - 《이론부터 실전까지 AI 에이전트 완벽 마스터》(프리렉, 2025) - 《한 번에 끝내는 라마인덱스 × RAG × AI ... IT 대기업 현업에서 RAG와 에이전트 관련 업무를 주로 수행하고 있습니다. LLM 기반 서비스 개발에 관심이 많은데, 특히 요즘은 에이전트의 추론 능력 고도화를 위한 파인튜닝에 집중하고 있습니다.

저역서
- 《LLM과 RAG로 구현하는 AI 애플리케이션》(위키북스, 2025)
- 《이론부터 실전까지 AI 에이전트 완벽 마스터》(프리렉, 2025)
- 《한 번에 끝내는 라마인덱스 × RAG × AI 에이전트》(제이펍, 2025)

펼쳐보기접어보기

저 : 정용범

작가 파일

현재 반도체 현업에서 선임 연구원으로 근무하며 엔지니어들에게 필요한 자동화 도구를 개발하고 있다. 최근에는 AI 에이전트를 실무에 이식해 비개발자도 직접 업무 효율화를 이끌어낼 수 있도록 돕는 교육과 연구를 병행 중이다. 기술 장벽을 낮춰 누구나 업무 본질에 집중할 수 있는 환경을 만드는 데 목표를 두고 있다. 저서로는 《한 번에 끝내는 라마인덱스×RAG×AI 에이전트》(제이펍, 2025), 《사장님 몰래하는 파... 현재 반도체 현업에서 선임 연구원으로 근무하며 엔지니어들에게 필요한 자동화 도구를 개발하고 있다. 최근에는 AI 에이전트를 실무에 이식해 비개발자도 직접 업무 효율화를 이끌어낼 수 있도록 돕는 교육과 연구를 병행 중이다. 기술 장벽을 낮춰 누구나 업무 본질에 집중할 수 있는 환경을 만드는 데 목표를 두고 있다. 저서로는 《한 번에 끝내는 라마인덱스×RAG×AI 에이전트》(제이펍, 2025), 《사장님 몰래하는 파이썬 업무 자동화》(비제이퍼블릭, 2024)가 있다.

펼쳐보기접어보기

저 : 손상우

작가 파일

현재 제조 대기업에서 선임 연구원으로 근무하며 R&D 업무에 AI 에이전트를 접목하는 AX(AI Transformation) 프로젝트를 수행하고 있다. 도메인 전문가들이 AI를 현업에 효과적으로 도입해 생산성을 높일 수 있도록 돕는 데 관심이 많다. 저서로는 《한 번에 끝내는 라마인덱스×RAG×AI 에이전트》(제이펍, 2025), 《사장님 몰래하는 파이썬 업무 자동화》(비제이퍼블릭, 2024)가 있다. 현재 제조 대기업에서 선임 연구원으로 근무하며 R&D 업무에 AI 에이전트를 접목하는 AX(AI Transformation) 프로젝트를 수행하고 있다. 도메인 전문가들이 AI를 현업에 효과적으로 도입해 생산성을 높일 수 있도록 돕는 데 관심이 많다. 저서로는 《한 번에 끝내는 라마인덱스×RAG×AI 에이전트》(제이펍, 2025), 《사장님 몰래하는 파이썬 업무 자동화》(비제이퍼블릭, 2024)가 있다.

책 속으로

LLM은 학습한 데이터에 따라 텍스트를 생성한다는 관점에서 몇 가지 한계점이 있습니다. 첫째, 편향되거나 오류가 있는 데이터를 학습했을 경우 잘못된 정보를 생성할 수 있습니다. 둘째, 환각 현상입니다. 특정 질문에 대해 학습하지 않았다면 부정확한 정보를 근거로 응답하는 것을 의미합니다. 셋째, 회사 내부 자료와 같이 특정 도메인에 대한 정보나 실시간으로 업데이트되는 정보(주가, 날씨 등)는 학습하지 않아서 정확히 답변하지 못합니다. 즉, LLM은 학습된 데이터에 의존하기 때문에 답변을 신뢰할 수 없다는 단점이 있습니다. / 이러한 LLM의 한계점을 보완하기 위한 것이 RAG 기술입니다. RAG는 LLM이 학습하지 못한 부분을 웹, 데이터베이스, 각종 문서 등을 참고하여 LLM이 답변하도록 만드는 기술입니다. 이 책의 주요 테마인 라마인덱스는 RAG를 활용하여 LLM을 개발하는 프레임워크라고 할 수 있습니다. --- p.3 라마인덱스는 데이터 수집을 위해 SimpleDirectoryReader와 같은 내장 데이터 로더를 기본적으로 제공하며, 이를 통해 로컬 디렉터리의 다양한 파일 형식을 쉽게 Document로 로드할 수 있습니다. 더 전문적인 데이터 소스 처리가 필요한 경우, 라마허브에서 제공하는 수백 가지의 특수 목적 데이터 로더를 다운로드하여 사용할 수 있습니다. 예를 들어 노션(Notion), 디스코드(Discord), 구글 드라이브(Google Drive) 등 특정 플랫폼의 데이터를 가져오거나 API 연동이 필요한 경우 라마허브의 데이터 로더를 활용하면 됩니다. --- p.57 TF-IDF를 기반으로 BM25 알고리즘을 이해하고 파이썬으로 구현해보겠습니다. TF-IDF에서는 총문서의 개수와 단어의 등장 빈도를 고려하는 알고리즘이었습니다. BM25 알고리즘은 TF-IDF에서 발전된 형태로 문서의 길이까지 고려하여 문서와 쿼리 간 관련성까지 평가합니다. TF-IDF는 단어가 자주 등장할수록 중요도가 한없이 높아지기가 쉽습니다. BM25는 이런 문제를 방지하기 위해 일정 빈도 이상에서는 관련성을 천천히 증가시키는 포화 효과를 통해 보정 작업을 거칩니다. 또한 길이가 긴 문서의 경우 짧은 문서에 비해 단어가 많기 때문에 상대적으로 TF가 높을 수 있으므로, 문서의 길이에 대한 보정식도 적용합니다. / 따라서 BM25는 TF-IDF에 비해 더 정교한 검색을 할 수 있습니다. BM25는 주로 검색 엔진이나 정보 검색 시스템에서 정밀한 결과를 제공하여 사용자에게 더욱 적절한 문서를 추천할 수 있습니다. --- p.125 라마인덱스에서는 복잡한 문서를 쉽게 읽어올 수 있는 라마파스(LlamaParse)를 제공합니다. 실제 현업에서 사용하는 문서에는 단순 텍스트뿐만 아니라 표와 이미지 같은 복잡한 구조의 형태가 섞여 있습니다. 라마파스를 활용하면 복잡한 구조의 문서를 좀 더 쉽게 파싱하고 RAG 시스템에 활용할 수 있습니다. 이번 절에서는 라마파스 사용을 위해 API 키를 발급받고 실제로 구현하는 코드 실습까지 진행해보겠습니다. --- p.236 ReAct(Reasoning + Acting)는 프린스턴 대학교 연구진과 구글 연구원들이 협력하여 개발한 혁신적인 프롬프트 엔지니어링 전략입니다. 이 접근법은 대형 언어 모델이 인간의 사고와 행동 패턴을 모방하여 복잡한 문제를 해결할 수 있도록 설계되었습니다. ReAct의 핵심은 언어 모델이 문제 해결 과정에서 ‘생각’과 ‘행동’을 유기적으로 연결하는 데 있습니다. 인간이 복잡한 문제를 해결할 때처럼, 모델은 먼저 상황을 분석하고 필요한 정보를 파악한 다음(생각), 그 정보를 얻기 위한 구체적인 행동을 취합니다(행동). 그리고 행동에 대한 결과를 확인하고(관찰), 다시 현시점에서 필요한 정보를 파악하는 과정을 거칩니다(생각). 이러한 과정은 충분한 정보와 해결책을 얻을 때까지 반복됩니다. --- p.286 결국 두 방식의 가장 큰 차이는 의사 결정 과정의 가시성입니다. ReAct는 모든 생각 과정이 드러나므로 LLM이 왜 특정 행동을 했는지 추적할 수 있습니다. 이는 LLM이 왜 그러한 선택을 하는지 알 수 있다는 점에서 디버깅이 필요한 상황에서 장점이 될 수 있습니다. 반면 Function Calling은 내부 처리 과정이 블랙박스처럼 숨겨져 있으므로 결과만 확인할 수 있습니다.

--- p.320

펼쳐보기접어보기

출판사 리뷰

LLM의 환각을 잡고 실무형 AI 서비스를 완성하는 가장 친절한 로드맵 이 책은 단순히 LLM(대형 언어 모델)을 호출하는 것을 넘어, 원하는 지식을 정확하고 신뢰성 있게 답변하는 AI 서비스를 구축하고 싶은 독자를 위한 라마인덱스(LlamaIndex) 실전 가이드다. 생성형 AI의 최대 약점인 환각 현상을 해결하는 핵심 기술인 RAG(검색 증강 생성)부터, 스스로 판단하고 행동하는 AI 에이전트 구축까지, 실무에서 바로 적용할 수 있는 개발 노하우를 한 권에 담았다. 특히 이 책의 가장 큰 강점은 한국어 중심의 실습 데이터와 매우 친절하고 상세한 실습 안내다. 한국어 문서를 기반으로 실습을 진행하며, 한국어 형태소 분석, 불용어 처리 등 국내 실정에 맞는 구체적인 검색 최적화 전략을 자연스럽게 익힐 수 있다. 또한, 라마인덱스를 처음 접하는 초심자도 막히지 않도록 개발 환경 설정부터 API 발급까지 단계별로 안내하여, 누구나 처음부터 끝까지 편하게 실습을 따라갈 수 있도록 구성했다. 책 내용은 단순한 기능 나열에 그치지 않고, 기술의 진화 흐름에 맞춰 체계적으로 학습할 수 있도록 전개된다. ‘RAG 파이프라인 구현 → 고급 검색 알고리즘 → 멀티모달과 문서 처리 → AI 에이전트와 UI 구현’까지 이어지는 학습 구조는 실무에서 가이드로 삼을 만큼 완성도가 높다. AI 기술을 업무에 도입하려는 개발자뿐만 아니라, LLM의 작동 원리를 이해하고 설계하려는 기획자와 연구자에게도 훌륭한 길잡이가 되어줄 것이다. 이 책은 여러분을 ‘AI를 이해하고 설계하는 사람’으로 이끄는 가장 쉽고 빠른 길이 될 것이다. 복잡한 AI 기술을 내 손으로 직접 구현하고 확인해보자. 주요 내용 - RAG 시스템의 목적·구조·선택 기준 정리 - 라마인덱스 기반 인덱싱·임베딩·검색 구현 - 멀티모달 문서를 처리하는 라마파스 실전 활용법 - ReAct·Function Calling 기반 AI 에이전트 고급 설계 - 스트림릿·그라디오 기반 프로토타입 UI 제작 - 벡터 DB(FAISS/Chroma) 활용 및 최적화

펼쳐보기접어보기

판매자 정보

판매자 정보
업체명	다음누리	대표자명	김성학
사업자 등록번호	128-35-81661	사업자 종목	전자상거래
고객 상담 전화번호	010-9257-7050	고객 상담 이메일	clazio21@naver.com
배송 방법	타사택배(롯데택배)	본사 소재지	경기도 고양시 일산서구 가좌동 657-1 5동 다음누리
발송지 주소	경기도 고양시 일산서구 구산동 10-10 CK 물류센터
반품지 주소	경기도 고양시 일산서구 구산동 10-10 CK 물류센터

부적합 상품 신고하기

구매에 부적합한 상품은 신고해주세요. 신고하기

상품정보 부정확 (카테고리 오등록/상품오등록/상품정보 오등록/기타 허위등록)
거래 부적합 상품 (청소년 유해물품/기타 법규위반 상품)
전자상거래에 어긋나는 판매사례 : 직거래 유도

구매하신 상품의 상태, 배송, 취소 및 반품 문의는 판매자에게 문의하기를 이용해주시기를 부탁드립니다.

배송/반품/교환 안내

배송 안내

배송 안내
배송 구분	판매자 배송 택배사 : 롯데택배 (상황에 따라 배송 업체는 변경 될 수 있습니다.) 배송비 : 3,000원 (도서산간 : 6,000원 제주지역 : 3,000원 추가 배송비 발생)
배송 안내	판매자가 직접 배송하는 상품입니다. 판매자 사정에 의하여 출고예상일이 변경되거나 품절이 발생될 수 있습니다.

반품/교환 안내

※ 상품 설명에 반품/교환과 관련한 안내가 있는경우 아래 내용보다 우선합니다. (업체 사정에 따라 달라질 수 있습니다)

반품/교환 안내
반품/교환 방법	마이페이지 > 반품/교환 신청 및 조회, 1:1 문의, 고객만족센터(1544-3800), 중고샵(1566-4295) 판매자 배송 상품은 판매자와 반품/교환이 협의된 상품에 한해 가능합니다.
반품/교환 가능기간	출고 완료 후 10일 이내의 주문 상품 디지털 콘텐츠인 eBook의 경우 구매 후 7일 이내의 상품 중고상품의 경우 출고 완료일로부터 6일 이내의 상품 (구매확정 전 상태) 모바일 쿠폰의 경우 유효기간(발행 후 1년) 내 등록하지 않은 상품
반품/교환 비용	고객의 단순변심 및 착오구매일 경우 상품 반송비용은 고객 부담임 직수입양서/직수입일서중 일부는 변심 또는 착오로 취소시 해외주문취소수수료 20%를 부과할수 있음 단, 아래의 주문/취소 조건인 경우, 취소 수수료 면제 오늘 00시 ~ 06시 30분 주문을 오늘 오전 06시 30분 이전에 취소 오늘 06시 30분 이후 주문을 익일 오전 06시 30분 이전에 취소 직수입 음반/영상물/기프트 중 일부는 변심 또는 착오로 취소 시 해외주문취소수수료 30%를 부과할 수 있음 단, 당일 00시~13시 사이의 주문은 취소 수수료 면제 박스 포장은 택배 배송이 가능한 규격과 무게를 준수하며, 고객의 단순변심 및 착오구매일 경우 상품의 반송비용은 박스 당 부과됩니다.
반품/교환 불가사유	소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우 : 예) 화장품, 식품, 가전제품, 전자책 단말기 등 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예) CD/LP, DVD/Blu-ray, 소프트웨어, 만화책, 잡지, 영상 화보집 소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 디지털 컨텐츠인 eBook, 오디오북 등을 1회 이상 다운로드를 받았을 경우 eBook 대여 상품은 대여 기간이 종료 되거나, 2회 이상 대여 했을 경우 취소 불가 모바일 쿠폰 등록 후 취소/환불 불가 중고상품이 구매확정(자동 구매확정은 출고완료일로부터 7일)된 경우 LP상품의 재생 불량 원인이 기기의 사양 및 문제인 경우 (All-in-One 일체형 일부 보급형 오디오 모델 사용 등) 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우 전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우 eBook 세트 상품은 일괄 구매 조건으로 낱개 상품 대비 추가적인 할인이 제공되는 상품으로서 eBook 세트 상품은 세트 상품 전체가 일괄적으로 1개의 상품으로 취급 및 판매됩니다. 이에 따라 eBook 세트 상품 구매 후 1회 이상 다운로드 또는 세트 구성 상품 중 일부라도 다운로드 되는 경우, 세트 상품 전부 및 세트 구성 상품 중 일부에 대한 취소 또는 환불이 불가합니다.
소비자 피해보상	상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은 소비자분쟁해결기준(공정거래위원회 고시)에 준하여 처리됨
환불 지연에 따른 배상	대금 환불 및 환불 지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의 소비자 보호에 관한 법률에 따라 처리

YES24 카테고리 리스트

YES24 유틸메뉴

어깨배너

빠른분야찾기

한 번에 끝내는 라마인덱스 × RAG × AI 에이전트

LlamaIndex를 이용한 RAG 파이프라인 구현, 임베딩·인덱싱·벡터 스토어·검색 최적화, 희소 및 밀집 검색·리랭킹·다중 쿼리를 통한 고급 검색 알고리즘, 라마파스를 활용한 이미지·PDF 기반 멀티모달 RAG, ReAc

한 번에 끝내는 라마인덱스 × RAG × AI 에이전트

품목정보

관련분류

이 상품의 이벤트 (2개)

중고도서 소개

책소개

목차

저자 소개 (3명)

책 속으로

출판사 리뷰

추천평

판매자 정보

부적합 상품 신고하기

배송/반품/교환 안내

도착예상일

클린봇 설정

카트에 넣기

클린봇 설정

사락 개설 안내

도착예상일
상품준비	출고완료	도착예상일