검색 증강 생성(RAG)은 정보 검색과 텍스트 생성을 결합하여 AI 생성 응답의 정확도와 관련성을 향상하는 강력한 기법입니다. 이 과정에서는 완전관리형 검색 및 분석 솔루션인 Amazon OpenSearch Service를 사용하여 RAG 솔루션을 구축하는 방법을 살펴봅니다. 이 과정에서는 텍스트 데이터의 벡터 표현인 임베딩에서 검색 및 정보 검색 기능을 크게 향상할 수 있는 방법을 알아봅니다. Amazon OpenSearch Service의 고급 기능을 사용하여 효과적인 RAG 검색기를 생성하는 프로세스를 자세히 살펴보겠습니다.
- 과정 수준: 중급
- 소요 시간: 60분
참고: 이 과정의 동영상에는 한국어 트랜스크립트 또는 자막이 지원되며 음성은 영어로 출력됩니다. 자막을 표시하려면 동영상 화면 우측 하단의 CC 버튼을 클릭하세요.
참고: 이 과정은 Google Chrome(최신 주요 버전 2개), Microsoft Edge(최신 주요 버전 2개), Safari(최신 주요 버전 2개)에 최적화되어 있습니다.
활동
이 과정에는 프레젠테이션, 설명, 평가가 포함되어 있습니다.
과정 목표
이 과정에서는 다음을 수행합니다.
- 대규모 언어 모델(LLM)의 워크플로를 설명하고 그 한계를 식별합니다.
- RAG를 설명하고 LLM 성능을 향상시키는 방법을 설명합니다.
- RAG에 대한 지식 기반 구축과 관련된 단계를 식별하고 간략하게 설명합니다.
- OpenSearch에서 지원하는 다양한 검색 방법을 비교합니다.
- Amazon Bedrock 지식 기반에서 Amazon OpenSearch Serverless를 사용하여 임베딩을 생성하고 관련 정보를 가져오는 방법을 보여줍니다.
수강 대상
이 과정은 다음과 같은 직무를 대상으로 합니다.
- Technical field community
- Analytics solutions architects (SAs)
- Database administrators
- Database engineers
- Data architects
- Solutions architects (SAs)
- Data platform engineers
- Search specialists
수강 전 권장 사항
이 과정을 수강하기 전에 다음 조건을 갖추는 것이 좋습니다.
- AWS의 OpenSearch Service 또는 Amazon OpenSearch Serverless에 대한 기본 지식
- OpenSearch Service에 대한 Skill Builder의 레벨 100 과정, Getting Started with Amazon OpenSearch Service 수료
- OpenSearch Service에 대한 Skill Builder의 레벨 200 과정, Empower Search with AI using Amazon OpenSearch Service 수료
과정 개요
모듈 1: 생성형 AI 애플리케이션 구축 소개
- RAG 이해
- 지식 기반 구축
모듈 2: RAG 애플리케이션 구축
- Amazon Bedrock 지식 기반 사용
모듈 3: 리소스
- 자세히 알아보기
- AWS에 문의
