AX 아카데미

Llama 4로 구축하는 생성형 AI 애플리케이션

Building with Llama 4

Llama 4 모델과 API, 전용 도구를 활용해 멀티모달 및 긴 컨텍스트 지원 AI 앱을 개발합니다.

공식 페이지 ↗

LlamaIndex로 Agentic RAG 구축하기

Building Agentic RAG with Llamaindex

데이터를 스스로 탐색하고 분석하는 자율형 에이전트와 문서 질의응답 시스템 개발법을 배웁니다.

공식 페이지 ↗

LlamaIndex로 JavaScript RAG 웹앱 만들기

JavaScript RAG Web Apps with LlamaIndex

JavaScript와 지능형 에이전트를 활용해 데이터 기반 질의응답이 가능한 풀스택 RAG 웹 앱을 구축합니다.

공식 페이지 ↗

LLM 구조화된 출력 생성하기

Getting Structured LLM Output

실무 수준의 LLM 소프트웨어를 구동할 구조화된 출력 생성 방법을 배웁니다.

공식 페이지 ↗

LLM 사전 학습

Pretraining LLMs

대규모 언어 모델을 처음부터 사전 학습하는 데 필요한 핵심 단계를 배웁니다.

공식 페이지 ↗

LLM 사후 학습(Post-training) 심층 분석

Post-training of LLMs

SFT, DPO, 온라인 강화학습 등 사후 학습 기법으로 특정 목적에 최적화된 LLM을 만드는 법을 배웁니다.

공식 페이지 ↗

LLM 애플리케이션 레드티밍

Red Teaming LLM Applications

레드티밍을 통해 거대언어모델 애플리케이션의 취약점을 식별 및 평가하고 안전성을 높이는 법을 배웁니다.

공식 페이지 ↗

LLM 앱 개발을 위한 LangChain 활용

LangChain for LLM Application Development

프롬프트, 파싱, 메모리, 체인, 질의응답, 에이전트 등 LangChain 프레임워크 활용법을 배웁니다.

공식 페이지 ↗

LLM 앱을 위한 비정형 데이터 전처리

Preprocessing Unstructured Data for LLM Applications

PDF, PPT, HTML 등 다양한 문서에서 콘텐츠를 추출하고 정규화하여 RAG 검색 성능을 높이는 법을 배웁니다.

공식 페이지 ↗

LLM 앱을 위한 품질 및 보안(Quality & Safety)

Quality and Safety for LLM Applications

LLM 애플리케이션의 보안과 안전성을 평가하고 위험 요소를 모니터링 및 방어하는 강화 조치를 배웁니다.

공식 페이지 ↗

LLM 앱의 정확도 높이기

Improving Accuracy of LLM Applications

평가, 프롬프팅, 메모리 튜닝을 통해 LLM 애플리케이션의 정확도를 체계적으로 개선하는 방법을 배웁니다.

공식 페이지 ↗

LLM 워크플로우를 위한 Pydantic 활용법

Pydantic for LLM Workflows

Pydantic을 사용하여 LLM 응답을 구조화하고 데이터 유효성을 검증해 신뢰성 있는 앱을 만듭니다.

공식 페이지 ↗

LLM 함수 호출 및 데이터 추출

Function-calling and data extraction with LLMs

함수 호출을 적용하여 LLM과 에이전트 애플리케이션의 기능을 확장하는 방법을 배웁니다.

공식 페이지 ↗

LLM 효율적 서빙 및 배포

Efficiently Serving LLMs

토큰 예측 원리와 KV 캐싱 같은 기법을 이해하고, 다중 사용자 환경에서 LLM을 효율적으로 서빙하는 코드를 작성합니다.

공식 페이지 ↗

LLMOps 실전 가이드

LLMOps

특정 작업에 맞게 LLM을 미세조정(Fine-tuning)하고 배포하는 과정을 설계 및 자동화하는 LLMOps 모범 사례를 배웁니다.

공식 페이지 ↗

LLMOps를 위한 자동화 테스트

Automated Testing for LLMOps

자동화된 CI 파이프라인을 구축해 코드 변경마다 LLM 앱을 평가하고 빠르고 안전하게 개발하는 법을 배웁니다.

공식 페이지 ↗

LLM을 위한 파인튜닝과 강화학습 입문

Fine-tuning & RL for LLMs: Intro to Post-training

모델의 추론 능력을 높이고 더욱 안전하고 신뢰할 수 있는 모델로 다듬는 사후 학습 기술을 다룹니다.

공식 페이지 ↗

LLM을 활용한 생성형 AI 완전 정복

Generative AI with Large Language Models

트랜스포머 구조부터 생성형 AI의 전체 수명 주기, 학습 및 추론 방법론까지 핵심 개념을 파악합니다.

공식 페이지 ↗

MCP Server와 Box 파일을 활용한 AI 앱 개발

Build AI Apps with MCP Server: Working with Box Files

Box MCP 서버를 활용해 문서를 탐색하고, 멀티 에이전트 간 통신을 구현하는 앱 개발법을 배웁니다.

공식 페이지 ↗

Mistral 시작하기

Getting Started with Mistral

Mistral의 오픈소스 및 상용 모델을 살펴보고, JSON 모드와 API로 구조화된 응답을 생성하는 법을 배웁니다.

공식 페이지 ↗

Multi-vector Image Retrieval 구축하기

Multi-vector Image Retrieval

다중 벡터를 활용해 텍스트와 이미지 간의 정밀한 매칭을 구현하고 검색 정확도를 높이는 방법을 배웁니다.

공식 페이지 ↗

Nvidia NeMo Agent Toolkit 기반 상용 에이전트 개발

Nvidia’s NeMo Agent Toolkit: Making Agents Reliable

관찰·평가·배포 도구를 활용해 시연용 에이전트를 안정적인 상용 시스템으로 발전시킵니다.

공식 페이지 ↗

o1 모델을 활용한 추론

Reasoning with o1

복잡한 추론 작업을 위해 OpenAI o1 모델을 사용하고 프롬프트하는 법을 배웁니다.

공식 페이지 ↗

OpenAI Canvas로 협업 글쓰기 및 코딩

Collaborative Writing and Coding with OpenAI Canvas

AI와 협업하여 더 효과적으로 글을 쓰고 코딩하며 창작하는 OpenAI Canvas 활용법을 배웁니다.

공식 페이지 ↗