252R 딥러닝응용 (LlamaIndex · RAG)

이 레포는 252R 딥러닝응용 수업 실습(Chapter 1~10)과, 2025-2학기 딥러닝응용 프로젝트(RAG 기반 학칙/학사운영 규정 Q&A)를 함께 관리합니다.

• practice/: Chapter별 실습 노트북/코드
• theory/: 이론 자료(PDF) 및 노트북
• project/: 학칙 PDF 기반 RAG 질의응답 프로젝트(ChromaDB + LlamaIndex)
• dla/: uv 기반 파이썬 환경(의존성 묶음)

Chapter 별 실습 내용

Chapter	주제	주요 파일/폴더	간단 요약
1	LlamaIndex 입문	practice/ch01/starter.ipynb	기본 개념/설치/첫 실행
2	RAG 파이프라인	practice/ch02/ch02_practice.ipynb	로딩→청킹→인덱싱→질의 흐름
3	벡터DB/저장소	practice/ch03/01_chroma_example.ipynb	Chroma/Pinecone/Qdrant 비교 실습
4	문서 RAG(PDF 등)	practice/ch04/ch04_practice.ipynb	PDF 기반 RAG 기본기
5	멀티모달 RAG	practice/ch05/multimodal_rag.ipynb	텍스트+이미지 검색/질의
6	Agentic RAG	practice/ch06/ch06_agentic_rag.ipynb	에이전트 구성 및 도구 활용
7	Advanced RAG	practice/ch07/ch07_advanced_rag.ipynb	Reranking/HyDE 등 고급 기법
8	Function Calling	practice/ch08/ch08_practice.ipynb	외부 도구 호출 기반 에이전트
9	Text-to-SQL	practice/ch09/ch09_text_to_sql.ipynb	자연어→SQL 질의 에이전트
10	MCP	practice/ch10/server.py	MCP 서버/클라이언트 및 예제

요약: 14장은 “문서→벡터→검색→답변” RAG 기본기를 다지고, 510장은 멀티모달/에이전트/고급 검색/툴링(MCP)까지 확장합니다.

레포 구조

.
├── practice/              # Chapter별 실습(노트북/스크립트/샘플 데이터)
├── theory/                # Transformer/LLM 등 이론 자료
├── project/               # 2025-2 프로젝트: 학칙 PDF RAG Q&A
│   ├── data/              # 제공 PDF(7개) — 이 폴더의 PDF만 사용
│   ├── main.py            # 제출 파일(단일 파일)
│   ├── test/              # 예시 queries/outputs
│   └── chroma_db_test/    # (--save) 실행 시 생성/갱신
└── dla/                   # uv 환경(의존성)

실행/개발 환경

• Python 3.10+ 권장
• 의존성 설치(권장: uv): dla/는 LlamaIndex/Chroma/Jupyter 등을 포함한 실습용 환경입니다.

cd dla
uv sync
source .venv/bin/activate

환경 변수(.env)

프로젝트/실습에서 API 키는 루트의 .env를 사용합니다.

OPENAI_API_KEY=...

# (선택) 실습/확장에 따라 필요
GOOGLE_API_KEY=...
PINECONE_API_KEY=...
OPENWEATHER_API_KEY=...

2025-2학기 딥러닝응용 프로젝트

고려대학교 학칙 및 학사운영 규정 PDF를 기반으로, 규정 관련 질문에 자동 응답하는 RAG 기반 질의응답 시스템(챗봇) 구현이 목표입니다.

개요(파이프라인)

1. --save: PDF 로드 → 문단/청크 분할 → 임베딩 생성(OpenAI) → ChromaDB 저장
2. --infer: queries.json 입력 → ChromaDB 검색(근거 문단) → LLM 답변 생성 → outputs.json 저장

outputs.json에는 id, question, answer(A/B/C/D), elapsed_sec, citations(참고근거) 를 포함합니다.

실행 방법

project/ 폴더에서 실행해야 경로가 맞습니다.

cd project

# 1) ChromaDB 생성/갱신
python main.py --save

# 2) 질의응답 수행
python main.py --infer test/queries.json test/outputs.json

제출/평가 메모

• 마감: 2025년 12월 19일(금) 23:59
• 제출: project/main.py (단일 파일)
• 실행: --save, --infer 모두 오류 없이 동작해야 함
• 평가: 테스트 쿼리 → outputs.json의 "answer"(A/B/C/D) 정답률 비교
• 구현 제한: 과제 안내에 따라 save_to_chroma(), infer() 외 수정 금지(자세한 주석 참고)

License

MIT License