- 주문상품수량
- 개
- 예상적립금
P - 상품할인금
- 원
- 배송료
- 원
- 주문합계
- 원
네비게이션 실시간 인기 책
베스트
벡터 데이터베이스 설계와 구축 Vector DBMS & RAG
- 송한림 저
- 아이리포
- 2025년 04월 04일
-
정가17,800원
-
판매가16,020원 [10% 할인]
-
결제 혜택무이자
카드할인/포인트결제 안내
제휴카드
반디앤루니스 롯데카드 결제금액 최대 25% 청구할인 (1만원 이상 결제건에 한해 월 2회, 건당 최대 1만원 할인) 반디앤루니스 우리V카드 결제금액 10% 청구할인 포인트결제
OK캐쉬백 포인트 최소 10원부터 전액 사용 or 1% 적립 현대카드 M포인트 결제금액의 최대 10% 사용 가능 신한카드 포인트 결제금액의 최대 10% 사용 가능(일부카드) 하나(구.외환) 포인트 보유 한도 내에서 100% 사용 가능 씨티카드 포인트 결제금액의 최대 50% 사용 가능 할인카드
NH농협 TAKE5카드 20% 청구할인(Edu Pack) 채움 플래티늄 멀티카드 20% 청구할인 모바일 Tmoney 신한카드 10% 청구할인 신한카드 Shopping 10% 청구할인 NH농협 체크카드 10% 청구할인 NH20 해봄 신용카드 10% 청구할인 씨티 클리어 카드 7% 청구할인 NH20 해봄 체크카드 5% 청구할인 NH농협 LADY다솜카드 5% 청구할인 신한카드 큐브 5% 청구할인 신한카드 큐브 PLATINUM# 5% 청구할인 
무이자 안내
-
적립금890원 적립 [5%P]
추가 적립금 안내
[2천원 추가 적립]
총 주문금액 5만원 이상 구매 시 2,000원 추가 적립
도서(eBook포함)만 구매 시 적립 대상에서 제외업채배송상품 포함(기프트, 업체배송 등) 5만원[멤버십 추가 적립]
슈퍼루니 : 3% 추가 적립
골드루니 : 2% 추가 적립
실버루니 : 1% 추가 적립
단, 국내도서, eBook만 구매 시 적립 불가
-
배송료무료배송
-
출고예정일
출고예정일 안내
※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.
2026년 02월 04일(수)※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.
당일배송 가능지역 검색
“도로명주소”를 쉽게 찾아보세요
1. 도로명으로 검색하기 (예, “직지길” or “직지길+322”)
2. 건물명으로 검색하기 (예, “반디앤루니스빌딩”)
3. 동(읍/면/리) 으로 검색 (예, “인사동” or “인사동+43”)
4. 도로명주소를 모르실 경우 도로명주소 안내시스템(http://www.juso.go.kr)에서 확인해주세요.
시/도
시/군/구
회원리뷰
ISBN: 9791193747049
288쪽
374g
152 x 225 (㎜)
지금 이책은
- 판매지수 : 0
- 주간 컴퓨터/IT: 65위
이 분야의 베스트셀러
-
처음 만나는 인공지능 [개정판]
김대수
26,000원
-
비전공자를 위한 이해할 수 있는 IT 지식
최원영
15,120원
-
컴퓨팅 사고 Level Up 소프트 파워 with 스크래치
김호다, 이지민, 정영철 외
20,700원
이 책이 속한 분야
- 컴퓨터/IT > 컴퓨터공학 > 인공지능/신경망/퍼지
책 소개
이 책은
최근 팔란티어와 같은 AI 소프트웨어 기업들이 국방 및 의료 분야에서 두각을 나타내고 있으며, 그 핵심에는 데이터 기반 설계와 고도화된 분석기법이 자리하고 있다. AI 시스템의 성능을 극대화하려면 비정형 데이터를 구조적으로 정의하고 효율적으로 활용하는 것이 필수적이며, 이를 뒷받침하는 핵심 기술로는 Vector DB, 지식그래프 모델링, 온톨로지 등이 있다. 특히, 비정형 데이터에서 의미적 유사도를 빠르게 검색할 수 있는 Vector DB와 관계 중심 탐색이 가능한 Graph DB는 AI 구현에 필수적인 요소이다.
우리나라가 AI 선진국과 경쟁하기 위해서는 AI 개발 역량을 넘어 데이터를 구조화하고 분석하는 능력을 키우는 것이 중요하며, 이 책은 Vector DB, Graph DB의 개념부터 실전 적용까지 데이터 중심의 AI 설계 핵심 가이드를 제공한다.
출판사 리뷰
저자 소개
데이터와 AI의 융합을 선도하는 데이터 아키텍처 및 AI 전문가로, 20여 년간 금융, 유통, 공공 등 다양한 산업에서 데이터 기반 프로젝트를 성공적으로 수행하였습니다. 은행, 보험, 카드, 캐피탈, 증권 등 금융권 프로젝트부터 홈쇼핑과 e-Commerce 같은 유통 분야, 국방, 경찰, 검찰, 인천공항 등 공공 프로젝트까지 폭넓은 실무 경험을 쌓아 왔으며, AI 분야에서도 역량을 보유한 저자는 대기업에서 AI와 데이터 아키텍처 관련 강사로도 활발히 활동하고 있습니다.
저자는 ‘대한민국 DA 공모대전’ 입상경력과 DAP(Data Architecture Professional) 자격을 통해 데이터 관리 분야에서 인정받고 있으며, 이를 기반으로 AI와 데이터 융합 기술의 잠재력을 널리 알리는 데 힘쓰고 있습니다.
목차
Chapter 1. Vector DataBase 개요
__1.1 The Rising Star of AI
__1.2 Vector에 대한 이해
Chapter 2. Vector DBMS 종류 및 선택 기준
__2.1 Vector DBMS 특징
__2.2 Vector DBMS 종류 및 선택 시 고려사항
__2.3 Vector DBMS 종류별 특징 비교
Chapter 3. 생성형 AI 프로젝트 설계 방법론
__3.1 생성형 AI 프로젝트 수행 작업 절차
__3.2 데이터 분석 준비 및 설계 절차
Chapter 4. 데이터 분석 및 준비
__4.1 데이터 범위/유형 분석
__4.2 데이터 요건 분석
__4.3 데이터 피처 분석
__4.4 데이터셋 확보
Chapter 5. Vector DataBase Schema 설계
__5.1 Vector DB Schema 설계
__5.2 Collection Design
__5.3 Vector Design
__5.4 Meta Data Design
__5.5 Relationship Design
Chapter 6. 데이터 검색/응답 정합성 검증(Retrieval/Response)
__6.1 데이터 평가 및 검증
Chapter 7. RAG 개요 및 성능 개선
__7.1 RAG 개요
__7.2 RAG 아키텍처
__7.3 RAG 한계
__7.4 RAG 개선(Advanced RAG, Modular RAG, Graph RAG)
Chapter 8. Advanced RAG
__8.1 Advanced RAG 개요
__8.2 원천 데이터의 정비
__8.3 Retrieval 전략의 조정
__8.4 Search 전략 조정
__8.5 Collection 분리/분산
Chapter 9. Modular RAG
__9.1 Modular RAG 개요
__9.2 독립 모듈화
__9.3 다양한 FLOW 패턴
__9.4 참조 - Modular RAG 외부 논문
Chapter 10. Graph RAG – 지식 기반 RAG
__10.1 Graph RAG 개요
__10.2 Graph DB 모델링–데이터 모델링 기본 구조
__10.3 Graph DB 모델링–데이터의 분리(Divide) 깊이
__10.4 Graph DB 모델링–데이터 모델링 절차
__10.5 Graph DB 모델링–데이터 검색
__10.6 온톨로지
__10.7 Graph RAG에서 지식그래프 활용(Graph DB + 온톨로지)
__10.8 Graph RAG의 비즈니스 적용 사례(국방, 의료, 법률)
__10.9 Neo4j DB
Chapter 11. 프로그램 따라해 보기
__11.1 Chroma DB – Vector DB
____11.1.1 Chroma DB 설치
____11.1.2 프로그램 따라하기 with Python– Chroma Embedding 데이터 저장
____11.1.3 프로그램 따라하기 with Python– Response 정보 openAI로 생성하기
____11.1.4 프로그램 따라하기 with Python – Chunking
____11.1.5 프로그램 따라하기 with Python – 샘플 프로그램
__11.2 Neo4j DB – Graph DB
____11.2.1 Neo4j DB 설치
____11.2.2 프로그램 따라하기 with Python– Neo4j Embedding 데이터 저장
____11.2.3 프로그램 따라하기 with Python–Haluciation(환각) 개선 with Neo4j
__11.3 Neo4J DB–알고리즘 활용(커뮤니티 생성)
____11.3.1 Neo4J Plug-In 설치
____11.3.2 프로그램 따라하기 with Python–그래프 모델 생성(인터넷 뉴스 데이터)
____11.3.3 프로그램 따라하기 with 알고리즘 – 커뮤니티 생성(인터넷 뉴스 데이터)
__11.4 FAISS – Library
____11.4.1 FAISS 설치
____11.4.2 프로그램 따라하기 with Python – FAISS Embedding 저장 및 검색
__11.5 CHAT 시스템 - RAG 환경
____11.5.1 Streamlit
____11.5.2 프로그램 따라하기 with Python– 간단한 CHAT 프로그램
__1.1 The Rising Star of AI
__1.2 Vector에 대한 이해
Chapter 2. Vector DBMS 종류 및 선택 기준
__2.1 Vector DBMS 특징
__2.2 Vector DBMS 종류 및 선택 시 고려사항
__2.3 Vector DBMS 종류별 특징 비교
Chapter 3. 생성형 AI 프로젝트 설계 방법론
__3.1 생성형 AI 프로젝트 수행 작업 절차
__3.2 데이터 분석 준비 및 설계 절차
Chapter 4. 데이터 분석 및 준비
__4.1 데이터 범위/유형 분석
__4.2 데이터 요건 분석
__4.3 데이터 피처 분석
__4.4 데이터셋 확보
Chapter 5. Vector DataBase Schema 설계
__5.1 Vector DB Schema 설계
__5.2 Collection Design
__5.3 Vector Design
__5.4 Meta Data Design
__5.5 Relationship Design
Chapter 6. 데이터 검색/응답 정합성 검증(Retrieval/Response)
__6.1 데이터 평가 및 검증
Chapter 7. RAG 개요 및 성능 개선
__7.1 RAG 개요
__7.2 RAG 아키텍처
__7.3 RAG 한계
__7.4 RAG 개선(Advanced RAG, Modular RAG, Graph RAG)
Chapter 8. Advanced RAG
__8.1 Advanced RAG 개요
__8.2 원천 데이터의 정비
__8.3 Retrieval 전략의 조정
__8.4 Search 전략 조정
__8.5 Collection 분리/분산
Chapter 9. Modular RAG
__9.1 Modular RAG 개요
__9.2 독립 모듈화
__9.3 다양한 FLOW 패턴
__9.4 참조 - Modular RAG 외부 논문
Chapter 10. Graph RAG – 지식 기반 RAG
__10.1 Graph RAG 개요
__10.2 Graph DB 모델링–데이터 모델링 기본 구조
__10.3 Graph DB 모델링–데이터의 분리(Divide) 깊이
__10.4 Graph DB 모델링–데이터 모델링 절차
__10.5 Graph DB 모델링–데이터 검색
__10.6 온톨로지
__10.7 Graph RAG에서 지식그래프 활용(Graph DB + 온톨로지)
__10.8 Graph RAG의 비즈니스 적용 사례(국방, 의료, 법률)
__10.9 Neo4j DB
Chapter 11. 프로그램 따라해 보기
__11.1 Chroma DB – Vector DB
____11.1.1 Chroma DB 설치
____11.1.2 프로그램 따라하기 with Python– Chroma Embedding 데이터 저장
____11.1.3 프로그램 따라하기 with Python– Response 정보 openAI로 생성하기
____11.1.4 프로그램 따라하기 with Python – Chunking
____11.1.5 프로그램 따라하기 with Python – 샘플 프로그램
__11.2 Neo4j DB – Graph DB
____11.2.1 Neo4j DB 설치
____11.2.2 프로그램 따라하기 with Python– Neo4j Embedding 데이터 저장
____11.2.3 프로그램 따라하기 with Python–Haluciation(환각) 개선 with Neo4j
__11.3 Neo4J DB–알고리즘 활용(커뮤니티 생성)
____11.3.1 Neo4J Plug-In 설치
____11.3.2 프로그램 따라하기 with Python–그래프 모델 생성(인터넷 뉴스 데이터)
____11.3.3 프로그램 따라하기 with 알고리즘 – 커뮤니티 생성(인터넷 뉴스 데이터)
__11.4 FAISS – Library
____11.4.1 FAISS 설치
____11.4.2 프로그램 따라하기 with Python – FAISS Embedding 저장 및 검색
__11.5 CHAT 시스템 - RAG 환경
____11.5.1 Streamlit
____11.5.2 프로그램 따라하기 with Python– 간단한 CHAT 프로그램
배송 시 유의사항
- 반디앤루니스에서 구매하신 도서는 물류 대행 위탁업체 웅진 북센을 통해 배송됩니다.
(배송 포장에 "웅진 북센"으로 표기될 수 있습니다.)
- 구매한 상품의 품질과 배송 관련 문의는 반디앤루니스로 문의 바랍니다.
- 천재지변 및 택배사의 사정에 따라 배송이 지연될 수 있습니다.
- 결제(입금) 완료 후 출판사 및 유통사의 사정으로 품절 또는 절판 되어 상품 구입이 어려울 수 있습니다. (별도 안내 예정)
- 도서산간지역의 경우 추가 배송비가 발생될 수 있습니다.
반품/교환
상품 설명에 반품/ 교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다)
반품/교환
-
반품/교환 반품/교환 방법 홈 > 고객센터 > 자주찾는질문 “반품/교환/환불” 안내 참고 또는 1:1상담게시판 반품/교환 가능 기간 반품,교환은 배송완료 후 7일 이내, 상품의 결함 및 계약내용과 다를 경우 문제발견 후 30일 이내에 신청가능 반품/교환 비용 변심 혹은 구매착오의 경우에만 반송료 고객 부담(별도 지정 택배사 없음) 반품/교환 불가 사유 - 소비자의 책임 사유로 상품 등이 손실 또는 훼손된 경우
- 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
- 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예)만화책, 잡지, 화보집 등
- 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
- 전자상거래등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
- 해외주문 상품(해외 원서)의 경우(파본/훼손/오발송 상품을 제외)
소비자 피해보상
환불지연에 따른 배상- 상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은
소비자 분쟁해결 기준(공정거래위원회고시)에 준하여 처리됨 - 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의
소비자 보호에 관한 법률에 따라 처리함
반품/교환 주소 경기도 파주시 문발로 77, 웅진북센(반디앤루니스)
