_1.1 주요 용어
_1.2 트랜스포머 모델
_1.3 대규모 언어 모델
_1.4 LLM 구조
_1.5 LLM 선택
_1.6 기업의 LLM 활용 사례
_1.7 LLM을 활용한 구축의 도전 과제
_1.8 결론
참고 문헌
CHAPTER 2 LLMOps 소개
_2.1 운영 프레임워크의 개념
_2.2 LLMOps 팀과 역할
_2.3 LLM과 조직
_2.4 LLMOps의 네 가지 목표
_2.5 LLMOps 성숙도 모델
_2.6 결론
참고 문헌
읽을거리
CHAPTER 3 LLM 기반 애플리케이션
_3.1 애플리케이션에서 AI 모델 사용하기
_3.2 인프라 애플리케이션
_3.3 VLM과 멀티모달 LLM의 부상
_3.4 LLMOps 질문
_3.5 LLM 기반 애플리케이션에서 무엇을 제어할 수 있는가?
_3.6 LLM 기반 인프라 시스템의 도전 과제
_3.7 결론
참고 문헌
CHAPTER 4 LLM 데이터 엔지니어링
_4.1 데이터 엔지니어링과 LLM의 부상
_4.2 데이터옵스 엔지니어 역할
_4.3 데이터 관리
_4.4 일반적 LLM 데이터 전처리 파이프라인
_4.5 벡터화
_4.6 결론
참고 문헌
읽을거리
CHAPTER 5 LLM 기반 애플리케이션의 모델 도메인 적응
_5.1 LLM 기초 훈련
_5.2 모델 앙상블 접근 방식
_5.3 모델 도메인 적응
_5.4 프롬프트 엔지니어링
_5.5 파인 튜닝
_5.6 전문가 혼합 모델
_5.7 자원 제약 장치용 모델 최적화
_5.8 효과적인 LLM 개발 전략
_5.9 결론
참고 문헌
CHAPTER 6 API 우선 LLM 배포
_6.1 모델 배포하기
_6.2 LLM용 API 개발하기
_6.3 API 구현하기
_6.4 자격 증명 관리
_6.5 API 게이트웨이
_6.6 API 버전 관리 및 수명 주기 관리
_6.7 LLM 배포 아키텍처
_6.8 검색 재정렬기 파이프라인을 활용한 RAG 자동화
_6.9 지식 그래프 자동 업데이트
_6.10 배포 지연 시간 최적화
_6.11 다중 모델 오케스트레이션
_6.12 RAG 파이프라인 최적화
_6.13 확장성과 재사용성
_6.14 결론
CHAPTER 7 LLM 평가
_7.1 평가가 어려운 이유
_7.2 성능 평가
_7.3 일반적인 평가 고려 사항
_7.4 전통적인 평가 지표의 한계
_7.5 결론
참고 문헌
CHAPTER 8 거버넌스: 모니터링, 개인정보 보호, 보안
_8.1 데이터 문제: 규모와 민감성
_8.2 보안 위험
_8.3 방어 조치: LLMSecOps
_8.4 LLMSecOps 감사 수행
_8.5 안전 및 윤리적 가드레일
_8.6 결론
참고 문헌
CHAPTER 9 스케일링: 하드웨어, 인프라, 자원 관리
_9.1 올바른 접근 방식 선택하기
_9.2 스케일링과 자원 할당
_9.3 모니터링
_9.4 LLM을 위한 A/B 테스트와 섀도 테스트
_9.5 자동 인프라 프로비저닝과 관리
_9.6 LLM 인프라 최적화
_9.7 LLM을 위한 병렬 및 분산 컴퓨팅
_9.8 고급 프레임워크 ZeRO와 DeepSpeed
_9.9 결론
참고 문헌
CHAPTER 10 LLM과 LLMOps의 미래
_10.1 현재의 한계를 넘어서는 확장
_10.2 하이브리드 아키텍처: 신경망과 심볼릭 AI의 결합
_10.3 LLMOps의 미래
_10.4 LLMOps 엔지니어로 성공하는 방법
_10.5 결론
참고 문헌
읽을거리