Vector-search

검색 엔진의 모든 것! Inverted Index 구조, TF-IDF/BM25 알고리즘, Lucene/Elasticsearch 내부, Tokenization/Analyzer, Boolean/Phrase/Fuzzy 쿼리, Vector Search(임베딩), Hybrid Search, RRF, 검색 품질 평가.

Elasticsearch의 모든 것! 역색인 원리, 매핑/분석기, 쿼리 DSL, 집계, ELK 스택, 벡터 검색(kNN), 클러스터 운영, 성능 최적화, 면접 질문까지.

임베딩의 기본 개념부터 주요 모델 비교(OpenAI, Cohere, BGE, E5, GTE, Jina), Sentence Transformers 활용, 벡터 데이터베이스(Pinecone, Weaviate, Milvus, Chroma, FAISS) 인덱싱 전략, 유사도 검색, RAG 파이프라인 통합, 파인튜닝, MTEB 벤치마크 평가까지 임베딩 모델의 모든 것을 실전 코드와 함께 체계적으로 다룹니다.

RAG(Retrieval-Augmented Generation) 시스템의 품질을 체계적으로 평가하는 방법과 흔히 발생하는 실패 패턴들을 분석합니다. Retriever, Reranker, Generator 각 컴포넌트의 평가 지표부터 RAGAS, DeepEval 같은 프레임워크 비교, 그리고 실전 디버깅 워크플로우까지 다룹니다.

LangChain과 RAG를 활용하여 사내 문서를 검색하는 Slack 챗봇을 구축합니다. 문서 임베딩, 벡터 DB, 프롬프트 엔지니어링, Slack Bolt 연동까지 전체 코드를 다룹니다.

PostgreSQL pgvector 확장으로 벡터 유사도 검색을 구현한다. 설치부터 HNSW/IVFFlat 인덱스, 하이브리드 검색(벡터+전문검색), RAG 파이프라인 통합까지 실전 코드 포함.