[Chapter1. 검색엔진의 발달]
· 학습 목표
언어처리와 빅데이터의 영향, 벡터를 활용한 발전과정과 주요 기법, 그리고 인공지능을 이용한 성능 향상 방법에 대해 학습합니다.
· 주요 내용
1. 언어처리에서의 검색 엔진 원리
2. 빅데이터와 AI가 검색 엔진에 끼친 영향
3. 벡터를 사용한 검색 엔진의 발달(BOW부터 TF-IDF)
4. 인공지능을 사용한 검색 엔진의 발달

[Chapter2. 서비스에서의 Vector DB]
· 학습 목표
인공지능 기술이 서비스 분야에서의 활용 방법과 RAG 아키텍처를 활용하여 서비스 성능을 개선하는 방법을 학습합니다.
· 주요 내용
1. 인공지능 기술의 발달
2. RAG를 이용한 성능 개선

[Chapter3. Vector DB 만들기]
· 학습 목표
데이터 정제 및 벡터화 과정을 이해하고 구현하며, OpenAI API를 활용하여 데이터를 벡터로 변환하는 방법을 학습합니다.
· 주요 내용
1. pypdf를 통한 데이터 정제
2. Openai API를 활용한 데이터 임베딩 벡터 얻기
3. 사용자 질의에 답을 얻는 AI 활용해보기

[Chapter4. Chroma의 특성과 사용법]
· 학습 목표
다양한 Vector DB의 특징과 성능을 비교하여 이해하고, 이후에는 Chroma를 사용하여 Vector DB를 설정하고 활용하는 방법을 학습합니다.
· 주요 내용
1. 여러가지 Vector DB 소개 및 비교
2. Chroma를 통한 Vector DB 환경설정

[Chapter5. Chroma를 사용한 AI 서비스 만들기]
· 학습 목표
Dramas Dataset을 활용하여 드라마 검색 서비스를 구축하고, 이를 통해 AI를 사용하여 서비스의 정확도와 성능을 향상시키는 방법을 학습합니다.
· 주요 내용
1. 드라마 검색 서비스 만들기
2. 데이터: Kaggle Korean Dramas Dataset

[Chapter6. Faiss를 사용한 검색속도 개선]
· 학습 목표
Faiss를 활용하여 검색 속도를 개선하는 기본 원리와 알고리즘을 이해하고, 다양한 알고리즘을 비교하여 검색 속도를 향상시키는 방법을 학습합니다.
· 주요 내용
1. Faiss 소개 및 기본 원리
2. 검색속도 개선 알고리즘 비교 (Flat, LSH, IVF, HNSW)

[Chapter7. Faiss의 특성과 사용법]
· 학습 목표
Faiss를 활용하여 검색 속도를 개선하는 알고리즘과 기능을 이해하고, 또한 GPU를 사용하여 Faiss를 최적화하여 검색 속도를 개선하는 방법을 학습합니다.
· 주요 내용
1. 검색속도 개선 알고리즘
2. GPU를 사용한 연산 속도 개선

[Chapter8. 검색속도 개선 실습]
· 학습 목표
주어진 연습 데이터를 활용하여 Faiss를 적용하여 검색 속도를 개선하는 실습을 진행하고, 이를 통해 개선된 검색 속도의 성능을 시각화하여 확인하는 방법을 학습합니다
· 주요 내용
1. 연습 데이터를 활용한 검색 속도 개선 실습
2. 성능 확인 시각화하기