누구보다 Amazon Bedrock을 빠르게 접하고,
잘 아는 AWS 앰버서더가 집필한 책!
『Amazon Bedrock으로 시작하는 실전 생성형 AI 개발』의 저자 임지훈, 최성우는 AWS 앰버서더 프로그램의 일환으로 참석한, 시애틀에서 열린 2022년 글로벌 서밋에 ‘Amazon Bedrock 출시 계획과 AWS의 생성형 AI 전략’을 접하고 큰 충격과 영감을 받았다고 한다. 두 저자는 Bedrock이 가져올 혁신적 변화와 IT 산업 전반에 미칠 영향에 대해 심도 있는 토론을 나누었고, Bedrock이 자신들의 커리어에 새로운 전환점이 될 것이라는 확신을 갖게 되었다.
이에 Bedrock을 활용한 프로젝트를 진행하던 중, AWS 신규 도서를 기획 중이던 출판사 디지털북스와 인연이 닿아 이 책의 출간으로 이어졌다. 이들은 도서의 서문에서 “자신들이 Bedrock을 접하며 느꼈던 벅찬 설렘과 무한한 가능성을 독자들과 나누고자 이 책을 집필했다.”라고 전한다.
AWS 앰버서더로 누구보다 AWS의 소식을 빠르게 접하고, 잘 알고 있으며, 잘 알아야 하는 저자들이 집필한 만큼 자신들이 알고 있는 AWS와 아마존 베드록에 애정을 담아 집필할 수 있었을 것이다.
아마존 베드록에 대한 기초 지식과 이론은 물론
현업에서 꼭 필요한 전문가로 도약할 수 있는
고급 테크닉 제공
이 책을 독자들보다 먼저 읽고 추천서를 써 준 데이터 분석가 신진수(크래프톤)는 추천사를 통해 “저처럼 AWS에 대한 사전 경험이 부족한 독자들도 쉽게 이해할 수 있도록 친절한 설명과 풍부한 예제를 통해 AI와 AWS의 진입 장벽을 낮추는 데 큰 도움을 줄 것입니다.”라고 밝혔다. AI가 시대적 흐름으로 작용하면서 개발자나 엔지니어가 아니라도 누구나 한 번쯤은 들어볼 정도로 익숙해졌고, 기업들도 업무에 AI를 도입하고 싶어 하지만 막상 ‘무엇’을 ‘어떻게’ 해야 할지 몰라 시도하는 데 주저함이 있는 것이 현실이다.
『Amazon Bedrock으로 시작하는 실전 생성형 AI 개발』은 AI와 AWS에 대한 사전 경험이 없는 사람도 쉽게 따라 할 수 있도록 AWS에 대한 소개와 계정 설정부터 시작하고 단계별로 따라올 수 있도록 실용적인 예제 진행하고 있다. 하지만 AI 경험이 없는 개발자와 엔지니어들만을 대상으로 하는 ‘쉬운’ 책만은 아니다. 이 책은 순서대로 차근히 진행하면 불필요한 시행착오를 줄이고, 실무에 응용할 수 있도록 이끌어주고 있다. 더 나아가 아마존 베드록의 모델 학습과 운영 그리고 프로덕션 환경에서 생성형 AI 서비스를 안정적으로 구축하고 운영하는 데 필요한 인사이트까지 얻을 수 있다.
이 책의 구성
이 책은 AI와 AWS에 대한 사전 경험이 없는 분들도 쉽게 따라 할 수 있도록 이론보다는 AWS 서비스들을 빠르게 활용할 수 있는 실습 위주로 구성되어 있습니다.
[이 책에 수록된 내용]
ㆍ 챕터 01에서는 생성형 AI의 기본 개념과 역사 그리고 AWS의 생성형 AI 전략을 소개합니다. 생성형 AI란 텍스트, 이미지, 음성 등을 새롭게 만들어 내는 기술을 말합니다. 이 챕터를 통해 독자들은 ChatGPT와 같은 대규모 언어 모델(LLM)부터 DALL-E와 같은 이미지 생성 모델까지, 생성형 AI의 전반적인 맥락을 이해할 수 있을 것입니다.
ㆍ 챕터 02는 아마존 베드록의 기초를 다룹니다. 텍스트 생성, 이미지 생성 등 Bedrock에서 지원하는 다양한 모델들을 소개하고, 웹 콘솔이나 프로그래밍을 통해 Bedrock을 사용하는 방법을 설명합니다. 특히 Bedrock API를 활용하여 애플리케이션에 생성형 AI 기능을 통합하는 방법에 대해 자세히 다룹니다.
ㆍ 챕터 03에서는 ‘프롬프트 엔지니어링’의 중요성과 기법을 다룹니다. 프롬프트란 LLM에게 주는 지시나 질문을 말하며, 이를 잘 작성하는 것이 LLM의 성능을 극대화하는 핵심입니다. 효과적인 프롬프트 작성 방법과 Claude를 활용한 고급 기법을 배우게 됩니다.
ㆍ 챕터 04는 베드록을 이용한 RAG 구현에 초점을 맞춥니다. RAG는 LLM이 기존 정보를 마치 오픈북처럼 참고하여 더 정확한 답변을 생성하는 기술입니다. 이를 통해 LLM은 최신 정보나 특정 도메인의 전문 지식을 활용할 수 있게 됩니다. ‘벡터 데이터베이스’의 개념부터 실제 RAG 구현 방법까지 상세히 다룹니다.
ㆍ 챕터 05에서는 Bedrock으로 ‘Agent’를 구현하는 방법을 설명합니다. Agent는 주어진 목표를 달성하기 위해 스스로 판단하고 행동하는 LLM 기반 시스템을 말합니다. Agent의 개념, LangChain이라는 프레임워크를 이용한 구현 그리고 Bedrock의 관리형 서비스를 통한 간편한 구현 방법과 고급 기능 및 응용 방안에 대해 수록했습니다.
ㆍ 챕터 06은 Bedrock에서의 모델 학습과 커스터마이징에 대해 다룹니다. ‘미세조정’이란 기존 LLM을 특정 목적에 맞게 추가로 학습시키는 것을 말합니다. 이 챕터에서는 미세조정의 개념과 중요성 그리고 Bedrock에서 제공하는 미세조정 기능을 활용하는 방법을 상세히 설명합니다. 이외에도 외부에서 만든 모델을 Bedrock으로 가져오는 방법도 다룹니다.
ㆍ 챕터 07은 Bedrock의 운영 측면을 다룹니다. 생성형 AI 서비스의 성능을 지속해서 관찰하는 ‘모니터링’, 문제 해결을 위한 ‘로깅’, LLM의 부적절한 사용을 막는 ‘가드레일’ 설정, 모델의 성능을 평가하는 방법 그리고 운영 측면에서의 추론 최적화 방법, 데이터 보안 등 실제 서비스 운영에 필요한 다양한 주제를 다룹니다.
ㆍ 챕터 08에서는 Bedrock의 최신기능들을 소개합니다. 프롬프트를 효율적으로 관리하는 ‘프롬프트 관리(Prompt management)’, 여러 AI 작업 간의 흐름을 설계하고 관리하는 ‘흐름(Flows)’ 그리고 사용자 친화적인 개발 환경인 ‘Bedrock Studio 등 새롭게 추가된 기능들을 살펴봅니다.
