[PART 1 오픈AI와 챗GPT 제대로 이해하기]

1장 생성형 AI 서비스
_1.1 생성형 AI 개요
_1.2 대표적인 생성형 AI 서비스

2장 오픈AI와 챗GPT
_2.1 오픈AI와 챗GPT 개요
_2.2 GPT 모델 및 사용 사례

3장 개발 사전 준비
_3.1 구글 코랩 사용 방법
_3.2 API 개요
_3.3 오픈AI API 키 얻기
_3.4 오픈AI API 키 활용 실습
_3.5 API 사용량 및 요금 확인

4장 오픈AI API 활용 첫걸음
_4.1 GPT-4o mini로 시작하는 대화 생성
_4.2 system, user, assistant 역할의 기본 이해
_4.3 퓨샷 학습 소개
_4.4 GPT 모델을 활용한 맞춤형 출력 생성
_4.5 대화 출력 길이 제어
_4.6 AI 응답 제어

5장 오픈AI API 모델 탐색하기
_5.1 사용 가능 모델 확인 및 소개
_5.2 사용할 모델 선택
_5.3 오픈AI 모델 시리즈
_5.4 오픈AI 모델 가격
_5.5 오픈AI 모델의 발전과 선택 가이드

[PART 2 오픈AI GPT 대화 생성 실전 가이드]

6장 대화 생성의 고급 기술
_6.1 창의성 조절 기법
_6.2 페널티로 독창성과 다양성 확보하기
_6.3 n 파라미터로 여러 응답 생성하기
_6.4 실시간 스트리밍으로 즉시 출력하기

7장 GPT 모델의 성능을 극대화하는 프롬프트 엔지니어링 기법
_7.1 프롬프트 엔지니어링 개요
_7.2 퓨샷 학습: 키워드 추출 성능 높이기
_7.3 프롬프트 체이닝: 트윗 생성 최적화하기
_7.4 일반 지식 프롬프팅: 올드 스쿨 랩 가사 완성하기
_7.5 문맥 채우기: AI의 이해도 높이기
_7.6 동적 토큰 제어: AI 응답 길이 유연하게 조절하기
_7.7 프롬프트 템플릿 최적화: 리눅스 학습용 CLI 어시스턴트 개발하기
_7.8 다음으로 나아가기

[PART 3 음성 및 이미지 인식: 위스퍼와 CLIP의 실전 활용]

8장 위스퍼 음성 인식 기초
_8.1 위스퍼 개요
_8.2 위스퍼 설치 방법 및 기본 예제
_8.3 파이썬에서 위스퍼 SDK 사용하기

9장 위스퍼 텍스트 변환 최적화 기법
_9.1 오픈AI 음성-텍스트 API 사용하기
_9.2 위스퍼 텍스트 변환 개선하기

10장 오픈AI TTS를 활용한 음성 변환
_10.1 오픈 AI TTS 소개
_10.2 오픈 AI TTS 사용 방법

11장 오픈AI CLIP을 사용한 이미지 분류
_11.1 CLIP 소개
_11.2 CLIP 사용 방법
_11.3 이미지를 텍스트로 변환하기

[PART 4 생성형 AI를 활용한 이미지 제작과 편집 기술]

12장 DALL·E로 이미지 생성하기
_12.1 DALL·E 소개
_12.2 프롬프트 기반의 이미지 생성 기본 예제
_12.3 다른 크기의 이미지 생성하기
_12.4 여러 이미지 생성하기
_12.5 이미지 프롬프트 개선 방법
_12.6 프롬프트 조합으로 다양한 랜덤 이미지 만들기

13장 DALL·E로 이미지 편집하기
_13.1 이미지 편집 예제

14장 다른 이미지에서 영감 얻기
_14.1 이미지 변형 방법
_14.2 이미지 변형 사용 사례

[PART 5 임베딩: 복잡한 데이터를 쉽게 이해하는 방법]

15장 임베딩 소개
_15.1 임베딩의 의미
_15.2 임베딩 사용 사례

16장 텍스트 임베딩 활용 방법
_16.1 텍스트 임베딩의 핵심 이해하기
_16.2 다중 입력 사용 예제
_16.3 사용자의 의도를 읽어내는 시맨틱 검색
_16.4 코사인 유사도 쉽게 이해하기
_16.5 오픈AI 텍스트 임베딩 사용 예제
_16.6 임베딩의 내부 작동 원리

17장 고급 임베딩 예제
_17.1 선호하는 커피 예측하기
_17.2 퍼지 검색으로 더 유연한 커피 검색 구현하기
_17.3 제로샷 분류기로 뉴스 기사 분류하기
_17.4 제로샷 분류기의 정밀도 평가
_17.5 제로샷 분류기의 정밀도 활용 예시

[PART 6 파인 튜닝과 모델의 실전 활용]

18장 퓨샷 학습 이해하기
_18.1 퓨샷 학습의 기본 개념과 정의
_18.2 파인 튜닝으로 퓨샷 학습 성능 향상하기

19장 파인 튜닝의 이해 및 구현
_19.1 파인 튜닝 실제 적용
_19.2 파인 튜닝 최적화

20장 파인 튜닝 고급 예제: 정신 건강 코치
_20.1 예제에서 사용한 데이터셋
_20.2 데이터셋 준비하기
_20.3 실제 애플리케이션에서 발생할 수 있는 한계

21장 기억력 및 문맥 문제와 해결책
_21.1 GPT의 기억력 및 문맥 문제
_21.2 문맥 유지의 중요성
_21.3 대화 문맥 유지의 해법: 대화 이력 추가
_21.4 대화 이력 관리의 문제점
_21.5 후입선출 방식으로 최신 문맥 유지하기
_21.6 후입선출 메모리의 한계
_21.7 선택적 문맥으로 최적의 대화 문맥 선택하기

[PART 7 부록]

부록 A 챗GPT 및 클로드 실습
_A.1 코딩 공부에 활용하기
_A.2 유튜브 영상에서 텍스트를 추출하고 요약하기
_A.3 간단한 고객 데이터 분석 수행하기
_A.4 맞춤형 GPT 소개 및 구현

부록 B 오픈AI 플레이그라운드 실습
_B.1 오픈AI 플레이그라운드 소개
_B.2 취업 진로 상담하기
_B.3 이모지 만들기
_B.4 웹 페이지 작성하기

부록 C 건강 상담 챗봇 구현하기
_C.1 스트림릿으로 간단한 웹 앱 서비스 구현하기
_C.2 건강 상담 챗봇 웹 서비스 구현하기

부록 D 작가 스타일 이미지 생성 앱
_D.1 풍경화 이미지 생성하기
_D.2 특정 작가 스타일의 이미지 생성하기

부록 E RAG로 노트북 추천받기
_E.1 RAG 소개
_E.2 RAG 실습

부록 F 오토젠을 활용한 AI 에이전트 이해하기
_F.1 오토젠 소개
_F.2 멀티 에이전트 활용 실습