PART 1 LLM 소개
CHAPTER 1 LLM의 세계로
_1.1 LLM이란?
_1.2 많이 사용되는 LLM
_1.3 LLM을 이용한 애플리케이션
_1.4 마치며

CHAPTER 2 LLM을 이용한 의미 기반 검색
_2.1 들어가는 글
_2.2 작업
_2.3 솔루션 개요
_2.4 구성 요소
_2.5 통합
_2.6 클로즈드 소스 구성 요소의 비용
_2.7 마치며

CHAPTER 3 프롬프트 엔지니어링의 첫 번째 단계
_3.1 들어가는 글
_3.2 프롬프트 엔지니어링
_3.3 여러 모델과 프롬프트 작업하기
_3.4 마치며

CHAPTER 4 AI 생태계: 조각 맞추기
_4.1 들어가는 글
_4.2 끊임없이 변화하는 클로즈드 소스 AI의 성능
_4.3 AI 추론 vs 생각
_4.4 사례 연구 1: 검색 증강 생성(RAG)
_4.5 사례 연구 2: 자동화된 AI 에이전트
_4.6 마치며

PART 2 LLM 활용법
CHAPTER 5 맞춤형 미세 조정으로 LLM 최적화하기
_5.1 들어가는 글
_5.2 미세 조정과 전이학습: 기초 안내서
_5.3 오픈AI 미세 조정 API 살펴보기
_5.4 오픈AI CLI로 맞춤형 예제 준비하기
_5.5 오픈AI CLI 설정하기
_5.6 첫 번째 미세 조정 LLM
_5.7 마치며

CHAPTER 6 고급 프롬프트 엔지니어링
_6.1 들어가는 글
_6.2 프롬프트 인젝션 공격
_6.3 입력/출력 유효성 검사
_6.4 배치 프롬프팅
_6.5 프롬프트 체이닝
_6.6 사례 연구: AI는 수학을 얼마나 잘하나?
_6.7 마치며

CHAPTER 7 임베딩과 모델 아키텍처 맞춤화
_7.1 들어가는 글
_7.2 사례 연구: 추천 시스템 만들기
_7.3 마치며

CHAPTER 8 AI 정렬: 제1원리
_8.1 들어가는 글
_8.2 누구에게, 그리고 어떤 목적에 맞춰 정렬할 것인가?
_8.3 편향 완화 도구로서의 정렬
_8.4 정렬의 핵심 원칙
_8.5 헌법 AI: 자기 정렬을 향한 한 걸음
_8.6 마치며

PART 3 고급 LLM 사용법
CHAPTER 9 파운데이션 모델을 넘어서
_9.1 들어가는 글
_9.2 사례 연구: VQA
_9.3 사례 연구: 피드백 기반 강화 학습
_9.4 마치며

CHAPTER 10 고급 오픈 소스 LLM 미세 조정
_10.1 들어가는 글
_10.2 예시: BERT를 이용한 애니메이션 장르 다중 레이블 분류
_10.3 예시: GPT-2를 이용한 LaTeX 생성
_10.4 시난의 현명하면서도 매력적인 답변 생성기: SAWYER
_10.5 마치며

CHAPTER 11 LLM을 프로덕션 환경에서 사용하기
_11.1 들어가는 글
_11.2 클로즈드 소스 LLM을 프로덕션 환경에 배포하기
_11.3 프로덕션 환경에 오픈 소스 LLM 배포하기
_11.4 마치며

CHAPTER 12 LLM 평가하기
_12.1 들어가는 글
_12.2 생성 작업 평가하기
_12.3 이해 과제 평가하기
_12.4 마치며
_12.5 계속 나아가세요!

PART 4 부록
APPENDIX A LLM 자주 묻는 질문(FAQ)
APPENDIX B LLM 용어 해설
APPENDIX C LLM 애플리케이션 개발 고려사항