강의
OpenAI API로 시작하는 임베딩 Introduction
중급기술 수준
업데이트됨 2026. 3.
OpenAIArtificial Intelligence3시간11 동영상37 연습 문제3,000 XP21,233성취 증명서
무료 계정 만들기
Google에서 계속 진행더 많은 옵션 보기또는
수천 개 기업의 학습자들이 사랑하는
팀을 교육하시나요?
비즈니스용으로 체험해 보세요강의 설명
강력한 AI 애플리케이션 구현
임베딩을 사용하면 텍스트를 수치적으로 표현할 수 있으며, 텍스트 뒤에 숨은 맥락과 의도를 포착할 수 있습니다. 이러한 능력이 의미 기반 검색 엔진이 의미를 바탕으로 검색하고, 더 관련성 높은 추천 엔진을 구현하며, 감성 분석과 같은 분류 작업을 수행하는 데 어떻게 활용될 수 있는지 배우게 됩니다.OpenAI API를 사용하여 임베딩 만들기
OpenAI API는 GPT 및 Whisper 모델에 접근할 수 있는 엔드포인트뿐만 아니라, 텍스트 입력으로부터 임베딩을 생성하는 모델용 엔드포인트도 제공합니다. OpenAI의 최첨단 임베딩 모델을 사용해 텍스트의 의미를 포착하는 임베딩을 생성하게 됩니다.시맨틱 검색 및 추천 엔진 구축
기존 검색 엔진은 사용자에게 가장 관련성 높은 결과를 제공하기 위해 키워드 매칭에 의존했지만, 더 현대적인 기법은 텍스트의 의미를 포착할 수 있는 임베딩을 사용합니다. OpenAI의 임베딩 모델을 사용해 온라인 리테일 플랫폼용 시맨틱 검색 엔진을 만드는 방법을 배우게 되며, 이를 통해 사용자가 가장 관련성 높은 제품을 더 쉽게 찾을 수 있습니다. 또한 의미 검색과 동일한 원리를 기반으로 구축되는 제품 추천 시스템을 만드는 방법도 배우게 됩니다.벡터 데이터베이스 활용하기
프로덕션에서 임베딩에 의존하는 AI 애플리케이션은 종종 벡터 데이터베이스를 사용하여 임베딩된 텍스트를 더 효율적이고 재현 가능한 방식으로 저장하고 조회합니다. 이 강의에서는 오픈 소스의 자체 관리형 벡터 데이터베이스 솔루션인 ChromaDB를 사용해 로컬 시스템에서 임베딩을 생성하고 저장하는 방법을 배우게 됩니다.선수 조건
Working with the OpenAI APIPython Toolbox1
임베딩이란 무엇인가요?
임베딩 모델이 가장 흥미로운 AI 애플리케이션을 어떻게 구동하는지 알아봐요. OpenAI API를 사용해 임베딩을 생성하고 텍스트 간 시맨틱 유사도를 계산하는 방법을 학습합니다.
2
AI 애플리케이션을 위한 임베딩
임베딩은 시맨틱 검색 엔진, 추천 엔진, 감성 분석 같은 분류 작업 등 강력한 AI 애플리케이션을 가능하게 합니다. OpenAI의 임베딩 모델을 활용해 이러한 흥미로운 애플리케이션을 구현하는 방법을 배워 보세요!
3
벡터 데이터베이스
프로덕션 환경에서 임베딩 애플리케이션을 구현하려면 효율적인 벡터 저장 및 조회 솔루션이 필요합니다. 그 해답이 바로 벡터 데이터베이스입니다! 이 장에서는 벡터 데이터베이스가 임베딩 애플리케이션의 확장을 어떻게 돕는지 배우고, Chroma를 사용해 직접 벡터 데이터베이스를 만들고 확장하는 실습을 시작합니다.
OpenAI API로 시작하는 임베딩 Introduction
강의 완료
19백만 명 이상의 학습자와 함께 OpenAI API로 시작하는 임베딩 Introduction을(를) 시작하세요!
무료 계정 만들기
Google에서 계속 진행더 많은 옵션 보기또는
DataCamp for Mobile을 통해 데이터 분석 능력을 향상시키세요.
모바일 강좌와 매일 5분 코딩 챌린지를 통해 이동 중에도 학습 효과를 높이세요.