SK네트웍스 Family AI 캠프 30기 12주차 회고

📅 데일리 학습

• 6월 15일 (월)

[49일차] RAG - Load, Chunking

 

여러 가지 파일을 Load할 수 있다는 것을 알게 되었고, 어떤 Loader를 사용하는지에 따라 데이터를 불러오는 방식이 달라진다는 것을 배웠다. 역시 모든 일에 기초가 중요하듯이, 데이터의 품질이 좋아야 하고 이를 깨지지 않게 잘 불러오는 과정도 중요하다는 것을 느꼈다. Load 방식도 다양하고 Chunking 방식도 여러 종류가 있어서 어떤 기준으로 선택해야 할지 고민이 된다. RAG에서는 Chunking이 매우 중요한 요소인 것 같은데, 다양한 방식을 직접 적용해 보면서 경험을 쌓아야 할 것 같다.

• 6월 16일 (화)

[50일차] RAG - Embedding, VectorDB

 

VectorDB는 이름만 들어봤지 실제로 어떻게 사용하는지 잘 몰랐는데, 실습에서 ChromaDB를 사용해 보면서 동작 방식을 이해할 수 있었다. 특히 코사인 유사도를 활용해 검색하는 과정에서 의미적으로 비슷한 내용을 잘 찾아주는 것이 신기했다. 로컬에 DB를 저장하여 사용하는 방식도 경험해 보았는데, 프로젝트를 진행할 때 팀원들과 데이터를 공유할 경우 충돌이나 관리 문제는 없는지 직접 경험해 보고 싶다는 생각이 들었다.

• 6월 17일 (수)

[51일차] RAG - Retriever

 

검색 방식에도 Similarity, MMR 등 여러 가지 방법이 있다는 것을 알게 되었다. 처음에는 MMR이 무조건 더 좋은 방식인 줄 알았는데, 여러 실습을 해보니 데이터의 특성에 따라 적합한 방식이 달라지는 것 같았다. 결국 다양한 환경에서 테스트를 해보면서 각각의 장단점을 파악하는 것이 중요하다고 느꼈다. 앞으로도 여러 가지 방법을 직접 적용해 보며 경험을 쌓아야겠다.

• 6월 18일 (목)

[52일차] RAG - Streamlit, BM25, Reranker

 

RAG의 기초 내용을 마친 후 Streamlit을 활용해 간단한 화면을 만들어 보았고, 보다 고급 검색 기법들도 배웠다. BM25 기반의 키워드 검색과 벡터 유사도 검색을 결합한 하이브리드 서치, Reranker를 활용한 재정렬, Multi Query 방식, 그리고 LLM을 이용해 가상의 답변을 생성한 뒤 유사한 문서를 찾는 방식 등 다양한 검색 기법이 있다는 것을 알게 되었다. 각각의 기법이 어떤 상황에서 효과적인지 고민해 보고, 추가적으로 어떤 검색 기법들이 있는지 직접 찾아보며 학습해 보고 싶다.

• 6월 19일 (금)

[53일차] RAG - 이미지, 평가

 

RAG에서 이미지 검색은 어떻게 이루어지는지 궁금했는데, 간단한 실습만 진행해서 아직 완전히 이해하지는 못했다. 관련 내용을 좀 더 공부해 볼 필요가 있을 것 같다. 또한 RAG의 평가는 사람이 직접 하는 것만 있는 줄 알았는데, 다양한 지표를 활용해 정량적으로 평가할 수 있다는 점이 인상적이었다. 아직 평가를 직접 많이 해보지는 못했지만, 앞으로 여러 실습을 통해 평가 방법도 익혀 나가야겠다고 생각했다.

 

📊 주간 회고

 

이번 주에는 RAG의 전체적인 흐름을 학습하며 Load, Chunking, Embedding, VectorDB, Retriever, Hybrid Search, Reranker, 평가 방법까지 경험해 볼 수 있었다. 단순히 이론만 배우는 것이 아니라 직접 실습을 통해 각 기술이 어떤 역할을 하는지 이해할 수 있었고, 같은 RAG라도 설정과 검색 방식에 따라 결과가 달라진다는 점을 알게 되었다.

특히 Chunking, Retriever, BM25, Reranker 등 검색 품질에 영향을 주는 요소들이 많다는 것을 배웠고, 앞으로는 단순히 기능을 사용하는 것을 넘어 어떤 상황에서 어떤 방법이 적합한지 판단할 수 있도록 다양한 실험을 해봐야겠다고 생각했다. 또한 RAG 평가를 정량적으로 수행할 수 있다는 점도 새롭게 알게 되었으며, 실제 프로젝트에서 활용할 수 있을 것 같다는 생각이 들었다.

 

직접 만들어보며 배우는 과정에서 생성형 AI 서비스 개발의 전체 흐름을 이해하기 시작한 한 주였다.

 

🔍 KPT 회고

Keep (유지할 점)

• RAG의 전체 흐름을 이해하기 위해 꾸준히 학습한 점

Problem (보완할 점)

• 이미지 검색과 RAG 평가 부분은 실습 경험이 부족해 이해도가 낮음
• 다양한 검색 기법을 배웠지만 각각의 사용 기준을 명확하게 정리하지 못함

Try (시도할 점)

• 동일한 데이터로 Chunking 방식별 성능 비교 실험하기
• Similarity, MMR, Hybrid Search 결과를 직접 비교해 보기
• RAG 평가 지표를 적용하여 결과를 수치로 분석해 보기