학습 내용

전체 14 챕터, 5개 파트 + 캡스톤. 개념(Part 1·2)에서 손으로 짓기(Part 3·4)를 거쳐 평가·운영(Part 5)으로 간다.

Part 1. 왜 지식 그래프인가

벡터 RAG의 한계에서 출발해, 온톨로지·지식 그래프·택소노미의 용어를 정리하고, 그래프 데이터 모델(트리플)을 잡는다.

1. 벡터 RAG의 한계와 지식 그래프 — 어디서 막히고, 그래프가 무엇을 메우나
2. 온톨로지 · 지식 그래프 · 택소노미 — 용어 정리 — 자주 섞이는 말들을 분리
3. 트리플과 그래프 데이터 모델 (RDF vs LPG) — 지식을 표현하는 최소 단위

Part 2. 온톨로지 모델링

도메인을 개념·관계·제약으로 설계하고, 이미 있는 DB 스키마에서 온톨로지를 끌어내는 실전 경로를 본다.

1. 온톨로지 설계 — 개념·관계·제약·계층
2. DB 스키마에서 온톨로지 추출하기

Part 3. 지식 그래프 구축 (hands-on)

그래프 DB에 직접 데이터를 넣고, LLM으로 비정형 텍스트에서 그래프를 짓는다.

1. Neo4j와 Cypher 입문 — 노드·관계·쿼리
2. LLM으로 KG 구축 — 엔티티·관계 추출
3. 시간 인식 그래프와 Graphiti

Part 4. GraphRAG (hands-on)

그래프를 RAG에 붙인다. 인덱싱, 검색 전략, 그리고 벡터 RAG와의 정면 비교.

1. GraphRAG란 — 아키텍처와 인덱싱
2. 그래프 검색 전략 — 로컬 · 글로벌 · 커뮤니티 요약
3. 벡터 RAG vs GraphRAG 직접 비교

Part 5. 평가와 프로덕션

GraphRAG를 무엇으로 평가하고, 그래프 갱신·비용·지연을 어떻게 다루나.

1. GraphRAG 평가 — 무엇을, 어떻게 측정하나
2. 프로덕션 — 그래프 갱신 · 비용 · 지연

캡스톤

1. 도메인 지식 그래프 + GraphRAG 파이프라인 — Part 1~5를 하나로

진행 상태

이 코스는 파트 단위로 순차 공개됩니다. Part 1부터 시작하세요.