벡터 데이터베이스 설계와 구축 - Vector DBMS & RAG

최근 팔란티어와 같은 AI 소프트웨어 기업들이 국방 및 의료 분야에서 두각을 나타내고 있으며, 그 핵심에는 데이터 기반 설계와 고도화된 분석기법이 자리하고 있다. AI 시스템의 성능을 극대화하려면 비정형 데이터를 구조적으로 정의하고 효율적으로 활용하는 것이 필수적이며, 이를 뒷받침하는 핵심 기술로는 Vector DB, 지식그래프 모델링, 온톨로지 등이 있다. 특히, 비정형 데이터에서 의미적 유사도를 빠르게 검색할 수 있는 Vector DB와 관계 중심 탐색이 가능한 Graph DB는 AI 구현에 필수적인 요소이다.



우리나라가 AI 선진국과 경쟁하기 위해서는 AI 개발 역량을 넘어 데이터를 구조화하고 분석하는 능력을 키우는 것이 중요하며, 이 책은 Vector DB, Graph DB의 개념부터 실전 적용까지 데이터 중심의 AI 설계 핵심 가이드를 제공한다.



개념 설명에만 머물지 않고

그 너머, 실전 Vector DB에 진입할 수 있는 예제 수록



* Chroma DB  Vector DB

* Neo4j DB  Graph DB

* Neo4j DB  알고리즘 활용(커뮤니티 생성)

* FAISS  Library

* CHAT 시스템 - RAG 환경

-------------------------------------------------------------------------------



* Vector DB는 비정형 데이터, 특히 벡터 데이터를 처리하는 데 최적화된 데이터베이스다. Vector DB는 벡터 공간에서 데이터를 다루며, 각 데이터는 고차원 벡터로 표현된다. 다시 말해, Vector DB는 수학적 계산을 통해 데이터를 3차원 이상의 다차원 공간에 모델링한다.



* Graph DB는 복잡한 관계 정보를 바탕으로 데이터를 분석하고, 보다 정확한 정보나 문제에 대한 추론 결과를 제공할 수 있다. 단순 데이터 검색뿐 아니라, 데이터 간의 연결성을 이용한 심층적인 분석이 가능하다.



* 이 책은 Vector DB에 대한 개념 이해부터 차근차근 설명해서 마지막 챕터에서는 실전 Vector DB 및 Graph DB까지 진입하는 것을 목적으로 한다.



어떤 독자를 위한 책인가?

-. AI 비정형 데이터의 분석/설계 및 데이터 활용 전략에 관심이 있는 AI 분석/설계자

-. Vector DB를 기반으로 한 데이터 모델링, 최적화, 응용 방안을 탐구하려는 AI 연구자 및 개발자

-. 데이터 분석 관점에서 Graph DB를 활용한 지식그래프 구조화에 관심 있는 독자