GSP1202

개요

벡터 검색은 의미상 유사하거나 의미상 연관이 있는 수십억 개의 항목을 검색할 수 있습니다. 벡터 유사성 일치 서비스에는 추천 엔진, 검색엔진, 챗봇, 텍스트 분류 구현과 같은 많은 사용 사례가 있습니다. 시맨틱 일치는 몇 가지 단계로 단순화할 수 있습니다. 첫째, 여러 항목에 대한 임베딩 표현을 생성해야 합니다(벡터 검색 외부에서 수행되는 작업). 둘째, 임베딩을 Google Cloud에 업로드하고 데이터를 벡터 검색에 연결합니다. 임베딩이 벡터 검색에 추가된 다음에는 추천 또는 결과를 얻기 위한 쿼리 실행 색인을 만들 수 있습니다.

임베딩의 사용은 단어 또는 텍스트로 제한되지 않습니다. 이미지, 오디오, 동영상, 사용자 환경설정을 포함하여 다양한 종류의 데이터에 대한 시맨틱 임베딩을 생성할 수 있습니다. Vertex AI를 사용하여 멀티모달 임베딩을 생성하는 방법은 멀티모달 임베딩 가져오기를 참조하세요. 이 실습에서는 텍스트용 Vertex AI 임베딩을 사용하여 텍스트 임베딩을 생성한 후 이를 활용해 벡터 검색 색인을 만드는 방법을 알아봅니다.

목표

이번 실습에서는 다음 작업을 수행합니다.

• Vertex AI 노트북 인스턴스 만들기
• 실습 노트북 클론 및 실행
• 텍스트 임베딩 만들기
• 벡터 검색 색인 만들기 및 배포
• 색인 쿼리

설정 및 요건

실습 시작 버튼을 클릭하기 전에

다음 안내를 확인하세요. 실습에는 시간 제한이 있으며 일시중지할 수 없습니다. 실습 시작을 클릭하면 타이머가 시작됩니다. 이 타이머에는 Google Cloud 리소스를 사용할 수 있는 시간이 얼마나 남았는지 표시됩니다.

실무형 실습을 통해 시뮬레이션이나 데모 환경이 아닌 실제 클라우드 환경에서 직접 실습 활동을 진행할 수 있습니다. 실습 시간 동안 Google Cloud에 로그인하고 액세스하는 데 사용할 수 있는 새로운 임시 사용자 인증 정보가 제공됩니다.

이 실습을 완료하려면 다음을 준비해야 합니다.

• 표준 인터넷 브라우저 액세스 권한(Chrome 브라우저 권장)

참고: 이 실습을 실행하려면 시크릿 모드 또는 시크릿 브라우저 창을 사용하세요. 개인 계정과 학생 계정 간의 충돌로 개인 계정에 추가 요금이 발생하는 일을 방지해 줍니다.

• 실습을 완료하기에 충분한 시간---실습을 시작하고 나면 일시중지할 수 없습니다.

참고: 계정에 추가 요금이 발생하지 않도록 하려면 개인용 Google Cloud 계정이나 프로젝트가 이미 있어도 이 실습에서는 사용하지 마세요.

실습을 시작하고 Google Cloud 콘솔에 로그인하는 방법

1. 실습 시작 버튼을 클릭합니다. 실습 비용을 결제해야 하는 경우 결제 수단을 선택할 수 있는 팝업이 열립니다. 왼쪽에는 다음과 같은 항목이 포함된 실습 세부정보 패널이 있습니다.

   • Google Cloud 콘솔 열기 버튼
   • 남은 시간
   • 이 실습에 사용해야 하는 임시 사용자 인증 정보
   • 필요한 경우 실습 진행을 위한 기타 정보

2. Google Cloud 콘솔 열기를 클릭합니다(Chrome 브라우저를 실행 중인 경우 마우스 오른쪽 버튼으로 클릭하고 시크릿 창에서 링크 열기를 선택합니다).

   실습에서 리소스가 가동되면 다른 탭이 열리고 로그인 페이지가 표시됩니다.

   팁: 두 개의 탭을 각각 별도의 창으로 나란히 정렬하세요.

   참고: 계정 선택 대화상자가 표시되면 다른 계정 사용을 클릭합니다.

3. 필요한 경우 아래의 사용자 이름을 복사하여 로그인 대화상자에 붙여넣습니다.

   {{{user_0.username | "Username"}}}

   실습 세부정보 패널에서도 사용자 이름을 확인할 수 있습니다.

4. 다음을 클릭합니다.

5. 아래의 비밀번호를 복사하여 시작하기 대화상자에 붙여넣습니다.

   {{{user_0.password | "Password"}}}

   실습 세부정보 패널에서도 비밀번호를 확인할 수 있습니다.

6. 다음을 클릭합니다.

   중요: 실습에서 제공하는 사용자 인증 정보를 사용해야 합니다. Google Cloud 계정 사용자 인증 정보를 사용하지 마세요. 참고: 이 실습에 자신의 Google Cloud 계정을 사용하면 추가 요금이 발생할 수 있습니다.

7. 이후에 표시되는 페이지를 클릭하여 넘깁니다.

   • 이용약관에 동의합니다.
   • 임시 계정이므로 복구 옵션이나 2단계 인증을 추가하지 않습니다.
   • 무료 체험판을 신청하지 않습니다.

잠시 후 Google Cloud 콘솔이 이 탭에서 열립니다.

참고: Google Cloud 제품 및 서비스 목록이 있는 메뉴를 보려면 왼쪽 상단의 탐색 메뉴를 클릭합니다.

작업 1. Vertex AI Workbench 인스턴스 만들기

1. Google Cloud 콘솔의 탐색 메뉴에서 Vertex AI > Workbench를 클릭합니다.

2. + 새로 만들기를 클릭합니다.

3. 인스턴스 만들기 대화상자에서 기본 이름을 사용하거나 Vertex AI Workbench 인스턴스의 고유한 이름을 입력합니다. 리전()과 영역()을 설정하고 나머지 설정은 기본값으로 둡니다.

4. 만들기를 클릭합니다.

5. JupyterLab 열기를 클릭합니다.

실습 노트북 클론 및 실행

1. 노트북에서 터미널을 클릭합니다.

2. 다음 명령어를 실행하여 Google Cloud 생성형 AI 저장소를 클론합니다.

git clone https://github.com/GoogleCloudPlatform/generative-ai.git

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 실습 노트북 클론 및 실행

3. 왼쪽 탐색창에서 generative-ai/embeddings 폴더로 이동한 후 intro-textemb-vectorsearch.ipynb 노트북을 엽니다.

4. 커널 선택 프롬프트에서 기본값을 Python3으로 유지하고 선택을 클릭합니다.

5. 텍스트 임베딩 실제 예시 섹션까지 아래로 스크롤한 다음 설정 셀을 실행합니다.

6. 환경 변수를 설정할 때는 위치로 을 사용하고 프로젝트 ID로는 를 사용합니다.

참고: Colab만 해당이라고 되어 있는 노트북 셀은 건너뛰어도 됩니다.

6. 서비스 계정에 이미 필요한 권한이 있으므로 IAM 권한 설정 섹션을 건너뜁니다.

작업 2. 임베딩 생성

1. 텍스트용 Vertex AI 임베딩 시작하기 섹션으로 이동하고 셀을 실행하여 텍스트 임베딩을 만드세요.

2. 벡터 검색 시작하기 섹션으로 이동한 후 셀을 실행합니다.

3. JSON 파일에 임베딩을 저장합니다.

4. 새 Cloud Storage 버킷을 만들고 파일을 여기에 복사합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 벡터 검색 시작하기

작업 3. 색인 만들기 및 배포

1. 색인 만들기 섹션으로 이동한 후 셀을 실행하여 색인을 만들고 배포합니다.

참고: 색인을 만들고 배포하는 데 약 20~30분이 소요됩니다. 기다리는 동안 다음 단계의 리소스를 확인해 보세요.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 색인 만들기

벡터 검색 살펴보기 및 데모 사용해 보기

이 작업에서는 벡터 검색 노트북을 살펴보고 공개 데모를 사용해 봅니다. 색인을 만들고 배포하는 데 약 30분이 소요되므로 기다리는 동안 공개 데모를 사용하고 노트북을 살펴보세요.

기다리는 동안 Stack Overflow 시맨틱 검색 데모 사용해 보기

1. 벡터 검색 공개 데모는 공개 라이브 데모로 제공됩니다. 'STACKOVERFLOW'를 선택하고 원하는 코딩 질문을 쿼리로 입력하면 Stack Overflow에 게시된 800만 개 질문에 대한 텍스트 검색이 실행됩니다. 'SQL에서 행을 섞는 방법은?' 같은 쿼리나 임의의 프로그래밍 질문으로 텍스트 시맨틱 검색을 사용해 보세요.

기다리는 동안 벡터 검색 노트북 살펴보기

1. 노트북에서 맨 위에 있는 프로덕션 서비스로 생성형 AI 및 LLM 가져오기 섹션으로 이동하여 벡터 검색 사용 사례와 설명을 읽어봅니다.

작업 4. 쿼리 실행

1. 쿼리 실행 섹션으로 이동한 후 셀을 실행하여 색인을 쿼리합니다. test_embeddings 변수의 문자열을 변경해 보면 다른 결과를 볼 수 있습니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 색인 쿼리

수고하셨습니다

수고하셨습니다. 이 실습에서는 텍스트 임베딩을 생성한 후 이를 활용해 벡터 검색 색인을 만드는 방법을 알아보았습니다. 이제 자체 애플리케이션에 텍스트 임베딩을 사용할 수 있게 되었습니다.

다음 단계/더 학습하기

텍스트 임베딩과 벡터 검색에 관한 자세한 내용은 다음 리소스를 확인하세요.

• 텍스트용 Vertex AI 임베딩: 간편해진 LLM 그라운딩
• Vertex AI 벡터 검색 개요
• 벡터 검색 노트북 튜토리얼

Google Cloud 교육 및 자격증

Google Cloud 기술을 최대한 활용하는 데 도움이 됩니다. Google 강의에는 빠른 습득과 지속적인 학습을 지원하는 기술적인 지식과 권장사항이 포함되어 있습니다. 기초에서 고급까지 수준별 학습을 제공하며 바쁜 일정에 알맞은 주문형, 실시간, 가상 옵션이 포함되어 있습니다. 인증은 Google Cloud 기술에 대한 역량과 전문성을 검증하고 입증하는 데 도움이 됩니다.

설명서 최종 업데이트: 2024년 4월 4일

실습 최종 테스트: 2024년 4월 4일

Copyright 2024 Google LLC All rights reserved. Google 및 Google 로고는 Google LLC의 상표입니다. 기타 모든 회사명 및 제품명은 해당 업체의 상표일 수 있습니다.