GSP1297

개요

Vertex AI 벡터 검색은 시맨틱 검색과 키워드 검색(토큰 기반 검색이라고도 함)을 모두 결합하는, 정보 검색(IR)에서 인기 있는 아키텍처 패턴인 하이브리드 검색을 지원합니다. 개발자는 하이브리드 검색을 사용함으로써 두 가지 방식의 장점을 활용하여 검색 품질을 효과적으로 높일 수 있습니다.

이 실습에서는 Google Merchandise 제품 데이터 세트를 사용하여 하이브리드 검색을 수행하는 방법을 알아봅니다. 실습 말미에서는 하이브리드 검색의 결과를 토큰 기반 검색과 비교합니다.

실습을 시작하면 환경에 다음 다이어그램에 표시된 리소스가 포함됩니다.

실습을 마치면 아키텍처를 사용하여 여러 작업을 수행할 수 있게 됩니다.

다음 표에서 실습 아키텍처와 관련된 각 작업의 자세한 설명을 살펴볼 수 있습니다.

작업 순서	세부정보
1.	Vertex AI Workbench에서 노트북을 열고 커널 선택
2.	패키지를 설치하고 프로젝트에 맞게 노트북 구성: Google Gen AI SDK를 사용하여 Developer API와 Vertex AI를 통해 텍스트 임베딩 모델로 작업합니다. 이를 위해서는 Python 라이브러리를 설치하고 실습 전반에서 이를 참조해야 합니다. 또한 실습 시작 시 제공된 Cloud Storage 버킷과 같은 프로젝트의 리소스에 액세스할 수 있도록 노트북을 구성해야 합니다.
3.	데이터 세트 준비: 이 작업에서는 Google Merchandise Store의 상품을 포함한 데이터 세트 .csv 파일을 다운로드하고 이를 Pandas DataFrame에 추가합니다.
4.	토큰 기반 검색 사용: 텍스트에서 희소 임베딩을 생성하는 모델인 벡터라이저를 학습시킨 다음 데이터 세트에 적용합니다.
5.	색인 엔드포인트 만들기: Vertex AI 벡터 검색에서 하이브리드 검색을 사용하려면 먼저 색인 엔드포인트를 만들어야 합니다.
6.	하이브리드 쿼리 색인을 만들고 엔드포인트에 배포: 'text-embedding-005' 모델을 사용하여 데이터 세트 항목에 대한 밀집 임베딩을 생성합니다. 이 임베딩을 희소 임베딩과 결합하여 하이브리드 색인을 만듭니다. 이 작업이 완료되면 하이브리드 색인을 엔드포인트에 배포합니다.
7.	하이브리드 쿼리 실행: 색인이 배포되면 먼저 HybridQuery 객체를 만들어 쿼리 텍스트의 희소 임베딩을 캡슐화한 다음 쿼리를 실행할 수 있습니다.

기본 요건

이 실습을 시작하기 전에 다음 개념을 숙지해야 합니다.

• 기본 Python 프로그래밍
• 일반적인 API 개념
• Vertex AI Workbench의 Jupyter 노트북에서 Python 코드를 실행하는 방법

목표

이 실습에서 학습할 내용은 다음과 같습니다.

• Vertex AI 벡터 검색에서 하이브리드 검색을 사용합니다.
• 하이브리드 검색 색인을 만들고 배포합니다.
• 하이브리드 검색 색인을 쿼리합니다.

설정 및 요건

실습 시작 버튼을 클릭하기 전에

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

실무형 실습을 통해 시뮬레이션이나 데모 환경이 아닌 실제 클라우드 환경에서 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(권장) 또는 시크릿 브라우저 창을 사용하세요. 개인 계정과 학습자 계정 간의 충돌로 개인 계정에 추가 요금이 발생하는 일을 방지해 줍니다.

• 실습을 완료하기에 충분한 시간(실습을 시작하고 나면 일시중지할 수 없음)

참고: 이 실습에는 학습자 계정만 사용하세요. 다른 Google Cloud 계정을 사용하는 경우 해당 계정에 비용이 청구될 수 있습니다.

실습을 시작하고 Google Cloud 콘솔에 로그인하는 방법

1. 실습 시작 버튼을 클릭합니다. 실습 비용을 결제해야 하는 경우 결제 수단을 선택할 수 있는 대화상자가 열립니다. 왼쪽에는 다음과 같은 항목이 포함된 실습 세부정보 창이 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 창에서도 사용자 이름을 확인할 수 있습니다.

4. 다음을 클릭합니다.

5. 아래의 비밀번호를 복사하여 시작하기 대화상자에 붙여넣습니다.

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

   실습 세부정보 창에서도 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 서비스에 액세스하려면 탐색 메뉴를 클릭하거나 검색창에 제품 또는 서비스 이름을 입력합니다.

작업 1. Vertex AI Workbench에서 노트북을 열고 커널 선택

1. Google Cloud 콘솔의 탐색 메뉴()에서 Vertex AI > Workbench를 클릭합니다.

2. 인스턴스를 찾아 JupyterLab 열기 버튼을 클릭합니다.

Workbench 인스턴스의 JupyterLab 인터페이스가 새 브라우저 탭에서 열립니다.

참고: JupyterLab에 노트북이 표시되지 않는다면 다음 추가 단계에 따라 인스턴스를 재설정하세요.

1. JupyterLab의 브라우저 탭을 닫고 Workbench 홈페이지로 돌아갑니다.

2. 인스턴스 이름 옆의 체크박스를 선택하고 재설정을 클릭합니다.

3. JupyterLab 열기 버튼이 다시 사용 설정되면 1분 정도 기다린 후 JupyterLab 열기를 클릭합니다.

1. 파일을 엽니다.

2. '커널 선택' 대화상자에서 사용 가능한 커널 목록 중 Python 3을 선택합니다.

작업 2. 패키지 설치 및 노트북 구성

노트북을 사용하려면 먼저 섹션 1 희소 임베딩 만들기로 시작합니다.

이 작업에서는 필요한 Python 패키지를 설치하고, 커널 런타임을 다시 시작하고, 프로젝트와 리전을 사용하도록 노트북을 구성하고, 라이브러리를 가져옵니다.

1. 작업 2 패키지 설치 및 노트북 구성의 셀을 완료합니다.

   프로젝트 ID로는 을(를) 사용하고, 위치로는 을(를) 사용합니다(아직 입력되지 않은 경우).

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 패키지 설치 및 노트북 구성

작업 3. 데이터 세트 준비

이 작업에서는 데이터 세트 .csv 파일을 다운로드하고 노트북에서 사용할 수 있도록 준비합니다.

1. 노트북 내 작업 3 데이터 세트 준비의 모든 셀을 완료합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 데이터 세트 준비

작업 4. 희소 임베딩 만들기

이 작업에서는 희소 임베딩을 만들고 데이터 세트에서 'Chrome Dino Pin' 항목을 검색하여 벡터 기반 값과 차원을 가져옵니다. 데이터 세트의 다른 제품에 대해서도 이러한 값을 검색합니다. 그런 다음 Workbench 내의 items.json 파일에 이러한 값을 저장하고 이 파일을 Cloud Storage 버킷에 복사합니다.

1. 노트북의 희소 임베딩 만들기 작업을 실행합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 희소 임베딩 만들기

작업 5. 색인 엔드포인트 만들기

이제 하이브리드 검색을 사용할 노트북의 섹션 2로 이동합니다.

먼저 이 다섯 번째 작업에서는 색인 엔드포인트를 만듭니다.

1. 노트북의 색인 엔드포인트 만들기 작업을 실행합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 색인 엔드포인트 만들기

작업 6. 하이브리드 색인을 만들고 엔드포인트에 배포

이 작업에서는 텍스트 임베딩 모델을 검색하고, 항목 하나의 밀집 임베딩에 대해 샘플 쿼리를 실행한 다음 모든 항목에 대해 쿼리를 실행하고 items.json 파일에 저장합니다. 그런 다음 이 파일에서 하이브리드 색인을 만들고 색인을 엔드포인트에 배포합니다.

1. 노트북의 하이브리드 색인을 만들고 엔드포인트에 배포 작업을 실행합니다.

참고: 하이브리드 색인을 만드는 데 약 4~5분이 걸립니다. 참고: 하이브리드 색인을 배포하는 데 30분이 걸립니다.

하이브리드 색인이 배포되는 동안 Vertex AI > 벡터 검색 > 색인 엔드포인트로 이동하여 배포를 모니터링할 수 있습니다.

데모를 검토해 보셔도 좋습니다. 이 데모에서는 실용적인 예시를 제공합니다. 벡터 검색이 어떻게 작동하는지 배우고, 시맨틱 검색과 하이브리드 검색을 살펴보고, 재정렬이 실제로 이뤄지는 방식을 확인하는 데 도움이 됩니다. 동물, 식물, 전자상거래 제품, 기타 항목에 대한 간단한 설명을 제출하면 벡터 검색에서 나머지 단계를 완료할 수 있습니다.

중요: Vertex AI > 벡터 검색으로 이동하여 Vertex AI 벡터 검색에 액세스하고 나열된 색인과 색인 엔드포인트에 모두 액세스해야 합니다. 리소스 생성이 완료되면 상태가 변경됩니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 하이브리드 색인을 만들고 엔드포인트에 배포

작업 7. 하이브리드 쿼리 실행

이 작업에서는 조금 전에 배포한 하이브리드 색인으로 하이브리드 쿼리를 실행하고 이 쿼리의 결과를 희소 임베딩과 비교합니다.

1. 노트북의 하이브리드 쿼리 실행 작업을 실행합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 하이브리드 쿼리 실행

수고하셨습니다

이 실습에서는 하이브리드 검색 색인을 만들고 배포하고 쿼리하여 희소 임베딩과 비교하는 등 Vertex AI 벡터 검색에서 하이브리드 검색을 사용하는 방법을 알아보았습니다.

다음 단계/자세히 알아보기

Gemini에 대한 자세한 내용은 다음 리소스를 참조하세요.

• Gemini 개요
• Vertex AI의 생성형 AI 문서
• YouTube의 생성형 AI
• Vertex AI 설명서에서 생성형 AI를 위한 선별된 노트북 갤러리를 검색하며 살펴보세요.
• Google Cloud 생성형 AI 저장소에서 다른 노트북과 샘플을 찾아보세요.

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: 2025년 7월 10일

실습 최종 테스트: 2025년 6월 13일

Copyright 2025 Google LLC. All rights reserved. Google 및 Google 로고는 Google LLC의 상표입니다. 기타 모든 회사명 및 제품명은 해당 업체의 상표일 수 있습니다.