After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
コース説明
LangChainエコシステムで開発するための基礎
LangChainのエコシステムでLLMツールキットを強化し、OpenAIおよびHugging Faceモデルとのシームレスな統合を実現します。 実際のアプリケーションを最適化し、あなたのユースケースに合わせた高度な情報検索システムを構築できるオープンソースフレームワークを発見しましょう。LangChainを使用したチャットボット作成手法
LangChainツールを活用してチャットボットを開発し、HuggingFaceのオープンソースモデルとOpenAIのクローズドソースモデルの違いを比較します。 複雑な会話のためにプロンプトテンプレートを活用し、高度なチャットボット開発の基盤を築きます。LangChainを用いたデータ処理と検索拡張生成（RAG）
トークン化とベクトルデータベースを習得し、データ検索を最適化。豊富な外部情報でチャットボットのやり取りを強化します。 多様なユースケースを最適化するために、RAGメモリ機能を活用します。高度なチェーン、ツール、エージェントの統合
チェーン、ツール、エージェント、API、そしてインテリジェントな意思決定の力を活用して、エンドツーエンドのユースケース全体と高度なLLM出力処理に対応します。デバッグとパフォーマンス指標
最後に、デバッグ、最適化、パフォーマンス評価を習得し、チャットボットがエラー処理まで考慮して開発されるようにします。 トラブルシューティングのために、透明性の層を追加します。前提条件
カリキュラム
コース概要
1
LangChain入門とチャットボットの仕組み
LLMを使ったアプリケーション構築のためのLangChainフレームワークへようこそ。LangChainの主要コンポーネントであるモデル、チェーン、エージェント、プロンプト、パーサーについて学びます。Hugging FaceのオープンソースモデルとOpenAIのプロプライエタリモデルの両方を使ってチャットボットを作成し、プロンプトテンプレートを作成する方法を学びます。また、会話中のコンテキストやリソースを管理するさまざまなチャットボットメモリ戦略を統合する方法も学びます。
2
チェーンとエージェント
LangChainのチェーンをさらに発展させましょう。LangChain Expression Language（LCEL）を使って、より柔軟にチェーンを定義する方法を学びます。コンポーネント間で入力を受け渡す逐次チェーンを作成し、より高度なアプリケーションを構築することになります。また、LLMを意思決定に活用するエージェントの統合についても学び始めます。
3
検索拡張生成（RAG）
LLMの制約のひとつは、特定の時点までのデータで学習されているため、知識に更新の限界があることです。この章では、検索拡張生成（RAG）を使って外部データをLLMと統合するアプリケーションの作成方法を学びます。RAGのワークフローには、データの分割、ベクトルデータベースを使った埋め込みの作成と保存、アプリケーションで使用する最も関連性の高い情報の検索など、いくつかのプロセスが含まれます。ワークフロー全体をマスターしましょう。
LangChainを使ったLLMアプリケーション開発
コース修了
