コース
LangChain で開発する LLM アプリケーション
中級スキルレベル
更新日 2026/01
PythonArtificial Intelligence3時間10 ビデオ33 演習2,750 XP46,273修了証明書
無料アカウントを作成
Googleで続行その他のオプションを表示または
何千もの企業の従業員が支持
チームのトレーニングを担当していますか？
Businessをお試しくださいコース説明
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
Introduction to Embeddings with the OpenAI APIPrompt Engineering with the OpenAI API1
Introduction to LangChain & Chatbot Mechanics
Welcome to the LangChain framework for building applications on LLMs! You'll learn about the main components of LangChain, including models, chains, agents, prompts, and parsers. You'll create chatbots using both open-source models from Hugging Face and proprietary models from OpenAI, create prompt templates, and integrate different chatbot memory strategies to manage context and resources during conversations.
2
Chains and Agents
Time to level up your LangChain chains! You'll learn to use the LangChain Expression Language (LCEL) for defining chains with greater flexibility. You'll create sequential chains, where inputs are passed between components to create more advanced applications. You'll also begin to integrate agents, which use LLMs for decision-making.
3
Retrieval Augmented Generation (RAG)
One limitation of LLMs is that they have a knowledge cut-off due to being trained on data up to a certain point. In this chapter, you'll learn to create applications that use Retrieval Augmented Generation (RAG) to integrate external data with LLMs. The RAG workflow contains a few different processes, including splitting data, creating and storing the embeddings using a vector database, and retrieving the most relevant information for use in the application. You'll learn to master the entire workflow!
LangChain で開発する LLM アプリケーション
コース完了 19百万人を超える学習者と共にLangChain で開発する LLM アプリケーションを始めましょう！
無料アカウントを作成
Googleで続行その他のオプションを表示または
DataCamp for Mobileでデータスキルを磨きましょう
モバイル コースと毎日の 5 分間のコーディング チャレンジで、外出先でも進歩できます。