After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
コース説明
LangChainでRAGシステムを構築する
Retrieval Augmented Generation（RAG）は、大規模言語モデル（LLM）の主要な制約の1つである知識の限界を克服するために用いられる手法です。 RAGシステムは、さまざまなソースからの外部データをLLMに統合します。 複数の異なるシステムを接続するこの作業は、通常は面倒ですが、LangChainなら驚くほど簡単です！最先端の分割および検索手法を学ぶ
RAGアーキテクチャをレベルアップしましょう！Python と Markdown ファイルを含むコードファイルを読み込み、分割する方法を学び、分割がコード構文を「認識」するようにします。 文字ではなくトークンを使ってドキュメントを分割することで、取得したドキュメントがモデルの文脈ウィンドウ内に収まるようにします。 テキスト内の主題が切り替わるタイミングを検出し、その箇所で分割することで、セマンティック分割が文脈を維持するのにどのように役立つかを学びましょう。 最後に、LangSmithとRagasを使ってRAGアーキテクチャを堅牢に評価する方法を学びます。Graph RAGアーキテクチャを発見する
RAGアーキテクチャを根本から見直し、ベクトルベースではなくグラフベースのRAGシステムが、ドキュメント内のエンティティや関係性に対するシステムの理解をどのように向上させるのかを学びましょう。 LLMを使って、非構造化テキストデータをグラフに変換する方法を学びます！その後、これらのグラフドキュメントをNeo4jグラフデータベースに保存し、より広範なRAGシステムに統合してアプリケーションを完成させます。前提条件
カリキュラム
コース概要
1
LangChain で作る RAG アプリケーション
LangChain を使って外部データソースをチャットモデルに統合する方法を学びます。LLM アプリケーションで活用するために、データの読み込み、分割、埋め込み、保存、検索の手順を身につけます。
2
RAG アーキテクチャの改善
Python ファイルの読み込み、意味に基づく分割、MRR や self-query による検索など、ドキュメントの読み込み・分割・検索に関する最先端の手法を学びます。堅牢な指標とフレームワークを用いて、RAG アーキテクチャを評価する方法も習得します。
3
Graph RAG 入門
グラフデータベースと検索により、従来のベクターベースの保存・検索の限界をどのように克服できるかを学びます。
LangChain で学ぶ Retrieval Augmented Generation (RAG)
コース修了
