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。

LangChainエコシステム

LangChainでのOpenAIモデル！

LangChainでのHugging Faceモデル！

プロンプトテンプレート

プロンプトテンプレートとチェーン

チャットプロンプトテンプレート

フューショットプロンプティング

フューショット例セットの作成

フューショットプロンプトテンプレートの構築

フューショットプロンプティングの実装

LangChain入門とチャットボットの仕組み

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。

シーケンシャルチェーン

逐次的なチェーン用プロンプトの構築

LCEL を使ったシーケンシャルチェーン

LangChain エージェント入門

エージェントとは？

ReAct エージェント

エージェント用カスタムツール

ツール利用のための関数を定義する

カスタムツールの作成

カスタムツールとエージェントの統合

チェーンとエージェント

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。

ドキュメントローダーの統合

PDF ドキュメントローダー

CSV ドキュメントローダー

HTMLドキュメントローダー

検索のための外部データの分割

文字による分割

文字ごとに再帰的に分割

HTMLの分割

ベクトルデータベースを使ったRAGの保存と取得

ドキュメントとベクターデータベースの準備

検索プロンプトテンプレートの構築

RAGチェーンの作成

まとめ！

検索拡張生成（RAG）

LangChainフレームワークを活用して、大規模言語モデル（LLM）をベースにしたアプリケーション開発を次のレベルへ引き上げましょう。生成AIの時代におけるアプリケーション開発の主な課題のひとつは、異なるプロバイダーのモデル、データソース、プロンプト、その他のコンポーネントをひとつのアプリケーションに統合することです。LangChainフレームワークは、これらすべての要素をまとめるための統一された構文を提供し、LLMをプロジェクトにシームレスに組み込むことを可能にします。経験豊富な開発者の方にも、これから学び始める方にも、このコースはLangChainの可能性を最大限に活かした、動的でインテリジェントなアプリケーションを構築するための知識とスキルを提供します。言語モデルを活用したアプリケーション開発の新しいアプローチを、ぜひ一緒に探求しましょう。

動画にはライブトランスクリプトが用意されており、動画左下の「字幕を表示」をクリックすることで表示できます。
コースの用語集は右側のリソースセクションからご確認いただけます。
CPEクレジットを取得するには、コースを修了し、資格審査で70%以上のスコアを達成する必要があります。右側のCPEクレジットの案内からアセスメントに進むことができます。

<h2>LangChainエコシステムで開発するための基礎</h2>
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。<br><br>
<h2>LangChainを使用したチャットボット作成手法</h2>
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。<br><br>
<h2>LangChainを用いたデータ処理と検索拡張生成（RAG）</h2>
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。<br><br>
<h2>高度なチェーン、ツール、エージェントの統合</h2>
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。<br><br>
<h2>デバッグとパフォーマンス指標</h2>
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。

Introduction to Embeddings with the OpenAI API

Prompt Engineering with the OpenAI API

LangChainでLLM、プロンプト、チェーン、エージェントを使ったAIアプリの構築方法を学ぶ。

LangChainを使ったLLMアプリケーション開発

LangChainでLLM、プロンプト、チェーン、エージェントを使用してAI搭載アプリケーションを構築する方法を学びましょう。

まとめ！

Create Your Free Account