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。

LangChainでRAG用のドキュメントを読み込む

RAGのためにPDFファイルを読み込む

RAG のための HTML ファイル読み込み

テキスト分割、埋め込み、ベクトル保存

テキスト分割を始めましょう

ドキュメントを再帰的に分割する

ドキュメントの埋め込みと保存

LCEL リトリーバルチェーンを構築する

リトリーバル用プロンプトの作成

リトリーバルチェーンを構築する

LangChain で作る RAG アプリケーション

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。

コードファイルの読み込みと分割

コードファイルの読み込み

Python ファイルの分割

高度な分割手法

トークン単位での分割

セマンティックな分割

ドキュメント検索の最適化

選択肢

スパース

デンス

スパース vs. デンスな検索

BM25を理解する

BM25 を使ったスパースリトリーバル

RAG評価の概要

Ragas のコンテキスト適合率（precision）評価

Ragas による忠実性評価

文字列評価

RAG アーキテクチャの改善

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。

ベクトルからグラフへ

グラフドキュメントを作成する

グラフを理解する

ドキュメントの保存とクエリ

グラフデータベースを拡充する

グラフデータベースにクエリを実行する

Graph RAG チェーンを作成する

Graph RAG システムを旅しよう

チェーンでつなぐ、Graph RAG スタイル！

グラフ検索を改善する

フィルタリング付きの Graph RAG

Cypher クエリの検証

Cypher の few-shot プロンプトを作成する

おめでとうございます！

Graph RAG 入門

RAG Academic Paper PDF

RAG Workflow Python File

LangChain README Markdown

Chatbot Python File

DataCamp Blog HTML

Large Language Models (LLMs) はコンピュータやスマートフォン、ソフトウェアに組み込まれつつありますが、学習データに依存するため知識が限定的で、更新にはコストと時間がかかるという課題があります。そこで役立つのが Retrieval Augmented Generation (RAG) です。RAG は LLM に外部データを統合できます。本コースでは、LLM 向けに外部データを読み込み・処理・検索する最先端の手法を学びます。ベクターデータベースや GPT-4o-Mini を含む最新の LLM、そして LangChain フレームワークを用いて RAG アプリケーションを作成します。最後の章では、グラフデータベースを使ってより信頼性の高い検索を行う、従来の RAG を発展させた Graph RAG を取り上げます。

<h2>LangChainでRAGシステムを構築する</h2>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！<br><br><h2>最先端の分割および検索手法を学ぶ</h2>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。<br><br><h2>Graph RAGアーキテクチャを発見する</h2>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。

Developing LLM Applications with LangChain

LangChainを使ったRAGで外部データとLLMを統合する最先端手法を学ぶ。

LangChain で学ぶ Retrieval Augmented Generation (RAG)

外部データをLLMと統合する最先端手法を、LangChainを使ったRetrieval Augmented Generation（RAG）で学ぶ。

LangChainを使ったアプリケーション開発

ほとんどのベクトル要素がゼロ

ほとんどのベクトル要素がゼロではない

スパース vs. デンスな検索

LangChain で学ぶ Retrieval Augmented Generation (RAG)

実践的なインタラクティブ演習