inflearn logo
知識共有
inflearn logo

LangGraph version 1によるAgentic(Modular) RAG:基礎から応用まで

この講義は、RAG(Retrieval-Augmented Generation)を 👉 概念の説明だけで終わらせず 👉 実際に動作する構造を自ら作り 👉 拡張・高度化まで経験する実習中心の講義です。 単純なRAGの例題から出発し、 Advanced RAG → Modular RAG → エージェントベースのRAGまで 現場ですぐに活用できるレベルへと段階的に学習します。

難易度 初級

受講期間 無制限

AI
AI
ChatGPT
ChatGPT
prompt engineering
prompt engineering
LLM
LLM
AI
AI
ChatGPT
ChatGPT
prompt engineering
prompt engineering
LLM
LLM

受講後に得られること

  • RAGの全体パイプライン構造を明確に理解

  • Naive RAGの限界とAdvanced RAGが必要な理由の体得

  • VectorDB、Retriever、Evaluationを構造的に分離して設計

  • PGVector、Elasticsearchなど、多様なVectorDBベースのRAG実装経験

  • Self-RAG、Corrective RAG (CRAG)、Supervisor Agent RAGまで拡張

RAG完全マスター:基礎からエージェントまで

この講義はRAG(Retrieval-Augmented Generation)のすべてを学ぶ、実践中心の講義です。

基本的なNaive RAGから始まり、Advanced RAGを経て、最新トレンドであるAgentic RAGまで段階的に学習します。

LangChainLangGraphを活用して、実務ですぐに適用可能なRAGシステムを構築する方法を学びます。.

この講座の特徴

📌段階別学習: Naive → Advanced → Modular(Agentic)の順に難易度を段階的に高めていきます

📌多様なツールの経験: 複数のVector DB、Embedding Models、Retrieverを実際に扱ってみます

📌 ハイブリッド検索: Elasticsearchを活用して、ベクトル検索とキーワード検索を組み合わせる方法を学びます

📌最新技術: LangGraphを活用したエージェントRAGまで扱います

📌性能評価: RAGAsを通じてRAGシステムの性能を客観的に評価する方法を学びます

このような方におすすめです

LLMベースのアプリケーション開発者

LLM APIの使用経験があれば、この講座を通じて企業データを活用したプロダクションレベルのAIサービスを構築することができます。

RAGシステムを初めて学ぶ方
RAGが初めてなら、この講義を通じて基礎から実践的なデプロイまで完璧にマスターできます

AIエージェントに関心がある方
エージェントに関心があるなら、この講座を通じてLangGraphで複雑な意思決定を行うAgentic RAGを実装することができます

受講後には

  • 様々なデータソースからRAGシステムを構築できます

  • プロジェクトの特性に合わせたVector DBとEmbedding Modelを選択できます。

  • RAGの性能を改善する様々な技法を適用できます。

  • LangGraphで複雑なエージェントベースのRAGを設計し、実装することができます。

  • RAGシステムの品質を定量的に評価し、改善することができます。

このような内容を学びます。

高度なRetriever手法

MultiQuery RetrieverとRerankerを活用して、検索品質を向上させる方法を学びます。.

ハイブリッドRAGの実装

Elasticsearchを活用してベクトル検索キーワード検索(BM25)を組み合わせたハイブリッド検索システムを構築します

RAG 性能評価

RAGAsフレームワークを使用して、RAGシステムの回答品質を客観的に測定し、改善します。 framework.

LangGraphを活用したエージェントRAG

Vanilla RAG、Corrective RAG、Self RAG、Supervisor Agentsなど、多様なエージェントベースのRAGをLangGraphで実装します。 using LangGraph.

受講前のご注意事項

実習環境

  • 講義はMacOSを基準に説明します。Pythonを動かせる環境であれば、WindowsやLinuxなどOSに関係なく講義を進めることができます。

  • 講義ではVSCodeエディタを活用していますが、CursorやPyCharmなど、すべてのエディタで可能です。

学習資料

  • セクションごとに圧縮ファイル(requirements.txt、jupyter filesなど)を提供します。

前提知識および注意事項

こんな方に
おすすめです

学習対象は
誰でしょう?

  • LLMは使ってみたけれど、RAGの仕組みがよく分からない方へ

  • LangChain/LangGraphを理由もなく使っていた方

  • RAGの性能が出ない理由を知りたい方

  • エージェントベースのRAGまで拡張したい方

前提知識、
必要でしょうか?

  • 授業でChatGPTの有料モデルを使用します。

  • Pythonの基礎知識が必要です。

こんにちは
goodwon5937125です。

492

受講生

15

受講レビュー

2

回答

4.9

講座評価

4

講座

こんにちは、講師を務めるチョ・ギョンウォンです。
私は中小企業から大企業まで、さまざまな産業環境でウェブ開発、人工知能(AI)、そしてAWSインフラ構築など、幅広い実務経験を積んできました。

これらの経験を活かし、2022年からはオフラインでAI分野の講義を行い、実務と理論をつなぐ教育を続けています。

もっと見る

カリキュラム

全体

50件 ∙ (9時間 29分)

講座資料(こうぎしりょう):

授業資料
講座掲載日: 
最終更新日: 

受講レビュー

全体

2件

5.0

2件の受講レビュー

  • dachki님의 프로필 이미지
    dachki

    受講レビュー 71

    平均評価 5.0

    5

    100% 受講後に作成

    講義の準備がよくできています。 ただ、サービスまでつながればもっと良くなりそうですね。

    • paulmoon008308님의 프로필 이미지
      paulmoon008308

      受講レビュー 111

      平均評価 4.9

      5

      6% 受講後に作成

      goodwon5937125の他の講座

      知識共有者の他の講座を見てみましょう!

      似ている講座

      同じ分野の他の講座を見てみましょう!

      ¥6,272