入門者のためのLangChain基礎 — v1.0+ アップデート
pdstudio
LangChain v1.0+の簡素化されたAPIと無料LLM(Gemini · Groq · Ollama)で、カード登録の負担なくLLM · Agents · RAGの核心を完結させる入門講座。
初級
Python, LLM, LangChain
Neo4Jで実装するナレッジグラフ基盤RAGシステム:単純なベクトル検索を超えてデータ関係まで活用する次世代検索技術 グラフデータベースの力でRAGの性能を最大化する!
学習した受講者のレビュー
5.0
서강식
早く私のDBで実装してみたいです
5.0
kmkang
本当にありがとうございます。
5.0
JIYEON SUNG
vectorRAGを使ってみた後にgraphRAGについても学びたいと思っていたところ、ちょうど講座が出たので受講しました。 基礎概念の説明から実際のデータを使ったデータ加工や様々な方式のクエリサーチ... Hybrid方式のRAGまで、Kindの実習ファイルを通して追いかけながら習得できたので有益でした! 実は自分で実装したいことがあったのですが、この講座を受講してすぐに学んだ知識を使って始めてみることができそうです。 講師の方のトーンが落ち着いていながらも淀みなく流れるようだったので、1.7倍速で聴いたのですが、気になることなくすんなりと耳に入り、すぐに完講できました! 講座、とても楽しく聴けました。講師の方、ありがとうございました。次の講座も楽しみにしています!
Neo4J グラフデータベースを活用したナレッジグラフ構築方法
ナレッジグラフ(Knowledge Graph)をRAGに適用する方法
LangChainとNeo4jを連携させたグラフベースの検索システムの構築
多様な検索手法(基本検索、全文検索、ベクトル検索)の活用および統合
Text2Cypher手法を用いた自然言語クエリのグラフクエリ変換
一般的なRAGシステムは単純なベクトル検索に依存しているため、情報間の関係を適切に表現することが困難です。グラフデータベースを活用したgraphRAGは、データ間の複雑な関係を構造化し、より正確で文脈に沿った回答を生成することを可能にします。構造化された知識表現と関係ベースの検索を通じて、より正確な検索結果を得ることができます。
[プロジェクト2] ETF金融商品のおすすめ - 知識グラフの実装 (Neo4jブラウザの活用)
✅ 構造的な知識表現 : 情報をノードと関係で表現することでデータ間の連結性を明確にし、複雑な知識を体系的に構造化します。
✅ 関係ベースの検索 : 単純なキーワードマッチングやベクトル類似度を超え、意味的な関係に基づいた検索でより正確な結果を提供します。
✅ 多様な検索方式の統合 : キーワードベースの全文検索(Full-text Search)と、ベクトルベースのセマンティック検索(Semantic Search)を併用することで、検索パフォーマンスを最大化します。
✅ 拡張可能な知識構造:新しいデータや関係を簡単に追加・接続できるため、持続的に拡張可能なナレッジベースを構築できます。
ノードとリレーションを通じて自然なデータモデリングが可能です。
Cypherクエリ言語を通じて、直感的なグラフ探索が可能です。
強力なグラフアルゴリズムとベクトルインデックスをサポートしています。
LangChain フレームワークと統合するためのさまざまな機能を提供します。. framework.
[LangChain + Neo4Jを活用したRAGの実装] https://neo4j.com/labs/genai-ecosystem/langchain/
実践中心のステップバイステップ学習
理論的な説明と即時の実習を並行して行い、グラフデータベースとRAGの統合に関する概念を確実に理解し、応用する能力を養います。
多様な実例学習
映画の推薦、ニュースデータ、ETF金融商品、法律文書など、実際のデータを活用した多様なドメインのナレッジグラフ構築および検索方法を学びます。
Neo4J AuraDBの設定から、グラフデータベースの核心概念であるノード、関係、属性までを学びます。Cypherクエリ言語の主要な構文や経路探索、集計関数など、グラフデータベースの活用に必要な基礎知識を習得しま
CSV定型データからニュース、ETF金融商品、法律文書など、多様なドメインのデータを知識グラフに変換する方法を学びます。オントロジー設計、制約条件の設定、グラフ変換のためのLangChainツールの活用法を学習します。
基本検索、全文検索(Full-text Search)、ベクトル検索(Semantic Search)、Text2Cypherなど、多様なグラフベースの検索手法を実装する方法を学びます。強化されたRAGシステム実装のためのハイブリッド検索手法も学習します。
OSおよびバージョン:MacOS基準で講義を進行(Linux、Windowsユーザーも実習可能)
仮想環境の使用:uvパッケージマネージャーを使用 (conda, poetry, venvの利用者も実習可能)
使用ツール:VS Code、LLM API認証キーが必要(OpenAI/ Google Gemini) *費用が発生する可能性あり
PCスペック:該当事項なし
Python 3.12 /
langchain 0.3.23 / langchain-neo4j 0.3.0 / numpy 1.26.4
実習に必要な資料の提供(講義ノート、実習コード、実習データ)
授業ノート、授業資料のダウンロードリストを確認してください。
WikiDocsに参考教材を提供:[neo4j] GraphRAG完全攻略 - 初心者のための知識グラフベースRAGシステム
Pythonの基本プログラミング能力
ラングチェーン(LangChain)の基本概念の理解
[無料講義] 入門者のための LangChain 基礎 (必須) : https://inf.run/Xabb2
[有料講義] RAGマスター:基礎から応用技法まで (推奨) :https://inf.run/CxVA3
グラフデータベースの経験は不要(講義で基礎から扱います)
質問や意見がございましたら、お気軽に質問してください。
学習対象は
誰でしょう?
RAGシステムの性能と正確度を高めたい開発者
複雑な関係を持つデータを効果的に処理したい方
単なるベクトル検索を超えて、構造化された知識検索システムを構築したい方
ナレッジグラフ(Knowledge Graph)をAIアプリケーションに適用したい方
前提知識、
必要でしょうか?
パイソン
ラングチェーン (LangChain)
RAG
インフラン認証
19,216
受講生
1,048
受講レビュー
186
回答
4.8
講座評価
12
講座
こんにちは。私はPythonを活用したデータ分析およびAIサービス開発の実務に携わっています。関心のあるテーマを見つけて勉強し、その内容を多くの方々と共有するために、継続的に執筆活動やAI講義を行っています。
[経歴]
現) フィンテックスタートアップCEO
元) DACON CDO
前) 仁徳大学校 コンピュータソフトウェア学科 兼任教授
Kaggle Competition Expert、ビッグデータ分析技師
[講義]
NCS登録講師(人工知能)
SBA ソウル経済振興院 SeSAC(セサク)キャンパス SW教育「優秀パートナー選定」(Pythonを活用したAIモデル開発)
金融保安院、韓国電子情報通信産業振興会、韓国ディスプレイ産業協会、大邱デジタル産業振興院などでの講義
ソウル大学、釜山大学、慶熙大学、韓国外国語大学など、国内の主要大学および国内企業での教育経験
산업진흥회, 韓国ディスプレイ産業協会, 大邱デジタル産業振興院などでの講義。ソウル大学、釜山大学、慶熙大学、韓国外国語大学など国内主要大学および国内企業での教育経験。
[執筆]
Python機械学習Pandasデータ分析(情報文化社):https://zrr.kr/x1ec
Pythonディープラーニング・機械学習入門(情報文化社) : https://zrr.kr/RPaE
PythonディープラーニングTensorFlow(情報文化社):https://zrr.kr/PrVN
実務者のためのPython 100題(情報文化社) : https://zrr.kr/4fyq
LangChain(ラングチェーン) 入門から応用まで (WikiDocs) : https://wikidocs.net/book/14473
[YouTube] パンダス・スタジオ : https://youtube.com/@pandas-data-studio?si=XoLVQzJ9mmdFJQHU
全体
58件 ∙ (7時間 4分)
講座資料(こうぎしりょう):
8. 可変長パス探索(講義)
02:46
9. 可変長パス探索(実習)
07:58
10. 最短経路探索(講義)
01:44
11. 最短経路探索(実習)
02:53
12. 集計関数
05:48
13. WITH句(サブクエリの活用)
07:44
14. 複雑な関係パターンの結合
04:58
全体
74件
4.9
74件の受講レビュー
受講レビュー 3
∙
平均評価 5.0
受講レビュー 8
∙
平均評価 4.9
受講レビュー 2
∙
平均評価 5.0
受講レビュー 1
∙
平均評価 5.0
5
vectorRAGを使ってみた後にgraphRAGについても学びたいと思っていたところ、ちょうど講座が出たので受講しました。 基礎概念の説明から実際のデータを使ったデータ加工や様々な方式のクエリサーチ... Hybrid方式のRAGまで、Kindの実習ファイルを通して追いかけながら習得できたので有益でした! 実は自分で実装したいことがあったのですが、この講座を受講してすぐに学んだ知識を使って始めてみることができそうです。 講師の方のトーンが落ち着いていながらも淀みなく流れるようだったので、1.7倍速で聴いたのですが、気になることなくすんなりと耳に入り、すぐに完講できました! 講座、とても楽しく聴けました。講師の方、ありがとうございました。次の講座も楽しみにしています!
ありがとうございます。
受講レビュー 1
∙
平均評価 5.0
知識共有者の他の講座を見てみましょう!
同じ分野の他の講座を見てみましょう!