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
この講義はLangChainを活用したRAG(Retrieval-Augmented Generation)システムの基本概念と実装方法を扱います。参加者はRAGの核心原理を理解し、LangChainを通じて実際にシステムを構築し、性能を評価する方法を学びます。


学習した受講者のレビュー
5.0
조혜정
RAGについて深く理解できる、とても有益な講義でした!
5.0
Jonas Kahnwald
RAGに関しては最高の講義です。ありがとうございます。
5.0
아이테킨
おかげでLangChainについて詳しく勉強することができました まず講義が内容中心になっていて、提供されるコードもカバーする範囲が広いようです 会社で社内チャットボットを作らなければならない状況だったのですが、この講義で学んだ概念をうまく応用すれば良さそうですね!! ただ作られるものだけを見せるそんな講義ではなく、原理や内部ロジックについても質問した時の回答が理解しやすかったです。
LangChainを活用したRAGシステムを構築する
効果的な検索および生成手法の習得
RAGシステムの性能評価方法
LangChainのLCEL文法とRunnable使用法
AI技術の発展によりRAGシステムの活用度が高まったが、学び、実装する過程は依然として難しい。私も初めてRAGを勉強するときに多くの困難を経験し、その経験に基づいてこの講義を企画することになりました。
講義は、段階的な実践に基づいて実際に動作するシステムを作成することに重点を置いており、基本的な実装だけでなく、検索品質を高める高度な技法とパフォーマンス評価まで、実践的なプロジェクトに直接適用できる実用的な知識を盛り込んだ。
発売から5ヶ月で
1590人が受講した
LLMシリーズ講義を作成
知識共有者のRAG講義
Python&ランチェーン
基礎無料講義提供
Python基礎講義▶
ランチェイン基礎講義▶
RAGシステム構築のため
豊富な学習資料
31p分の要約資料
6つのソースコードファイル
ランダムなコードに沿って書くことには制限があります。いつ、なぜこのコンポーネントを使用するのかという原理を理解する必要があります。講義では、RAGの基本概念と主要コンポーネント、LCEL文法などを取り上げ、RAG実装のための基礎体力を固めます。また、入門者を継承したPython&ランチェイン基礎無料講義も付属します。
RAGプロセスは、[文書のロード→テキストの分割→埋め込み→ベクトルの保存→検索→プロンプト→LLM→最終結果]で行われます。レッスンでは、各プロセスに適用可能なさまざまな最新のモジュールとテクニックを紹介します。 特に検索性能向上のためのハイブリッド検索、Re-rank、コンテキスト圧縮などの高度な検索技術に出会うことができます。
RAGシステムを高度化するには、「評価 - 改善」作業が必須です。講義では、RAGの検索性能を評価するために情報検索(Information Retrieval)の5つの方法を紹介します。また、定量的指標ベースの評価方法とLLMを活用した評価方法、計5つのRAGの回答評価方法を取り上げます。
多くの受講生の方が証明していただきました
受講評は知識共有者の24.9月基準でオープンした講義の受講評です。
RAGシステムの動作原理を理解し、LangChainの構造とLCEL文法を学びます。これにより、実践環境を準備し、さまざまなAIプロジェクトに活用できる基礎知識を得ることができます。
練習内容:LangChainのインストール、環境設定、基本的なRAGパイプラインの設定
さまざまなデータ形式(PDF、JSON、Webなど)を処理し、効果的なテキスト分割技術を習得し、大規模なデータを効率的に管理できます。
実習内容:PyPDFLoader、CSVLoaderなど多様な文書ローダー実習、テキスト分割戦略(再帰的分割、正規表現活用、意味論的分割)適用
埋め込みモデルを使用してテキストデータをベクトルに変換し、それをベクトルストアに保存してRAG検索のパフォーマンスを最大化します。
実践内容:Chroma、FAISSベクトルリポジトリの作成と検索実習、OpenAIとHuggingface、Ollama埋め込みモデルの活用法
さまざまな情報検索評価指標を活用してRAG検索のパフォーマンスを評価し、実際のプロジェクトに適用できる最適化技術を習得します。
実習内容:検索性能テストと評価(Hit Rate、MRRなど定量的評価)、最適化方法(クエリ拡張、Re-rank、コンテキスト圧縮)実習
さまざまなLLMを活用してRAGシステムの回答を作成し、LangChain評価ツールを使用して回答の品質を評価できます。
実習内容:LLM連動実習、LangChain評価ツール活用した回答評価
Gradioを使用すると、ユーザーと対話するRAGベースのチャットボットインターフェースを構築し、リアルタイム検索と回答生成システムを設計できます。
練習内容: Gradioを使用したRAGチャットボットの実装、ストリーム方式出力、チャット履歴の追加
オペレーティングシステムとバージョン(OS):MacOSで講義を進める(Linux、Windowsユーザーも練習可能)
仮想環境の使用:Poetry基準で講義進行(conda、venvユーザーも実習可能)
使用ツール:VS Code、OpenAI APIなど、LLM認証キーが必要(別途費用発生可能)
PC仕様:該当なし
ランチェーン(LangChain)バージョン:v0.2.16適用
実習に必要な資料提供(講義授業ノート、実習コード)
(入門者向け)ウィキドックスに参考教材を提供: https://wikidocs.net/book/14473
Pythonの基本知識がある方(基本プログラム可能な方)
入門者のためのLangChainの基盤(無料講義) : https://inf.run/Fzfhs
ご質問やご意見がございましたら、お気軽にご質問ください。
AIエージェントとして実装するRAGシステム(w. LangGraph)
ラングラフ(LangGraph)で実現する検索拡張生成(RAG)インテリジェントAIエージェント
LanGraphを活用したAIエージェント構造の設計と実装
AIエージェントをRAG(Retrieval-Augmented Generation)に適用する
Tool Calling(ツール呼び出し)機能の実装でAIエージェントの能力を拡張する
Adaptive RAG、Self RAG、Corrective RAGなど、最新のエージェントRAGアーキテクチャをマスターする
学習対象は
誰でしょう?
LLM 活用 RAGシステムに関心のある方々
LangChainを活用したAIプロジェクトを始めたい方向け
RAG 検索および生成性能評価方法を学びたい方々
前提知識、
必要でしょうか?
パイソン
初心者向け LangChain 基礎 (講義)
インフラン認証
19,204
受講生
1,045
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
79件 ∙ (8時間 42分)
講座資料(こうぎしりょう):
全体
89件
4.9
89件の受講レビュー
受講レビュー 4
∙
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 3
∙
平均評価 3.7
5
Langchain RAGを学ぶには良い講義です。 ただし、埋め込み、トークン化、コサイン類似度などの自然言語処理に対する理解度が必要で理解しやすく、LangSmithを活用してRAG動作過程に対する視覚化が印象深かったです。 ただし、様々なオプションを多様に教えてくださいますが、似ていると感じられる関数の違いや使い道を実務でどのように適用するのか、もう少し詳細に教えてくださればもっと良かったと思います。 途中途中でAIに質問したり、グーグリング検索を通じて気になる情報を追加で得てやる場合がしばしばありました。 しかし、Langchain RAG講義は私がInflearnで見た中で最も素晴らしい講義だと思います。
ありがとうございます。
受講レビュー 6
∙
平均評価 5.0
修正済み
5
おかげでLangChainについて詳しく勉強することができました まず講義が内容中心になっていて、提供されるコードもカバーする範囲が広いようです 会社で社内チャットボットを作らなければならない状況だったのですが、この講義で学んだ概念をうまく応用すれば良さそうですね!! ただ作られるものだけを見せるそんな講義ではなく、原理や内部ロジックについても質問した時の回答が理解しやすかったです。
ありがとうございます。
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!