サクッと始めるRAG開発【LangChain / Python】
Zenn
サクッと始めるRAG開発【LangChain / Python】
サクッと始めるRAG開発【LangChain / Python】
01はじめに02RAGの概要【入門者向けの基礎知識】03RAGの処理フロー【In-Context Learning / Embedding / Vector Search】04RAGのビジネス活用ロードマップ【大企業向け】05RAGの実装アプローチ06RAGの大分類【Document RAG】07RAGの大分類【SQL RAG】08RAGの大分類【Graph RAG】09RAGの精度評価アプローチ10RAGの精度評価方法【LangChain Evaluation】11RAGの精度評価方法【Ragas】12RAGの精度改善手法【データ品質 / プロンプト品質 / ベクトル検索】13RAGの精度改善のためのLLMOps概論14LLMOpsとしての「LangSmith」の概論15LLMOpsとしての「Azure AI Studio」の概論16クラウドごとのRAGの手法比較【Azure AI Search / Amazon Kendra / Vertex AI Search】17RAGの「最大の弱点」と「対処方法」【Map Reduce / Refine】18RIGの概論【GoogleのDataGemmaの論文解説】19最後に
Chapter 19

最後に

ますみ / 生成AIエンジニア
ますみ / 生成AIエンジニア
2025.06.12に更新