この本では、初心者・入門者の方に向けて、RAGの知識や使い方を体系的にまとめました。少し難易度の高い内容になりますが、本書の中で事前に学んでおくべき項目を示しているため、ご安心ください。
 
 【概要】
 ・内容：RAGの概要【入門者向けの基礎知識】、RAGの処理フロー【In-Context Learning / Embedding / Vector Search】、RAGのビジネス活用ロードマップ【大企業向け】、RAGの実装アプローチ、RAGの大分類【Document RAG】、RAGの大分類【SQL RAG】、RAGの大分類【Graph RAG】、RAGの精度評価アプローチ、RAGの精度評価方法【LangChain Evaluation】、RAGの精度評価方法【Ragas】、RAG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】、RAGの精度改善のためのLLMOps概論、LLMOpsとしての「LangSmith」の概論、LLMOpsとしての「Azure AI Studio」の概論、クラウドごとのRAGの手法比較【Azure AI Search / Amazon Kendra / Vertex AI Search】、RAGの「最大の弱点」と「対処方法」【Map Reduce / Refine】、RIGの概論【GoogleのDataGemmaの論文解説】
 ・所要時間：約3時間
 ・必須条件：生成AIリテラシー、ChatGPTの知識、Pythonの基礎知識、LangChainの基礎知識
 ・推奨OS：macOS / Windows
 ・レベル：★★★★☆
 

サクッと始めるRAG開発【LangChain / Python】

はじめに

RAGの概要【入門者向けの基礎知識】

RAGの処理フロー【In-Context Learning / Embedding / Vector Search】

RAGのビジネス活用ロードマップ【大企業向け】

RAGの実装アプローチ

RAGの大分類【Document RAG】

RAGの大分類【SQL RAG】

RAGの大分類【Graph RAG】

RAGの精度評価アプローチ

RAGの精度評価方法【LangChain Evaluation】

RAGの精度評価方法【Ragas】

RAG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】

RAGの精度改善のためのLLMOps概論

LLMOpsとしての「LangSmith」の概論

LLMOpsとしての「Azure AI Studio」の概論

クラウドごとのRAGの手法比較【Azure AI Search / Amazon Kendra / Vertex AI Search】