RAGとは？LLMに外部知識を与える検索拡張生成の仕組み
資料を渡すか、渡さないか有料プラン
RAG入門：AIに知識を与える技術
Embedding、ベクトル検索、チャンク分割、再ランキングなど、生成 AI に自社データや最新情報を読み込ませる RAG (Retrieval-Augmented Generation) の仕組みを、図解とハンズオンで学べる無料コースです。生成 AI の基礎を理解しているエンジニアや、AI プロダクト企画担当を対象としています。全 18 レッスンを修了すると、社内ドキュメント検索や FAQ ボットなど RAG アプリの設計を自分で進められるようになります。
レッスン
18件
所要時間
約2時間
ランク
初級
最初のレッスンを読む
7分・登録なしで読めます
動く図解・RAGとは？LLMに外部知識を与える検索拡張生成の仕組み
動く図解・RAGとは？LLMに外部知識を与える検索拡張生成の仕組み
目標
RAGの仕組みを理解し、LLMと外部データを連携させたアプリケーションを構築できるようになります。
できるようになること
RAG（Retrieval-Augmented Generation）の基本概念を理解できる
ベクトルデータベースの仕組みを理解できる
文書の埋め込み（Embedding）を実装できる
類似検索と回答生成のパイプラインを構築できる
RAGシステムの評価と改善ができる
よくある質問
前提知識・必要な環境
必須
- • Pythonの基礎
- • APIの基本的な使い方
推奨
- • LLM（ChatGPT等）の利用経験
- • 機械学習の基礎知識
環境
ブラウザ完結（インストール不要）
必要ツール: Jupyter Notebook, LangChain, ベクトルDB
このコースに入っているもの
触れる図解
14本
理解度クイズ
4問
読み物のレッスン
14本
監修
ゆめさくコード編集部
プログラミング学習をもっと身近に。初心者から実務レベルまで、わかりやすいコンテンツをお届けします。
生田 陸人
ゆめさくエンジニア / 現役ソフトウェアエンジニア。Ruby on Rails・Nuxt.js・Next.js・CakePHPなどの実務の開発をベースに、学習コンテンツを作成しています。
RAGがなぜ必要なのかを理解し、その基本的な仕組みと全体フローを説明できるようになる
テキストデータがどのように検索可能なベクトル情報に変換され、検索されるのかを理解する
RAGアプリケーションの精度を向上させるための、具体的な3つのアプローチを理解し、実践できるようになる
LangChainやLlamaIndexといったフレームワークを使い、基本的なRAGアプリケーションを構築・運用する流れを理解する
このコースを終えると取れるバッジ
AIアプリ開発 第1コース
0 / 18 レッスン
このコースの動く図解
動かしながら、仕組みや変化を目で確かめられます。
LLMのハルシネーション問題とRAGによる解決策
答えの数字を規定と突き合わせる
RAGの全体像：Indexing, Retrieval, Generationの3ステップ
RAG の検索と生成
RAGのユースケース：チャットボット、社内検索、文書要約
同じ仕組みが 3 つの使い道で形を変えるこんな人におすすめ
ChatGPTのようなAIに独自データを組み込みたい人
社内文書を活用したチャットボットを作りたい人
LLMアプリケーション開発に興味がある人
おすすめしない人
- ×プログラミング経験がまったくない人
- ×AIの基礎知識がない人
前提が不安な方へ
先にこちらを通しておくと、つまずきにくくなります
あわせて学びたい
同時に進めると、理解が早くなる組み合わせです
