このレッスンでは
このコースでは、RAG(Retrieval-Augmented Generation)用にファイルやデータを最適化する方法を学びます。
このコースの最後には、カスタムナレッジソースを使用する際にLLM が生成する回答の質を向上させるための実行可能なステップを習得できます。
RAGは、検索と 生成という2つの強力なコンセプトを組み合わせています。これにより、AIエージェントは商品カタログや契約内容のリストのような膨大なデータソースから正確な情報を引き出し、言語モデルを使用して自然で有益な回答を生成することができます。これは、単に回答を与えるだけでなく、信頼できるソースから正しい回答を迅速かつ正確に提供するエージェントを意味します。
しかし、ここで重要なのは、エージェントの回答の質は、あなたが入力するデータの質と構造に大きく依存するということです。入力されるデータが乱雑で、冗長で、構造化されていない場合、エージェントの回答はそれを反映することになります。そこで、データの前処理が重要になります。データを入念に準備することで、高品質で有意義、かつ正確な回答の土台を作ることができます。
このシリーズでは、ファイルやデータをRAGに対応させるために知っておくべきことをすべてご案内します。このシリーズでは
- 文書を分かりやすく構成する方法
- テキストのクリーニングと簡素化のベストプラクティス、
- より豊かなコンテクストのためにメタデータと要約を追加する、
- 画像や表などのテキスト以外のデータを最適化する、
- データの検証とメンテナンス
各ビデオは、あなたのAIプロジェクトに直接適用するための実用的な洞察を提供するために、例を用いてこれらのステップを分解します。このシリーズが終わる頃には、あらゆるデータセットをRAG用に変換し、AIエージェントのパフォーマンスを最適化するためのツールを手に入れることができます。
概要
各ビデオは、あなたのAIプロジェクトに直接適用するための実用的な洞察を提供するために、例を用いてこれらのステップを分解します。このシリーズが終わる頃には、あらゆるデータセットをRAG用に変換し、AIエージェントのパフォーマンスを最適化するためのツールを手に入れることができます。
このコースの全レッスン