生成 AI アプリケーションの開発
Retrieval-Argumented Generation（RAG）をマスターすることで、生成 AI の基礎を構築し、精度を向上させたインテリジェントなアプリケーションを作成できるようになります。
このパスでは、ベクトルの Embedding などの概念について学習し、実用的な RAG モデルの実装のためにPythonライブラリを活用します。
※ 現在このページのコンテンツは全て英語です
1. 
生成 AI アプリケーションを計画する手順を学び、RAG が AI アプリケーションの精度をどのように向上させるかについて理解を深めてください。
-
ビデオ：Exploring the Benefits of RAG
生成 AI アプリケーションに Retrieval-Argumented Generation（RAG）アーキテクチャを使用する主な利点をご説明します。
典型的な RAG セットアップにおけるデータの流れを学び、モデルが生成する回答の精度と関連性の向上など、さまざまな潜在的利点を探ります。
-
ビデオ：Planning Your Generative AI Project
ユースケースを定義し、関連する AI アプローチを特定し、モデルを継続的に評価するプロセスを設定する AI プロジェクト開始方法をご説明します。
検索拡張世代（RAG）と fine-tuning アプローチの違いを学び、アプリケーションで AI の効果を最大化する方法を確認します。
2. 
RAG アプリケーションの開発を開始するために、ツールと環境を設定します。
-
ビデオ：Setting Up Your Generative AI Development Environment
RAG アプリケーションの作成を開始するための開発環境のセットアップ方法をご覧ください。 IDE を選択する際に考慮すべきこと、開発に役立つ Python ライブラリ、大規模な言語モデルとの基本的なインタラクションをインスタンス化する方法について学びます。
-
ビデオ：Exploring a Basic RAG Application
テキスト・データをベクトルとして埋め込み、ベクトル検索を実行し、大規模な言語モデルと連動させるなど、複数のステップを組み合わせた検索支援生成（RAG）アプリケーションをご覧ください。 このビデオでは、最終的なユーザー・インターフェース（チャットボット）のデモと、アプリケーションのコードが大規模言語モデルとどのように連携して応答を生成するかを紹介します。
3. 
プロンプトを作成するエージェントやベクトルの Embedding など、堅牢な RAG アプリケーションの背後にある技術的コンセプトについて詳しく学びます。
-
ビデオ：Identifying Useful Components for Your Generative AI Application
エージェント、Hugging Face データセット、埋め込みモデルなど、RAG アプリケーション上で活用できる様々なコンポーネントやライブラリについて学びます。
-
ビデオ：What Are Embeddings?
ベクトルの Embedding の起源と性質、そしてその作成と使用方法について学びます。
ベクトルの Embedding と大規模言語モデルがどのように関連しているのか、また言語モデリングの課題と可能性について学びます。
4. 
このパスの小テストを受け、デジタルバッジを獲得しましょう。
このアセスメントにアクセスするためには、オンラインラーニング（USページ）のパス：Developing Generative AI Applications にあるチェックボックスを全て✅する必要があります。