……Zoomオンライン受講
……見逃し視聴選択可
◆LangChain／LlamaIndexを用いたRAG構築の流れを、講師によるサンプルコードの実行を通じてデモンストレーション形式で分かりやすく解説します。
◆これからRAGシステムを構築するエンジニアの方、社内知識活用の生成AI導入を検討している技術者の方におすすめです◎
講師
株式会社LINK.A （リンクドットエイ） 代表取締役 太田 桂吾 氏
講師紹介
■略歴：
岡山大学 文学部卒業
システムエンジニアとして25年勤務
■専門および得意な分野・研究：
機械学習・ディープラーニング
＜その他関連商品＞
機械学習・AI・データ分析 一覧はこちら
日時・受講料・お申込みフォーム
●日時：2026年10月26日(月) 10:30-16:30 ＊途中、お昼休みや小休憩を挟みます。
●受講料：
【オンライン受講（見逃し視聴なし）】：1名 50,600円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき39,600円
【オンライン受講（見逃し視聴あり）】：1名 56,100円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき45,100円
＊「見逃し視聴あり」でお申込の場合、当日のご参加が難しい方も後日セミナー動画の視聴が可能です。
＊学校法人割引：学生、教員のご参加は受講料50％割引。→「セミナー申込要領・手順」を確認ください。
＊5名以上でのお申込の場合、更なる割引制度もございます。
ご希望の方は、以下より別途お問い合わせ・お申込みください。
req@*********（*********にはjohokiko.co.jpを入れてください）
お申込みはこちらから
商品コード：AD2610D5
配布資料・講師への質問など
●配布資料はPDFなどのデータで配布いたします。ダウンロード方法などはメールでご案内いたします。
・配布資料に関するご案内は、開催1週前～前日を目安にご連絡いたします。
・準備の都合上、開催1営業日前の12:00までにお申込みをお願いいたします。
（土、日、祝日は営業日としてカウントしません。）
・セミナー資料の再配布は対応できかねます。必ず期限内にダウンロードください。
●当日、可能な範囲でご質問にお答えします。（全ての質問にお答えできない可能性もございます。何卒ご了承ください。）
●ご受講に際しご質問・要望などございましたら、下記メールアドレス宛にお問い合わせください。
req@*********（*********にはjohokiko.co.jpを入れてください）
オンラインセミナーご受講に関する各種案内（必ずご確認の上、お申込みください。）
※メールアドレスの記載誤りについては、以下へご連絡お願いいたします。
req@*********（*********にはjohokiko.co.jpを入れてください）
→Skype／Teams／LINEなど別のミーティングアプリが起動していると、Zoomで音声が聞こえない、カメラ・マイクが使えないなどの事象が起きる可能性がございます。お手数ですが、これらのアプリは閉じた状態にてZoomにご参加ください。
→音声が聞こえない場合の対処例
→一部のブラウザは音声が聞こえないなどの不具合が起きる可能性があります。
対応ブラウザをご確認の上、必ず事前のテストミーティング をお願いします。
（iOSやAndroidOS ご利用の場合は、アプリインストールが必須となります）
→見逃し視聴について、 こちらから問題なく視聴できるかご確認ください。（テスト視聴動画へ）パスワード「123456」
＜見逃し視聴ご案内の流れ・配信期間詳細＞
セミナーポイント
■はじめに
生成AIの企業活用が急速に進む一方、大規模言語モデル（LLM）単体ではハルシネーションや情報の陳腐化、社内固有情報への非対応といった限界があります。これを補う技術として注目されているのがRAG（Retrieval-Augmented Generation：検索拡張生成）です。
本講座では、RAGの基本的な仕組みから、チャンク分割・埋め込み・ベクトル検索といった要素技術、検索精度を高める実践的な工夫、評価・チューニングの手法までを体系的に学びます。講座中盤では、LangChain／LlamaIndexを用いたRAG構築の流れを、講師によるサンプルコードの実行を通じてデモンストレーション形式で分かりやすく解説します。
これからRAGシステムを構築するエンジニアの方、社内知識活用の生成AI導入を検討している技術者の方に最適な内容です。
■ご講演中のキーワード：
RAG（検索拡張生成）、大規模言語モデル（LLM）、埋め込み（Embedding）、ベクトル検索、チャンク分割、ハイブリッド検索、RAG評価（RAGAS）
■受講対象者：
・生成AI・LLMを業務に活用したいが、RAGの仕組みを基礎から体系的に学びたいエンジニアの方
・社内文書やナレッジベースを検索拡張生成で活用するシステムの構築・検討をしている開発者の方
・LangChainやLlamaIndexなどのフレームワークを用いたRAG実装の勘所を習得したい方
・RAGの精度（チャンク分割・検索手法・評価）に課題を感じている方
■必要な予備知識や事前に目を通しておくと理解が深まる文献、サイトなど：
・本講座は講師によるサンプルコード実行（デモンストレーション）形式のため、受講者ご自身での事前環境構築は不要です。
・Pythonの基本文法（変数、関数、ライブラリのimportなど）を理解していると、デモの理解がより深まります。
・ChatGPTなど生成AI・LLMの利用経験があることが望ましい（必須ではない）。
・事前に目を通すと理解が深まるサイト：LangChain公式ドキュメント（https://python.langchain.com/）、LlamaIndex公式ドキュメント（https://docs.llamaindex.ai/）
■本セミナーで習得できること：
・RAGの基本アーキテクチャと処理フロー（インデキシング～検索～生成）の理解
・埋め込みモデル・ベクトルDB・チャンク分割など、RAGを支える要素技術の知識
・LangChain／LlamaIndexを用いたRAGシステムの実装イメージと勘所
・ハイブリッド検索・リランキングなど、検索精度を高める実践的ノウハウ
・RAGAS等を用いたRAGの評価・チューニング手法
セミナー内容
1．はじめに：生成AIとRAGを取り巻く動向
1）生成AI・LLM活用の現状と企業導入における課題
2）LLM単体利用の限界（ハルシネーション、知識の陳腐化、機密情報の扱い）
3）RAGとは何か～LLMに外部知識を組み合わせるアプローチ
4）RAGとファインチューニングの違いと使い分け
2．RAG理解の前提となる生成AI・LLMの基礎知識
1）大規模言語モデル（LLM）の仕組みの概要
2）プロンプトエンジニアリングの基本
3）トークン・コンテキストウィンドウの考え方
4）主要LLM（GPT、Claude、Gemini等）の特徴と選定の視点
3．RAGの全体アーキテクチャ
1）RAGの処理フロー（インデキシング・検索・生成の3段階）
2）オフライン処理（インデックス構築）とオンライン処理（クエリ応答）
3）RAGシステムを構成する主要コンポーネント
4）RAG導入によるメリットと限界
4．RAGを支える要素技術①：文書の準備とチャンク分割
1）文書読み込み（PDF、Word、HTML等）とデータクレンジング
2）チャンク分割（チャンキング）の目的と重要性
3）固定長チャンキング、再帰的チャンキング、セマンティックチャンキング
4）チャンクサイズ・オーバーラップの設計指針
5）メタデータ付与と構造化情報の活用
5．RAGを支える要素技術②：埋め込みとベクトル検索
1）埋め込み（Embedding）とは何か
2）埋め込みモデルの種類と選定のポイント
3）ベクトルデータベース（Chroma、Pinecone、FAISS等）の比較
4）類似度検索（コサイン類似度等）の仕組み
6．RAGを支える要素技術③：検索精度を高める工夫
1）ベクトル検索（セマンティック検索）の限界
2）キーワード検索（BM25）とのハイブリッド検索
3）リランキング（Re-ranking）によるクエリ結果の再評価
4）クエリ拡張・HyDEなど検索前処理の手法
7．RAGを支える要素技術④：生成（Generation）フェーズ
1）プロンプトテンプレートの設計
2）検索結果のコンテキストへの組み込み方
3）引用元・出典情報の提示方法
4）回答生成時のハルシネーション抑制の工夫
8．【デモンストレーション】講師によるRAGシステム構築のサンプル実行
1）デモ環境・使用ライブラリの紹介（Python、LangChain／LlamaIndex等）
2）サンプル文書の読み込みとチャンク分割の実行画面解説
3）埋め込み生成とベクトルDBへの格納の実行画面解説
4）検索クエリの実行と結果確認
5）LLMと組み合わせた回答生成の実行画面解説
6）簡易RAGアプリケーションの動作確認とポイント解説
9．RAGの精度評価とチューニング
1）RAG評価の観点（忠実性・関連性・網羅性）
2）評価フレームワーク（RAGAS等）の紹介と活用方法
3）評価結果に基づくチューニングの進め方
4）継続的評価（CI／モニタリング）の考え方
10．RAG構築・運用における実践上の注意点
1）機密情報・社内データ活用時のセキュリティ対策
2）コスト（API利用料・インフラ費用）の見積もりと最適化
3）レイテンシ・スケーラビリティへの対応
4）運用フェーズでのデータ更新・再インデックス設計
11．RAGの発展形：GraphRAG／マルチモーダルRAG
1）知識グラフを活用したGraphRAGの考え方
2）画像・音声等を含むマルチモーダルRAG
3）適用シーンの見極め方
12．まとめ・今後の学習の進め方<br>
1）本講座のまとめ
2）RAG構築のロードマップ（PoCから本番運用まで）
3）さらに学ぶための参考情報
13．質疑応答
お申込みはこちらから
