LLM・RAG・マルチエージェントの構成と実習

LLM・RAG・マルチエージェントの構成と実習｜Rajeev Sakhuja

モデル利用、検索、構造化出力、複数エージェントを部品ごとの実習から学ぶ。

Hugging Face・Ollamaと推論設定、LangChain、RAG、LangGraph、MCPを扱う。学習データの準備や微調整を含み、再利用できる処理の構成を考える。

原題：Generative AI Engineering: LLMs, RAG, and Agentic Systems

学習・モデルと出力：複数モデルの利用、推論設定、構造化出力とエラー処理を扱う。／確認 2026-09-15／https://www.udemy.com/course/generative-ai-app-dev/

学習・検索と連携：埋め込み・再順位付け・RAG、LangGraphとMCPの構成を学ぶ。／確認 2026-09-15／https://www.udemy.com/course/generative-ai-app-dev/

学習・学習と実践：データ準備、微調整、複数エージェントのパターンを部品単位で実習。／確認 2026-09-15／https://www.udemy.com/course/generative-ai-app-dev/

対象：Python・API・JSONとローカル開発に慣れたエンジニア。形式：オンデマンド動画講座（公開シラバスを確認）。言語：英語（複数字幕の案内あり、日本語対応は未確認）。利用条件：一部講義にプレビューの案内あり。全講座の受講条件・現在価格はUdemyで確認。

確認事項（編集部）：完成した本番アプリを作る講座ではなく、枠組み・処理パターン・演習を中心にすると講師が説明。モデルやAPIのアクセス条件、必要な計算資源を受講時に確認する。

出典：Rajeev Sakhuja / Udemy「Generative AI Engineering: LLMs, RAG, and Agentic Systems — 講師公開の講座概要・シラバス」／公開・更新日：ページで特定せず／確認日：2026-09-15／https://www.udemy.com/course/generative-ai-app-dev/

LLM・RAG・マルチエージェントの構成と実習

関連ページ