入門マルチモーダルRAG―図表を読み解くAIアプリケーションの実装 [単行本]

入門マルチモーダルRAG―図表を読み解くAIアプリケーションの実装 の 商品概要

• 要旨（「BOOK」データベースより）

  複雑なグラフ、レイアウトの崩れたＰＤＦ、専門的な画像データ…社内に散らばる非構造化データを検索・活用するための実装アプローチ。テキストだけのＲＡＧから、画像も読み解く「マルチモーダルＲＡＧ」へ。検索精度を飛躍させるＣｏｌＰａｌｉ、自律的に動くＡｇｅｎｔｉｃ　ＲＡＧ（ＬａｎｇＧｒａｐｈ）。最新ツールを組み合わせて、マルチモーダルＲＡＧの最小構成を自作する！

• 目次（「BOOK」データベースより）

  １　テキストベースのＲＡＧ
  ２　Ｒｅｓｐｏｎｓｅｓ　ＡＰＩのｆｉｌｅ　ｓｅａｒｃｈによるＲＡＧ
  ３　標準的なマルチモーダルＲＡＧ
  ４　ＣｏｌＰａｌｉを利用したマルチモーダルＲＡＧ
  ５　エージェントによる自律制御を組み込んだＭＭＡ‐ＲＡＧ
  ６　ＶＱＡを中核としたマルチモーダルＲＡＧ

• 内容紹介

  「図表を読めるAI」を作る
  近年、テキストだけでなく、図や表やグラフといった画像を含む資料からも情報を検索・活用できる「マルチモーダルRAG（Retrieval-Augmented Generation）」の重要性が高まっています。従来のテキストベースRAGが扱える情報はテキストデータに限定されており、実務現場で扱う文書──技術報告書、研究論文、プレゼン資料──のように、図表を多く含むデータには十分対応できませんでした。本書は、この課題を踏まえ、実務文書にも対応できるマルチモーダルRAGについて体系的に解説します。
  本書では、自分の手でマルチモーダルRAGを構築できるようになることを目指します。全体を通して、手を動かしながら理解できるよう、再現可能なコード例を多数提示しています。
  
  <本書の構成>
  ・第1章：基本的な構成のRAG（データベース・検索器・生成器）をPythonで実装し、RAGの仕組みを理解します。
  ・第2章：画像をテキストに変換する方式と、画像とテキストを同一のベクトル空間に埋め込む方式という、2種類のマルチモーダルRAG の実装方法を紹介します。
  ・第3章：Embed-4やCLIP-RAG、反復型RAGといった最新手法を概観し、マルチモーダル知覚統合の潮流を整理します。
  ・第4章：特定領域の画像（医療画像、技術図面など）に特化したマルチモーダル RAG の構築を目指し、projectorやLLM、デュアルエンコーダのファインチューニング方法を実例とともに解説します。

• 著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）

  新納 浩幸(シンノウ ヒロユキ)
  １９６１年生まれ。現在、茨城大学工学部情報工学科教授、博士（工学）。専門は自然言語処理

入門マルチモーダルRAG―図表を読み解くAIアプリケーションの実装 の商品スペック