世界一やさしいRAG構築入門 ── Azure OpenAI Serviceで実現する賢いAIチャットボット

第1章　生成AIに挑戦すべき理由
　1.1 生成AIとは
　1.2 生成AIによって仕事はどう変わるのか
　1.3 独自情報に基づいた生成AIによるチャットシステム「RAG」
　1.4 まとめ

第2章　OpenAIとAzure OpenAI Service
　2.1 OpenAIとは
　2.2 OpenAIとAzure OpenAI Serviceの関係
　2.3 本書でAzure OpenAI Serviceを利用する理由
　2.4 まとめ

第3章　Azureを使ってみよう
　3.1 Microsoft Azureとは
　3.2 Azureの主要サービス
　3.3 Azureの課金体系
　3.4 コスト管理の重要性
　3.5 Azureのサブスクリプション契約
　3.6 Azureの学習方法 ── Microsoft Learnの活用
　3.7 まとめ

第4章　Azure OpenAI Serviceを使ってみよう
　4.1 Azure OpenAI Serviceを利用するための土台作り
　4.2 AIの実行環境 ── Azure AI Foundryでできること
　4.3 AIとチャットをしてみる
　4.4 AIで画像を生成してみる
　4.5 まとめ

第5章　Azure OpenAI Serviceのさまざまな機能
　5.1 トークンとは
　5.2 モデルとデプロイ
　5.3 コンテンツフィルター
　5.4 クォータの制限と管理
　5.5 認証
　5.6 APIの発行
　5.7 まとめ

第6章　簡単な生成AIアプリを作ってみよう
　6.1 作成する生成AIアプリの概要
　6.2 開発方法
　6.3 開発環境構築
　6.4 ソースコードの説明
　6.5 小説生成アプリの実行
　6.6 小説生成アプリのデバッグ
　6.7 まとめ

第7章　社内ナレッジを活用する生成AIチャットボット（RAGアプリ）を作ってみよう
　7.1 RAGの基本のおさらい
　7.2 RAGアプリの情報検索を担うAzure AI Search
　7.3 Azure AI Searchの検索手法
　7.4 作成する社内規程検索RAGアプリの概要
　7.5 開発方法
　7.6 開発環境構築
　7.7 Retriever・Generatorの作成
　7.8 AIオーケストレーター・インデクサーの解説
　7.9 動かしてみよう
　7.10 社内規程検索RAGアプリのデバッグ
　7.11 まとめ
　7.12 ソースコード全体

第8章　RAGアプリをどうやって運用していくのか
　8.1 RAGの運用
　8.2 RAGの評価方法
　8.3 RAGの評価ツール ── Prompt Flow
　8.4 簡単なフローを動かしてみよう
　8.5 RAGの評価指標
　8.6 社内規程検索RAGアプリの評価方法
　8.7 評価用データ作成プログラムの解説
　8.8 社内規程検索RAGアプリを評価してみる
　8.9 RAGの改善の必要性
　8.10 RAGの改善手法その1 ── セマンティックチャンキング
　8.11 RAGの改善手法その2 ── HyDE
　8.12 RAGの改善手法その3 ── ハイブリッド検索
　8.13 まとめ
　8.14 ソースコード全体

第9章　進化のはやい生成AIアプリ開発についていくために
　9.1 RAG実現のための最先端手法
　9.2 最新技術をキャッチアップするための3つのステップ
　9.3 まとめ