Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Sign up for free
Menu
Search
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Pricing
Search
Sign in
Sign up for free
20260321_エンベディングってなに?RAGってなに?エンベディングの説明とGemini ...
Search
Sponsored
·
SiteGround - Reliable hosting with speed, security, and support you can count on.
→
tsho
March 20, 2026
Technology
310
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
20260321_エンベディングってなに?RAGってなに?エンベディングの説明とGemini Embedding 2 の紹介
Build with AI 2026 高松のイベント資料です
https://gdgshikoku.connpass.com/event/386377/
tsho
March 20, 2026
More Decks by tsho
See All by tsho
Gemma4 Hands-on at Nagoya
tsho
0
85
20260930_Gemma4_Hands-on
tsho
0
290
Benchmarking Vector Databases: pgvector vs. LanceDB
tsho
0
190
Google IO 2026で進化をとげた Google AI Studio
tsho
0
39
AI Agentにおける評価指標とAgent GPA
tsho
1
620
Scale SciPy with jax.shard_map - jax.shard_mapで SciPy をスケール
tsho
0
180
Developer Advocate / Community Managerなるには?
tsho
0
910
25/04/12 - Build with AI Hands-on Appendix
tsho
1
120
Unit testしてますか?
tsho
1
700
Other Decks in Technology
See All in Technology
PostgreSQL オプティマイザ統計の秘密
nori_shinoda
1
440
Microsoft Entra Kerberos で実現するクラウド デバイス管理
tamaiyutaro
2
660
Gifu WordPress Meetup #200 に向けて、私たちには何ができるだろうか?/ 2026-11-07 Gifu WordPress Meetup
torounit
0
240
BALLAS Technology Deck
ballas_inc
0
360
サボる子はいねぇがー!AgentCoreハーネスの脆弱性に学ぶ、エージェントの入力バリデーション
iwamot
PRO
5
320
81天的 AI Agent 軟體開發團隊治理實務分享
regionbbs
0
140
AI時代における医療情報システムのセキュリティ / Security of Healthcare IT Systems in the AI Era
henryofficial
0
130
新卒エンジニア、 介護士になる
ryu1013
1
690
レガシーコードに対する loop engineering的なAI開発プロセス導入について
kubell_hr
0
300
Ebitengine製iOSアプリ公開ボタンを押す会
eiei114
0
110
AI Agent 時代のデータ基盤: ClickHouse で実現する 超高速分析とコスト削減の両立
jozono
0
220
Reticulum, le réseau cypherpunk dont vous avez besoin !
rlifchitz
0
120
Featured
See All Featured
First, design no harm
axbom
PRO
2
1.4k
GraphQLとの向き合い方2022年版
quramy
50
15k
HU Berlin: Industrial-Strength Natural Language Processing with spaCy and Prodigy
inesmontani
PRO
0
800
Understanding Cognitive Biases in Performance Measurement
bluesmoon
32
3.1k
A better future with KSS
kneath
240
18k
How to Align SEO within the Product Triangle To Get Buy-In & Support - #RIMC
aleyda
2
1.9k
16th Malabo Montpellier Forum Presentation
akademiya2063
PRO
0
460
For a Future-Friendly Web
brad_frost
184
11k
Darren the Foodie - Storyboard
khoart
PRO
4
4.1k
How to build an LLM SEO readiness audit: a practical framework
nmsamuel
2
980
CoffeeScript is Beautiful & I Never Want to Write Plain JavaScript Again
sstephenson
162
16k
Agile that works and the tools we love
rasmusluckow
331
22k
Transcript
Build with AI, GDG 四国 エンベディングってなに?RAGってなに? エンベディングの説明と Gemini Embedding 2
の紹介
- Lead Developer Advocate @ Snowflake - ex-Google gTech Ads,
ML/Data - MLOps community 運営 (2020~) - Google Developer Expert, AI/ML - 事業会社などにて分析からML/AIの適用な どについて取り組む tsho / 田中 翔 (Sho Tanaka) Linkedin.com/in/tsho
エンベディング (Embedding) とは?
Source: xxxxx エンベディング(埋め込み) とは、テキストの意味を数値で表現したもので、AI が単語間の文脈や関連性を理解できるようにする技術です。 { 0.6, 0.8 } Dimensions
(次元)
Source: xxxxx “王様” { 0.6, 0.8 }
王様 女王様
王様 女王様 車
遠 い =似 てい ない 近 い =似 て い
る
エンベディングの 適用例とRAG
Source: xxxxx 文章内のすべての単語のエンベディングを 単純に平均化したい誘惑に駆られるかもし れませんが、単語の順序や文法を無視する ためあまり有用ではありません。なぜなら 「犬が人間を舐める」という文は、「人間が犬 を舐める」という文と同じではないからです。 Embeddings 文章には繊細なアプローチが必要
Source: xxxxx 大規模なデータセットでトレーニングされており、単語 間の複雑なパターンや関係性を理解することができま す。これらのモデルは、元の入力テキストのニュアンス や意味を正確に表現するエンベディングを生成するよ うに構築されています。 Embeddings Embedding models
dog licks man [0.47, …] [0.31, …] [0.96, …] subject verb object man licks dog [0.96, …] [0.31, …] [0.47, …] subject verb object is not
Source: xxxxx セマンティック検索 キーワードだけでなく、意味によって結果を見 つけます。(例:「夏の服」で検索すると、 「ショートパンツ」や「Tシャツ」が見つかりま す。) レコメンデーションエンジン 類似のアイテム、記事、または曲を提案しま す。(「これを読んだユーザーはこれも気に入り
ました」など。) クラスタリング & 分類 類似のドキュメントをグループ化したり、テキス トを自動的に分類したりします(例:サポートチ ケットを「請求」または「技術」に分類するな ど)。 Retrieval-Augmented Generation (RAG) 検索拡張生成 LLMを事実に根付かせ、「持ち込み可の試験 (オープンブック形式の試験)」を受けさせる。 Embeddings 適用例
Source: xxxxx Embeddings Retrieval-Augmented Generation (RAG) エンベディングモデルの支援を受けて検索さ れた外部情報に基づいてLLM(大規模言語モ デル)の回答を根拠づけることで、LLMを強化 します。
Source: xxxxx システム User モデル Response 私は現時点で2025 3月までの知識しか 持っておりませんので回答できません。 Prompt
2026/3月時点誰が 首相ですか? 私は現時点で2025 3月までの知識しか 持っておりませんので回答できません。
Source: xxxxx システム User モデル Response My knowledge cutoff was
March 2024, so... I don’t know. RAG system Embedding Model Database RAG system lookup request Prompt + RAG system function declarations RAG system response 2026/3月時点誰が 首相ですか? 高市さんです
チュートリアル
Source: xxxxx 高性能なテキストエンベディングを作成するため の、強力なホスト型モデルです。MRL(Matryoshka Representation Learning)機能を備えており、柔 軟な出力次元に対応し、より小さなエンベディング (1536、768)を含む3072次元のエンベディングを生 成します。 Embeddings
Gemini Embedding 2 Mar 10, 2026・hosted model ブログ: Gemini Embedding 2: Our first natively multimodal embedding model
Source: xxxxx Embeddings | Gemini Embedding 2 Embedding チュートリアル このチュートリアルでは、Gemini
Embedding 2を使用して、画 像、動画などの一連のベクトル化、類似度計算を確認していく チュートリアルです。 https://github.com/t sho/2026-bwai-ge mini-embeddings
Source: xxxxx Embeddings まとめ • エンベディングは、テキストのセマンティックな意味を数値で表現したも のです。 • RAGは、LLMを最新にし、事実に根付かせる (groundings)
強力な技 術です。 • Googleは、エンベディングに関する幅広いソリューションを提供してお り、特に Gemini Embedding 2が現在最新のソリューションです。
Build with AI Thank you