Me cultiver

Faîtes le plein d'inspiration sur les domaines de la Data et de l'IA

Je m'abonne

Ref: MOD_2024531

Intelligence Artificielle Générative et LLM (Modèles de Langage de Grande Taille)

E-learning - Synchrone - 14h

Objectifs


  • Identifier les concepts clés de l'IA générative et des modèles de langage avancés (LLM).

  • Concevoir et développer des modèles de Langage de Grande Taille (LLM) adaptés à des cas d'utilisation spécifiques.

  • Appliquer les techniques d'IA générative pour la création de textes, de dialogues et d'autres contenus basés sur le langage naturel.

  • Évaluer l'efficacité des modèles génératifs et apporter des améliorations basées sur des métriques de performance.

Syllabus

Jour 1: Introduction à l'IA Générative et exploration des Modèles de Langage


Session 1: Introduction à l'IA Générative



  • Vue d'ensemble des concepts de l'IA générative.

  • Différents types de modèles génératifs (GANs, VAE, Transformers).

  • Applications de l'IA générative dans le traitement du langage naturel.


Session 2: Les modèles de Langage Avancés



  • Introduction aux modèles de langage pré-entraînés (BERT, GPT, etc.).

  • Concepts de fine-tuning et d'adaptation des modèles à des tâches spécifiques.

  • Exploration des APIs pour l'utilisation des modèles de langage.


Atelier Pratique: Préparation des données pour les modèles LLM



  • Nettoyage et prétraitement des données textuelles.

  • Introduction aux techniques d'augmentation de données pour le NLP.


Jour 2: Développement et Optimisation de LLM


Session 3: Création de modèles de langage de Grande Taille



  • Choix des architectures et modèles pour LLM.

  • Implémentation pratique d'un modèle de LLM avec Python.

  • Fine-tuning du modèle sur un dataset personnalisé.

  • Déploiement d'un modèle de LLM via une API.


Session 4: Évaluation et amélioration des modèles LLM



  • Techniques d'évaluation des modèles de NLP (BLEU, ROUGE, perplexité).

  • Amélioration continue des modèles basés sur des feedbacks et des métriques.

  • Étude de cas : Analyse critique d'un projet de LLM.


Atelier Pratique: Développement et mise en production d'un projet LLM



  • Création et déploiement d'une application simple utilisant un LLM.

  • Mise en place de tests et suivi des performances en production.

Comment ?

Méthodes pédagogiques

Formation distancielle, synchrone, avec le formateur en visioconférence


Partage d'écran formateur et stagiaire pour les présentations, démonstrations et vérification des mises en application


Un support technique accompagne la préparation et le suivi du parcours d'apprentissage


Séquençage pédagogique construit et adapté au mode d'organisation distanciel


Remise d'une documentation pédagogique numérique pendant le stage


La formation est constituée d'apports théoriques, d'exercices pratiques, de réflexions et de retours d'expérience

Moyens pédagogiques


  • Cours magistraux pour les concepts théoriques.

  • Démonstrations en direct d'outils et de techniques.

  • Ateliers pratiques pour l'application des connaissances.

  • Études de cas pour comprendre les applications concrètes.

  • Discussions de groupe et feedback pour favoriser l'interaction et l'amélioration continue.

Évaluation

Auto-évaluation des acquis par le stagiaire via un questionnaire en ligne


Attestation de fin de stage remise au stagiaire



***************


Évaluation du formateur au fil des séquences pédagogiques.


Auto-évaluation des acquis par le stagiaire via un questionnaire en ligne


Attestation de fin de stage remise au stagiaire

Participez à la prochaine session !

S'inscrire

Admission

A qui s’adresse cette formation

Cette formation est particulièrement adaptée aux analystes de données, data scientists débutants, ou tout professionnel souhaitant acquérir des compétences en intelligence artificielle générative et en création de modèles de langage de grande taille (LLM).

Prérequis

Pour suivre cette formation il est nécessaire de



  • Connaissances fondamentales en programmation Python.

  • Expérience pratique avec des outils d'analyse de données (pandas, numpy, etc.).

  • Compréhension basique des modèles de machine learning et de leurs applications.

Coût de la formation

Frais pédagogiques

1200€ HT

Tarif Inter-entreprise par personne

Aides au financement

Des dispositifs variés et aides au fnancement existent. N’hésitez pas à nous constulter pour en savoir plus.

En savoir plus sur les dispositifs de financement.

Le Pont Learning