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

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