Commencez votre parcours avec les grands modèles de langue (LLM) en découvrant ce qu'ils sont, ce qu'ils peuvent faire, et jetez un coup d'œil sous le capot pour mieux comprendre leur fonctionnement !

Introduction aux grands modèles de langage (LLMs)

Utiliser un pipeline pour la synthèse de texte

Nettoyer les réponses

Utiliser des LLM préentraînés

Générer du texte

Traduire du texte

Comprendre le transformeur

Identifier le transformeur

Utiliser la structure de modèle appropriée

Premiers pas avec les grands modèles de langue (LLM)

Apprenez à tirer parti de LLM préentraînés et de jeux de données de Hugging Face pour effectuer un ajustement fin d'un modèle.

Préparer l'ajustement fin

Tokenisation du texte

Faire la correspondance de la tokenisation

Ajustement fin par l'entraînement

Configurer les paramètres d'entraînement

Configurer le formateur

Utiliser le modèle ajusté

Approches de fine-tuning

Apprentissage par transfert avec apprentissage à un seul exemple

Approches d'apprentissage par transfert

Ajustement fin des LLM

Explorez différentes mesures pour évaluer la performance des modèles et terminez en abordant les défis liés à l'application des LLM dans le monde réel.

La bibliothèque evaluate

Charger des mesures avec evaluate

Décrire les mesures

Utiliser les mesures d'evaluate

Mesures pour les tâches linguistiques : perplexité et BLEU

Évaluer la perplexité

Traductions BLEU

Mesures pour les tâches linguistiques : ROUGE, METEOR, EM

Évaluer avec ROUGE

Évaluer avec METEOR

Évaluer avec EM

Protéger les LLM

Vérifier la toxicité

Évaluer le « regard »

La ligne d'arrivée

Évaluer la performance des LLM

Course Glossary Introduction to LLMs in Python

Les grands modèles de langue (LLM) sont devenus des outils essentiels à l'origine de certaines des avancées et des applications les plus impressionnantes de l'IA actuelle. Ce cours pratique vous donnera les connaissances et les compétences nécessaires pour comprendre, créer et exploiter la puissance des LLM afin de résoudre des tâches linguistiques complexes comme la traduction, la génération de texte, les questions-réponses et plus encore. Au moyen d'exercices de programmation interactifs, vous apprendrez à utiliser les transformers. Vous explorerez aussi des modèles de langue préentraînés et des jeux de données offerts par Hugging Face. À la fin du cours, vous serez en mesure d'ajuster finement et d'évaluer des LLM préentraînés à l'aide de mesures spécialisées. Vous comprendrez également les principaux défis et enjeux éthiques liés au déploiement d'applications de LLM dans des contextes réels.

Les vidéos contiennent des transcriptions en direct que vous pouvez afficher en cliquant sur « Show transcript » au bas à gauche des vidéos.
Le glossaire du cours se trouve à droite, dans la section des ressources.
Pour obtenir des crédits de FPC, vous devez terminer le cours et atteindre un résultat de 70 % à l'évaluation admissible. Vous pouvez accéder à l'évaluation en cliquant sur l'encadré des crédits de FPC à droite.

<h2>Découvrez ce qui se cache derrière l’engouement pour les grands modèles de langage</h2>
<br><br>
Les grands modèles de langage (LLM) sont devenus des outils essentiels qui sont à l'origine de certaines des avancées et applications les plus remarquables dans le domaine de l'IA aujourd'hui. Ce cours pratique vous permettra d'acquérir les connaissances et les compétences nécessaires pour comprendre, développer et exploiter la puissance des grands modèles de langage (LLM) afin de résoudre des tâches linguistiques complexes telles que la traduction, la génération de langage, la réponse à des questions, et bien plus encore.
<br><br>
<h2>Découvrez l’architecture des LLM et exploitez des modèles préentraînés</h2>
<br><br>
Grâce à des exercices de codage interactifs, vous découvrirez différentes architectures de transformeurs et apprendrez à les identifier. Vous explorerez comment tirer parti de modèles de langage préentraînés et de jeux de données de Hugging Face pour affiner et évaluer votre modèle à l’aide de métriques avancées adaptées aux LLM. Enfin, vous en apprendrez davantage sur les préoccupations éthiques et les biais liés aux LLM, ainsi que sur les façons de les identifier. À la fin de ce cours, vous serez en mesure de créer des LLM, de les affiner et de les évaluer à l’aide de métriques spécialisées, tout en comprenant les principaux défis et les considérations éthiques liés à la mise en œuvre d’applications LLM dans le monde réel.

Working with Hugging Face

Découvrez les bases des LLM et l'architecture révolutionnaire des transformateurs!

Introduction aux LLM avec Python

Découvrez les bases des LLM et l’architecture révolutionnaire des transformers sur laquelle ils reposent !

Ingénieur IA associé pour scientifiques des données

Développement de grands modèles de langage

Fondamentaux de Hugging Face

Fondamentaux de l’IA Snowflake

Utiliser un pipeline pour la synthèse de texte

Introduction aux LLM avec Python

Instructions de l’exercice

Exercice interactif pratique