Understand

Intermédiaire · après le Python professionnel

IA générative et grands modèles de langage

Bêta Ce cours est en version bêta. Les leçons, les exercices et les traductions sont encore en cours de relecture et peuvent changer. Signalez tout ce qui vous semble faux avec le bouton de retour.

Appeler un modèle tient en trois lignes. Le rendre fiable relève de l'ingénierie. Vous construisez vous-même des tokeniseurs, des échantillonneurs, de la recherche documentaire, des boucles d'outils, des bancs d'évaluation et des défenses contre l'injection. Dans le bac à sable de ce site, les exercices utilisent un petit modèle simulé, déterministe et clairement signalé, afin que la logique de votre code puisse être vérifiée exactement. Il ne dit rien de la qualité d'un vrai modèle. Les vrais modèles arrivent avec le projet final, chez le fournisseur ou en local selon votre choix, à vos frais.

Modules
9
Leçons
21
Durée
~36 heures
Projets
2
Commencer

Ce que tu sauras faire

  • Expliquer les jetons, les plongements (embeddings), l'attention, l'échantillonnage et les limites de contexte, ainsi que leurs conséquences
  • Valider des sorties structurées et concevoir les prompts comme des logiciels testés
  • Construire et évaluer une recherche documentaire avec un rappel mesuré, et vérifier les citations
  • Mettre en œuvre des boucles d'outils avec listes d'autorisation, nouvelles tentatives, budgets et journalisation
  • Évaluer avec des jeux de référence (golden datasets) et des barrières de non-régression
  • Se défendre contre l'injection de prompt et les fuites de données, et énoncer le risque restant

Pour qui

Les développeurs qui veulent construire avec des modèles de langage sans dépendre d'exemples d'API recopiés.

Ce qu'il te faut

Un Python solide : fonctions, classes, erreurs, JSON, tests. NumPy aide. La leçon sur l'attention du cours Deep Learning est utile pour approfondir. Aucune clé d'API n'est nécessaire avant le projet final.

Ce que tu vas construire

  • Assistant de notes avec évaluation
  • Projet final d'IA générative

Programme

Les fondationsCe que fait réellement un modèle de langage. 1 module · 4 leçons
  1. 1 Les modèles de langage vus de l'intérieurJetons, plongements, probabilités et limites.
ConstruireSorties structurées, prompts, recherche documentaire et outils. 4 modules · 9 leçons
  1. 2 Travailler avec les modèlesChoix, licences, coût et sorties exploitables par un programme.
  2. 3 Les prompts sont des logicielsSpécifiés, versionnés et testés.
  3. 4 La génération augmentée par la recherche (RAG)Découper, indexer, rechercher, reclasser, ancrer, et mesurer chaque étape.
  4. 5 L'architecture des applications de LLMBoucles d'outils, nouvelles tentatives, budgets, état et journaux.
GarantirÉvaluation, sécurité et limites. 2 modules · 4 leçons
  1. 6 Évaluer les systèmes de LLMJeux de référence, barrières de non-régression et analyse des hallucinations.
  2. 7 Sécurité et usage responsableInjection de prompt, fuites et outils capables de faire des dégâts.
LivrerAdaptation, mise en service et votre projet final. 2 modules · 4 leçons
  1. 8 Sujets avancésAjustement fin, adaptateurs, mise en service, multimodal, agents.
  2. 9 Projet finalQuelque chose de réel, pas une simple surcouche de chatbot.