Commencer avec l'IA générative

Aperçu

This course introduces the foundational concepts and advanced techniques in Generative AI, covering key topics such as model architectures, data preparation, prompt engineering, and deployment strategies. Learners will gain practical experience with cutting-edge tools and methodologies to effectively design, fine-tune, and deploy generative AI solutions.

By the end of this course, you will be able to:

- Define the core principles of generative AI, including models, algorithms, and applications. - Apply data pre-processing and vectorization techniques to enhance generative AI models. - Evaluate the strengths and weaknesses of GANs, autoencoders, transformers, and LLMs. - Analyze and optimize prompting techniques for improved model performance. - Design evaluation methods using metrics like BLEU and ROUGE to assess model outputs. This course is suitable for the aspiring AI practitioners, software developers, data scientists, and ML engineers who want to enhance their skills in building, deploying, and optimizing generative AI solutions.

Join us to establish a solid foundation in generative AI and take your career to the next level with hands-on expertise in this transformative technology!

Programme

• Fondations de l'IA Générative
Ce module introduit les concepts fondamentaux et avancés de l'IA générative, y compris son évolution, ses applications réelles, et les principales différences par rapport aux modèles discriminatifs. Les apprenants exploreront le prétraitement des données, les techniques de vectorisation comme TF-IDF et Word2Vec, et acquerront une expérience pratique avec des autoencodeurs et des GAN, leur permettant de construire et entraîner des modèles génératifs pour des solutions IA.
• Modèles Transformer et Grands Modèles de Langage (LLMs)
Ce module couvre les notions fondamentales des mécanismes d'attention, l'évolution des transformeurs, et les grands LLMs comme GPT, PaLM, et LLaMA. Il inclut des modèles ajustés par instruction, l'intégration d'API, et des applications réelles. Vous explorerez également l'écosystème open-source des LLMs, les comparaisons de modèles, Hugging Face, et les considérations éthiques clés.
• Techniques et Outils d'IA Générative
Ce module couvre les bases de l'ingénierie des invites, les techniques avancées telles que l'invite à quelques coups, zéro coup, et enchaînement de pensées, ainsi que des stratégies pour optimiser les sorties de l'IA générative. Vous apprendrez comment les bases de données vectorielles (ChromaDB, Pinecone, et Weaviate) permettent la recherche sémantique et la génération augmentée par récupération (RAG). Un travail pratique avec LangChain montre comment construire des applications IA modulaires en utilisant des modèles d'invite, des outils, et des agents pour des solutions avancées et pratiques.
• Affinement et Optimisation des Modèles Génératifs
Ce module couvre l'affinement et l'optimisation des modèles génératifs, y compris les bases comme l'augmentation des données et l'ajustement des hyperparamètres, ainsi que des méthodes avancées telles que PEFT, LoRA, et QLoRA pour une adaptation efficace. Vous apprendrez comment évaluer les modèles en utilisant des métriques comme BLEU et ROUGE, équilibrant les évaluations quantitatives et qualitatives. Le cours introduit également la construction et le déploiement de solutions IA avec LLMOps et les meilleures pratiques de l'industrie pour une utilisation réelle.
• Récapitulation et Évaluation du Cours
Ce module est conçu pour évaluer un individu sur les différents concepts et enseignements couverts dans ce cours. Évaluez vos connaissances avec un quiz noté complet, un projet, et des laboratoires.

---

Enseigné par

Edureka

---

Matières

Computer Science