Aperçu
This course features Coursera Coach! A smarter way to learn with interactive, real-time conversations that help you test your knowledge, challenge assumptions, and deepen your understanding as you progress through the course.
Delve into the world of generative AI and large language models (LLMs) with hands-on applications using Python. You'll explore the power of Variational Auto-Encoders (VAEs) and Generative Adversarial Networks (GANs) to create synthetic data, including images and music.
Alongside, you'll get to grips with Transformers and self-attention mechanisms, which are foundational to models like GPT and ChatGPT, unlocking advanced AI applications. Learn the intricacies of GPT architecture, including tokenization and fine-tuning, and apply these concepts using tools like Hugging Face and Google Colab.
The course also covers cutting-edge topics such as Retrieval Augmented Generation (RAG) and advanced LLM agents. Through interactive activities, you’ll create powerful AI applications like chatbots and personalized systems.
This course is designed for learners aiming to advance their knowledge of AI, machine learning, and Python, with a focus on generative models and LLMs. If you want to build your own AI-driven applications and deepen your understanding of state-of-the-art AI technologies, this course is for you.
Programme
- Modèles Génératifs
Dans ce module, nous explorerons le fonctionnement interne des Auto-Encodeurs Variationnels (VAEs) et des Réseaux Antagonistes Génératifs (GANs), deux modèles génératifs puissants. Vous acquerrez à la fois des connaissances théoriques et des compétences pratiques grâce à des exercices pratiques et des démonstrations, en particulier avec le dataset Fashion MNIST. À la fin, vous serez capable de comprendre et d'implémenter efficacement ces modèles pour des tâches génératives en apprentissage profond.
- IA Générative : GPT, ChatGPT, Transformers, Réseaux Neuronaux Basés sur l'Auto-Attention
Dans ce module, nous plongerons dans le fonctionnement des architectures basées sur les Transformers, en explorant des concepts essentiels comme l'auto-attention, l'attention masquée et l'attention multi-tête. Vous apprendrez comment fonctionnent les modèles comme GPT, en vous concentrant sur la tokenisation, l'encodage positionnel, et l'affinage. De plus, des activités pratiques vous guideront à travers des applications du monde réel, telles que l'affinage des modèles GPT et l'exploration de la transition de GPT à ChatGPT avec des techniques d'apprentissage par renforcement.
- L'API OpenAI (Développement avec GPT et ChatGPT)
Dans ce module, nous explorerons une gamme d'APIs d'OpenAI, vous guidant à travers le processus d’intégration et d’utilisation d’APIs comme les complétions de chat, la génération d'images, les embeddings, et le traitement audio. Vous apprendrez également à affiner les modèles GPT pour des tâches personnalisées et à utiliser des outils de modération. Des activités pratiques vous offriront une expérience concrète du développement avec les APIs d’OpenAI, vous fournissant les compétences nécessaires pour construire des applications avancées utilisant les technologies GPT et ChatGPT.
- Génération Augmentée par la Récupération (RAG), RAG Avancée, et Agents LLM
Dans ce module, nous plongerons dans la Génération Augmentée par la Récupération (RAG) et ses méthodes avancées, en mettant l'accent sur l'amélioration des sorties génératives via des techniques basées sur la récupération et des stratégies d'affinage. Vous explorerez des métriques clés comme la précision, le rappel, et la pertinence, tout en vous engageant dans des activités pratiques utilisant RAG et langchain pour simuler des données et créer des solutions pratiques. De plus, nous explorerons le concept des agents LLM, en construisant des systèmes intégrés tels que des chatbots avec recherche sur le web et outils mathématiques.
- Projet Final
Dans ce module, nous nous concentrerons sur votre projet final, où vous appliquerez vos apprentissages pour classifier des images de mammographies. L’exercice vous guidera à travers le processus, de la conception du modèle à l'évaluation des performances. Dans la révision finale, vous évaluerez votre projet et recevrez des retours pour affiner davantage vos compétences.
- Vous l'avez fait !
Dans ce module, nous examinerons les opportunités passionnantes qui s'offrent à vous. Vous recevrez des recommandations sur des ressources précieuses, y compris des livres et des sites web, pour continuer à développer vos connaissances en science des données. De plus, nous vous fournirons des conseils de carrière pour vous aider à entrer avec confiance dans le domaine de la science des données et à appliquer ce que vous avez appris à des projets et perspectives d'emploi réels.
Enseigné par
Packt - Course Instructors
Matières
Computer Science
