Exploiter Ollama – Créez des LLM locaux avec Python

Aperçu

In this course, you will learn how to create local language models using Ollama and Python. By the end, you will be equipped with the tools to build LLM-based applications for real-world use cases.

The course introduces Ollama's powerful features, installation, and setup, followed by a hands-on guide to exploring and utilizing Ollama models through Python. You'll dive into topics such as REST APIs, the Python library for Ollama, and how to customize and interact with models effectively.

You'll begin by setting up your development environment, followed by an introduction to Ollama, its key features, and system requirements. After grasping the fundamentals, you'll start working with Ollama CLI commands and explore the REST API for interacting with models.

The course provides practical exercises such as pulling and testing models, customizing them, and using various endpoints for tasks like sentiment analysis and summarization. The journey continues as you dive into Python integration, using the Ollama Python library to build LLM-based applications.

You'll explore advanced features like working with multimodal models, creating custom models, and using the show function to stream chat interactions. Then, you'll develop full-fledged applications, such as a grocery list categorizer and a RAG system, exploring vector stores, embeddings, and more.

This course is ideal for those looking to build advanced LLM applications using Ollama and Python. If you have a background in Python programming and want to create sophisticated language-based applications, this course will help you achieve that goal.

Expect a hands-on learning experience with the opportunity to work on several projects using the Ollama framework.

Programme

• Introduction
Dans ce module, nous présenterons les objectifs du cours, résumerons les prérequis nécessaires pour réussir, et fournirons une démonstration engageante pour montrer les outils et concepts qui seront utilisés tout au long du cours.
• Exploration en profondeur d'Ollama - Introduction à Ollama et Installation
Dans ce module, nous plongerons en profondeur dans Ollama, explorerons ses fonctionnalités et avantages, et vous guiderons à travers le processus d'installation pour utiliser Ollama et le modèle Llama3.2, en vous assurant d'être prêt pour une expérimentation pratique.
• Commandes CLI d'Ollama et l'API REST - Pratique
Dans ce module, nous démontrerons comment utiliser les commandes CLI d'Ollama et l'API REST pour récupérer des modèles, générer des réponses, et les personnaliser pour différents cas d'utilisation, fournissant une expérience pratique concrète.
• Ollama - Interfaces utilisateurs pour les modèles Ollama
Dans ce module, nous vous présenterons diverses interfaces utilisateurs pour interagir avec les modèles Ollama, incluant un regard détaillé sur l'application Msty et son utilisation comme outil frontend pour les systèmes RAG.
• Bibliothèque Python Ollama - Utiliser Python pour interagir avec les modèles Ollama
Dans ce module, nous vous guiderons dans l'utilisation de la bibliothèque Python Ollama pour construire des applications LLM locales, interagir avec les modèles via Python, et explorer des techniques avancées comme la création de modèles personnalisés et le streaming.
• Construction d'applications LLM avec les modèles Ollama
Dans ce module, nous vous aiderons à construire votre première application LLM en utilisant Ollama, vous guiderons dans le processus de construction et d'amélioration des systèmes RAG, et plongerons en profondeur dans les vectorstores et embeddings pour optimiser les applications LLM.
• Appel de fonction de l'outil Ollama - Pratique
Dans ce module, nous vous apprendrons à utiliser l'appel de fonction au sein d'Ollama, configurer une application qui catégorise des éléments en utilisant des appels de fonction, et vous guiderons dans la création d'un produit final qui utilise ces fonctions.
• Système RAG final avec Ollama et réponse vocale
Dans ce module, nous vous guiderons dans la création d'un système RAG final activé par la voix, intégrant l'API ElevenLabs pour résumer des documents et fournir des interactions basées sur la voix, se terminant par une application de réponse vocale pleinement fonctionnelle.
• Conclusion
Dans ce module, nous passerons en revue les points clés du cours et offrirons des conseils sur la manière de continuer à apprendre et à appliquer les concepts que vous avez acquis tout au long du cours.

---

Enseigné par

Packt - Course Instructors

---

Matières

Computer Science