Aperçu
Le marché de l'IA générative (Gen AI) devrait croître de 46 % par an jusqu'en 2030 (Source : Statista). En conséquence, les ingénieurs Gen AI sont très demandés. Ce programme équipe les aspirants data scientists, ingénieurs en apprentissage automatique et développeurs en IA avec des compétences vitales en Gen AI, modèles de langage de grande taille (LLMs) et traitement du langage naturel (NLP) que les employeurs recherchent.
Les ingénieurs Gen AI se spécialisent dans la conception de systèmes qui comprennent le langage humain. Ils utilisent les LLMs et l'apprentissage automatique pour construire ces systèmes sophistiqués. Tout au long de ce programme, les participants développeront des compétences pour construire des applications en utilisant des frameworks et des modèles de base pré-entraînés tels que BERT, GPT et LLaMA.
Vous utiliserez la bibliothèque de transformers Hugging Face, la bibliothèque de deep learning PyTorch, RAG et le framework LangChain pour créer et déployer des applications basées sur les LLM et le NLP. Le programme couvre des sujets clés tels que la tokenisation, les data loaders, les modèles de langage et d'intégration, les techniques de transformer, les mécanismes d'attention et l'ingénierie de prompt.
En plus des connaissances théoriques, le programme inclut une expérience pratique avec des laboratoires pratiques et un projet de fin d'études, ce qui est bénéfique pour les entretiens. Cette spécialisation est idéale pour acquérir des compétences prêtes pour l'emploi dont les ingénieurs en Gen AI, les ingénieurs en apprentissage automatique, les data scientists et les développeurs en IA ont besoin.
Les prérequis pour ce programme incluent une connaissance pratique de Python, de l'apprentissage automatique et des réseaux neuronaux ; une familiarité avec PyTorch est également utile.
Université: Fournisseur : Coursera
Catégories : Cours d'apprentissage automatique, Cours d'IA générative, Cours PyTorch, Cours BERT, Cours LangChain, Cours Hugging Face, Cours sur la génération augmentée par la récupération (RAG)
