Fondamentaux de l'IA Générative

Aperçu

Dive into generative AI with this course, which explores its fundamental principles and relationship to prior artificial intelligence innovations. We will walk through popular generative models and how they work, how deep learning models are developed using tools like PyTorch and Hugging Face, and finally, how to customize pre-trained open-source models for a specific use case.

In the project, you will apply a cutting-edge technique called parameter-efficient fine-tuning (PEFT), which allows for the adaptation of massive foundation models with minimal usage of computational resources.

Programme

• Introduction aux Fondamentaux de l'IA Générative
Cette leçon fournit les connaissances de base nécessaires sur l'IA générative : ce qu'elle est, comment elle est appliquée, et des explications sur certains algorithmes et architectures populaires pour la génération de texte et d'images.
• Fondamentaux de l'Apprentissage Profond
Cette leçon couvre les éléments essentiels de l'apprentissage profond pour le praticien de l'IA générative. Des perceptrons à l'apprentissage par transfert, y compris une introduction aux bibliothèques Python PyTorch et Hugging Face.
• Modèles Fondamentaux
Cette leçon explore les modèles fondamentaux en IA, comment ils diffèrent des modèles traditionnels, comment vous pouvez les appliquer à diverses tâches et évaluer leur performance, et les implications éthiques de leur utilisation.
• Adapter les Modèles Fondamentaux
Cette leçon couvre un éventail de techniques pour adapter les modèles fondamentaux, y compris le réglage d'invite, l'apprentissage en contexte, le réglage fin complet, et le réglage fin efficace des paramètres (PEFT).
• Appliquer un Réglage Fin Léger à un Modèle Fondamental
Charger et personnaliser un modèle fondamental Hugging Face en utilisant un réglage fin efficace des paramètres. Cette technique vous permet d'exploiter la puissance d'un modèle pré-entrainé pour votre tâche personnalisée.

---

Enseigné par

Brian Cruz

---

Matières

Computer Science