Développement d'IA avec Qwen 2.5 et Ollama : Construisez des applications IA localement

Aperçu

Build AI-powered applications locally using Qwen 2.5 & Ollama. Learn Python, FastAPI, and real-world AI development (AI) What you'll learn:

Set up and run Qwen 2.5 on a local machine using OllamaUnderstand how large language models (LLMs) workBuild AI-powered applications using Python and FastAPICreate REST APIs to interact with AI models locallyIntegrate AI models into web apps using React.jsOptimize and fine-tune AI models for better performanceImplement local AI solutions without cloud dependenciesUse Ollama CLI and Python SDK to manage AI modelsDeploy AI applications locally and on cloud platformsExplore real-world AI use cases beyond chatbots Are you ready to build AI-powered applications locally without relying on cloud-based APIs?

This hands-on course will teach you how to develop, optimize, and deploy AI applications using Qwen 2.5 and Ollama, two powerful tools for running large language models (LLMs) on your local machine.With the rise of open-source AI models, developers now have the opportunity to create intelligent applications that process text, generate content, and automate tasks—all while keeping data private and secure. In this course, you’ll learn how to install, configure, and integrate Qwen 2.5 with Ollama, build FastAPI-based AI backends, and develop real-world AI solutions.Why Learn Qwen 2.5 and Ollama?Qwen 2.5 is a powerful large language model (LLM) developed by Alibaba Cloud, optimized for natural language processing (NLP), text generation, reasoning, and code assistance.

Unlike traditional cloud-based models like GPT-4, Qwen 2.5 can run locally, making it ideal for privacy-sensitive AI applications.Ollama is an AI model management tool that allows developers to run and deploy LLMs locally with high efficiency and low latency. With Ollama, you can pull models, run them in your applications, and fine-tune them for specific tasks—all without the need for expensive cloud resources.This course is practical and hands-on, designed to help you apply AI in real-world projects.

Whether you want to build AI-powered chat interfaces, document summarizers, code assistants, or intelligent automation tools, this course will equip you with the necessary skills.Why Take This Course?- Hands-on AI development with real-world projects- No reliance on cloud APIs—keep your AI applications private & secure- Future-proof skills for working with open-source LLMs- Fast, efficient AI deployment with Ollama’s local executionBy the end of this course, you'll have AI-powered applications running on your machine, a deep understanding of LLMs, and the skills to develop future AI solutions. Are you ready to start building?

Programme

• Introduction au développement de l'IA avec Qwen 2.5 et Ollama
Aperçu de Qwen 2.5 et d'Ollama
Objectifs du cours et résultats d'apprentissage
• Configuration de votre environnement local
Installation locale de Qwen 2.5
Configuration d'Ollama pour la gestion des modèles
Introduction à Python et aux bibliothèques nécessaires
• Comprendre les grands modèles de langage (LLM)
Fondamentaux des LLM
Capacités et architecture de Qwen 2.5
Comparaison des LLM locaux et basés sur le cloud
• Créer des applications alimentées par l'IA avec Python
Programmation Python de base pour l'IA
Introduction à FastAPI pour construire des backends
Création d'API REST pour interagir avec les modèles d'IA
• Développer des backends IA avec FastAPI
Mise en place de FastAPI
Intégration de Qwen 2.5 avec FastAPI
Développement et déploiement d'API alimentées par l'IA
• Intégration du frontend avec React.js
Introduction à React.js
Combinaison de React.js avec FastAPI pour des applications IA full-stack
Construction d'interfaces web pour interagir avec les modèles d'IA
• Optimisation et ajustement des modèles d'IA
Techniques d'optimisation des modèles
Méthodes d'ajustement pour des tâches spécifiques
Évaluation des performances des modèles et améliorations
• Gestion des modèles d'IA localement avec Ollama
Utilisation du CLI d'Ollama
Exploration du SDK Ollama pour Python
Gestion du cycle de vie des modèles et contrôle de version
• Déploiement des applications IA localement et sur le cloud
Stratégies de déploiement pour l'exécution locale
Transition des plateformes locales au cloud
Meilleures pratiques pour déployer des applications IA
• Cas d'utilisation de l'IA dans le monde réel au-delà des chatbots
Exploration d'applications en PNL, génération de texte et automatisation
Études de cas : Résumeurs de documents, assistants de code
Considérations éthiques et confidentialité dans les applications IA
• Conclusion du cours et orientations futures
Récapitulatif des concepts clés et des compétences
Exploration des tendances futures dans l'IA et les LLM
Prochaines étapes pour l'apprentissage et le développement continus

---

Enseigné par

Dr. Vivian Aranha

---

Matières

Computer Science