N2S Academy https://validator.w3.org/feed/docs/rss2.html À propos Réparation de calculateurs automobiles ECU NEW Shortcodes 3x Columns Session 12/2024 – formation en réparation de calculateurs automobiles Profile History Events Session 02/2025 – formation en réparation de calculateurs automobiles Student notebook Wishlist Woo Shortcodes Wishlist • Quand le prompt engineering ne suffit plus • Qu’est ce que le réglage fin • Trois techniques classiques • Reinforcement learning by Human feedback (RLHF) • Détails d’un réglage fin Supervisé • Les trois options pour l’ajustement des paramètres • Les approches PEFT (Parameter Efficient Tuning) • La méthode LoRA (Low Rank Adaptation) • Une variante efficiente : QLoRA • Qu’est ce que la mise en service d’un LLM • Journaliser le modèle dans le registre des modèles • Création d’un point de terminaison vers le modèle • Interroger le point de terminaison Atelier : • Réglage fin et mise en service d’un LLM • Au delà du prompt, l’enrichissement des LLMs • Ajout de capacité mémorielle • Mémoire tampon (Buffer Memory) • Plusieurs mécanismes de mémorisation • Les mémoires de l’écosystème LangChain • Élargissement des connaissances • Retrieval Augmented Generation (RAG) • Le partitionnement des textes externes • Projection sémantique des documents (Embeddings) • Les bases de données vectorielles • Les algorithmes du search dans les bases vectorielles • Une galaxie d’outils possibles ! Atelier : • Mise en oeuvre d’un agent conversationnel • Configuration des paramètres des LLMs • Qu’est-ce qu’un token ? • Notion de distribution des probabilités des LLMs • Les échantillonnages Top-K et top-p • La température du modèle • Le réglage des paramètres en pratique • Les composantes d’un prompt • Règles générales • L’approche Few-Shot Learning • Zero, one to Few-shot learning • L’approche Chain of thoughts • L’incitation par chaînes de pensées • Des approches plus avancées • ReAct Prompting • Méthode ReAct Atelier : • Prompt Engineering sur cas concrets • Choix service / in house / hybrid • In house workflow • Service workflow • Écosystèmes d’entraînement et d’inférence • L’entraînement d’un modèle massif • L’étape d’évaluation des modèles • Le réglage des hyperparamètres • Déploiement d’un modèle • Model fine-tuning • Prompt engineering • MLOps d’un LLMs • LAB : Environnement de déploiement d’un LLM • Choisir un LLM • Critères de choix • Trois classes de modèles • Modèles à encodeur simple • Focus modèles BERTs • Modèles à décodeur simple • Focus modèles GPTs • Un foisonnement de modèles dérivés • La bataille des LLMs • La course vers des LLMs légers • L’exemple de LLaMa • Trois approches de réduction • Écosystèmes clés • APIs de modèles Fermés • HuggingFace et les modèles ouverts • Écosystèmes applicatifs type LangChain • LLMops et MLFlow Atelier : • Prise en main des écosystèmes LLMs clés Le traitement du langage naturel (TAL) • L’architecture disruptive des Transformers • La tokenisation des textes • L’encodeur d’un Transformer • La couche d’embedding • L’encodage de positionnement • Vecteur de positionnement • Le mécanisme d’attention multi-têtes • Points essentiels du mécanisme d’attention • La “spécialisation” des têtes d’attention • Calcul des scores d’attention • Addition et Normalisation des sorties • Le Décodeur d’un Transformer • L’entraînement d’un Transformer • La couche d’auto-attention masquée • La couche d’attention du décodeur • Les couches supérieures du décodeur Agents conversationnels et assistants virtuels • Génération de code et debuggage • Analyse de sentiments / opinions • Classification de texte et clusterisation • Synthèse de texte ou corpus • Traduction • Génération de contenu • Autres cas d’usages significatifs • LAB : Proof of concept sur cas concrets Un changement de paradigme • Qu’est ce qui change ? • Une publication fondatrice • Une loi d’échelle pour les modèles de langage • Évolution temporelle des LLMs • De nouveaux écosystèmes • L’ère du Post Deep Learning • Personnalisation par Prompts • Personnalisation par enrichissement • Personnalisation par réglage fin Contact 3D Box Modeling Nos formations Formation de formateurs Accueil Financer sa formation Référencement Web SEO Initiation au développement web : HTML5, CSS3, JavaScript Développement de sites avec un CMS : WordPress Développement de sites marchands : Prestashop Développement d’applications avec C#, Visual Studio Développement d’applications mobiles Android et iOS Développement d’applications avec Java et Eclipse Développement d’applications avec PHP, Symfony, Zend Développement d’applications avec Angular, React, Vue.js Travail en hauteur Maintenance informatique Réseaux informatiques Administration systèmes Sécurité informatique Déploiement des réseaux mobiles Electricité bâtiment Soudure et construction métallique Diagnostic automobile Habilitation électrique Checkout Instructors Instructor Session 11/2024 – formation en réparation de calculateurs automobiles Intelligence Artificielle Générative – LLM Profile