IA générative - Architecture et déploiement de modèles Mixte : présentiel / à distance

Cette formation présente une vue d'ensemble exhaustive de l'intelligence artificielle générative, en couvrant les différentes architectures de modèles, y compris les Transformers, ainsi que les techniques d'apprentissage pertinentes.

Les participants apprendront à exploiter des modèles pré-entraînés via des frameworks populaires, à personnaliser ces modèles et à concevoir des applications intégrées.

Des stratégies de déploiement et d'optimisation seront étudiées, fournissant des solutions concrètes adaptées à divers secteurs.

• Comprendre le principe d'une IA générative
• Comprendre les architectures des modèles d'IA générative
• Savoir intégrer et personnaliser des modèles pré-entraînés
• Concevoir des solutions robustes basées sur l'IA générative
• Implémenter des cas d'usage avancés avec des techniques optimisées

Connaissance du langage de programmation python.

Des connaissances de base en data science sont recommandées.

1. Architectures des modèles génératifs

Exploration des différentes architectures des modèles génératifs, notamment les Transformers avec leurs mécanismes d’attention, et les modèles de diffusion.  
Présentation des techniques d'entraînement (pré-entraînement, fine-tuning, RLHF) et évaluation des performances des modèles.

2. Exploitation de modèles pré-entraînés

Exploration des frameworks tels que Hugging Face et OpenAI.

Configuration des environnements de développement, intégration d'APIs de modèles génératifs, en abordant les stratégies d'optimisation des coûts.

Atelier pratique pour construire une application simple avec une API LLM.

3. Personnalisation des modèles

Exploration des méthodes de fine-tuning (LoRA, adapter layers…).

Préparation des données et évaluation des modèles personnalisés.

Atelier pratique sur le fine-tuning d'un petit modèle avec des données spécifiques.

4. Méthodes avancées d'intégration

Conception d'applications robustes alimentées par l'IA et exploration de la génération augmentée par récupération (RAG).

Atelier pratique sur la construction d'un système RAG

5. Déploiement et optimisation des modèles d’IA

Exploration des architectures de déploiement de modèles et optimisation des performances pour la mise à l'échelle.

Surveillance, Observabilité et sécurité des déploiements IA.

6. Cas d'usage sectoriels et implémentation

Études de cas approfondies adaptées au contexte client :

• • Automatisation du support client
  • Traitement de documents et extraction de connaissances
  • Analyse de textes spécialisés (médical, juridique, financier)

Chaque cas inclut l'architecture, les détails d'implémentation et les défis rencontrés

• Alternance d'exposés, de discussions avec le formateur et entre participants.
• Nombreux exercices et cas pratiques issus de plusieurs domaines d'application (au moins 40% du temps de formation).
• Utilisation de python
• Remise des supports pédagogiques et de fiches réflexes

• Evaluation de fin de formation sous la forme d'un QCM.
• Evaluation de la satisfaction en fin de formation.