Objectifs :
Dans un contexte où l'intelligence artificielle évolue de plus en plus vite, il devient essentiel de préparer votre activité aux bouleversements provoqués par les modèles type “GPT”. Ce stage vous fournira les informations théoriques et pratiques nécessaires pour comprendre les limites de ces nouvelles technologies, ainsi que les possibilités qu’elles offrent. Un stage crucial pour comprendre comment valoriser vos données d’entreprise en intégrant ces outils de traitement du langage dans vos projets internes.
Contenu du stage :
Le contexte actuel des modèles de langage à grande échelle
· Anatomie d’un modèle de génération de texte (introduction non-technique)
· Les nouvelles possibilités des technologies actuelles
· Les limitations inhérentes à ces technologies
Atelier pratique
· Résoudre des tâches complexes avec un LLM (pas de code): sentiment analysis, classification
· Manipuler le LLM: prompt engineering, prompt injection
Intégrer les données de votre entreprise avec un modèle de langage à grande échelle
· Comment rendre des données d’entreprise compréhensibles par un LLM?
· Schéma de l’architecture-type d’un projet intégrant des LLMs
· Les questions de confidentialité et de sécurité des données
Atelier pratique
· Cas pratique: un assistant conversationnel connecté à des données propriétaires
· Élaboration d’une feuille de route pour la stratégie d’intégration des LLMs en entreprise
Compétences cibles :
- Obtenir une compréhension globale du fonctionnement des grands modèles de langage, et des limites qui leur sont inhérentes
- Utiliser la “boîte à outils” du traitement du langage :
- Recherche et recommandation de documents;
- Organisation d’un corpus via clustering, classification, ou récapitulation;
- Conversion de documents audio ou vidéo en texte;
- Création d’assistants personnalisés
- Pouvoir élaborer un plan d’action managérial pour intégrer un grand modèle de langage aux données de son entreprise
MODALITÉS D'ÉVALUATION :
Auto évaluation dans le questionnaire de préparation
Retours d'expériences
Etude de cas
Evaluation à chaud
Evaluation à froid (6 mois)
Une attestation de compétences est remise en fin de formation.
Méthodes pédagogiques :
- Apports théoriques : 30%
- Démonstrations : 20%
- Exercices pratiques : 50%
S'inscrire à la formation
Les formateurs :
Amir Malha
Ancien major de promotion à l'école 42 et ingénieur en intelligence artificielle, Amir possède une expérience approfondie en machine learning et dans la mise en production de modèles de langage. Vice-président de l'association 42AI, il y apporte régulièrement sa contribution par des conférences, la création de contenu pédagogique et la conduite de cours. Actuellement en poste chez Gigax, une startup innovante basée à Station F, il se dédie au développement et à l'intégration de modèles de langage à grande échelle (LLM).
