Les cours sur les grands modèles de langage peuvent vous aider à comprendre comment ces modèles analysent le langage, génèrent du texte et répondent à des requêtes. Vous pouvez développer des compétences en création de prompts, évaluation, utilisation d'API et bonnes pratiques pour travailler avec ces modèles.

DeepLearning.AI
Compétences que vous acquerrez: IA générative, Évaluation du modèle, IA responsable, Architectures de modèles génératifs, Apprentissage automatique, Ingénierie rapide, Apprentissage automatique appliqué, Programmation Python, Programmation en Python, Modélisation des grandes langues, L'IA responsable, Ingénierie de requête, Candidature au LLM, Traitement du langage naturel, Évolutivité, Apprentissage par renforcement, Déploiement du modèle
Intermédiaire · Cours · 1 à 4 semaines

Google Cloud
Compétences que vous acquerrez: IA générative, Ingénierie rapide, Modélisation des grandes langues, Google Gemini, Ingénierie de requête, Candidature au LLM
Débutant · Cours · 1 à 4 semaines

Compétences que vous acquerrez: Génération assistée par récupération, Réseaux adversoriels génératifs (GAN), Sécurité de l'IA, IA générative, Invitations multimodales, IA responsable, Architectures de modèles génératifs, Transformateur de vision (ViT), Autoencodeurs, Ingénierie rapide, Visage étreint, OpenAI, Modélisation des grandes langues, L'IA responsable, Candidature au LLM, Ingénierie de requête, Analyse d'images, Emboîtements, Déploiement du modèle
Intermédiaire · Cours · 1 à 3 mois

Compétences que vous acquerrez: Prompt Engineering, Large Language Modeling, Retrieval-Augmented Generation, Generative AI, Generative Model Architectures, PyTorch (Machine Learning Library), Generative AI Agents, Generative Adversarial Networks (GANs), Embeddings, Hugging Face, Transfer Learning, Data Pipelines, Recurrent Neural Networks (RNNs), Data Ethics, Data Preprocessing, Artificial Intelligence, Text Mining, Performance Tuning, Applied Machine Learning, Natural Language Processing
Intermédiaire · Spécialisation · 3 à 6 mois

Vanderbilt University
Compétences que vous acquerrez: ChatGPT, IA générative, Intelligence artificielle, Créativité, Résolution de problèmes, Ingénierie rapide, Productivité, OpenAI, Motifs de l'invitation, Modélisation des grandes langues, L'activation de l'IA, Ingénierie de requête, Candidature au LLM, Vérification et validation, Gestion du contexte
Débutant · Cours · 1 à 3 mois

Duke University
Compétences que vous acquerrez: ChatGPT, IA générative, Invitations multimodales, Gestion du flux de travail, Flux d'air Apache, Génération assistée par récupération, Architectures de modèles génératifs, Analyse des performances, Ingénierie rapide, Visage étreint, Databricks, La roche-mère de l'Amazonie, MLOps (Machine Learning Operations), Lacs de données, OpenAI, Candidature au LLM, Modélisation des grandes langues, Bases de données vectorielles, Ingénierie de requête, Déploiement du modèle, Extrait
Débutant · Spécialisation · 3 à 6 mois

DeepLearning.AI
Compétences que vous acquerrez: Génération assistée par récupération, Apprentissage par transfert, Prétraitement de données, Ingénierie rapide, Modélisation des grandes langues, Ingénierie de requête, Prétraitement des données
Intermédiaire · Projet · Moins de 2 heures

Compétences que vous acquerrez: Prompt Engineering, Prompt Patterns, Large Language Modeling, LangChain, Retrieval-Augmented Generation, Exploratory Data Analysis, Unsupervised Learning, Generative Model Architectures, PyTorch (Machine Learning Library), ChatGPT, Generative AI, Restful API, LLM Application, Keras (Neural Network Library), Supervised Learning, Generative AI Agents, Model Evaluation, Data Analysis, Flask (Web Framework), Data Import/Export
Débutant · Certificat Professionnel · 3 à 6 mois

H2O.ai
Compétences que vous acquerrez: Large Language Modeling, Model Evaluation, Collaborative Software, Artificial Neural Networks, Deep Learning, Artificial Intelligence and Machine Learning (AI/ML), Generative AI, LLM Application, Data Preprocessing, Prompt Engineering, Generative Model Architectures, Training Programs, Data Validation, Data Cleansing, Natural Language Processing, Applied Machine Learning, Transfer Learning, Verification And Validation, Data Quality, AI Workflows
Intermédiaire · Spécialisation · 3 à 6 mois

Compétences que vous acquerrez: Science des données, Apprentissage supervisé, Évaluation du modèle, IA générative, Vision par ordinateur, Apprentissage profond, Génération assistée par récupération, Architectures de modèles génératifs, Apprentissage par transfert, Transformateur de vision (ViT), Apprentissage automatique, Ingénierie rapide, Programmation Python, Programmation en Python, PySpark, Modélisation des grandes langues, Keras (bibliothèque de réseaux neuronaux), Ingénierie de requête, PyTorch (Bibliothèque d'apprentissage automatique), Apprentissage non supervisé, Apache Spark, Agents génératifs d'IA
Préparer un diplôme
Intermédiaire · Certificat Professionnel · 3 à 6 mois

Compétences que vous acquerrez: Prompt Engineering, Large Language Modeling, LLM Application, Retrieval-Augmented Generation, ChatGPT, Natural Language Processing, Generative AI Agents, OpenAI API, Model Deployment, Embeddings, Transfer Learning, Generative Model Architectures, Multimodal Prompts, Generative AI, Cloud Deployment, Responsible AI, Artificial Intelligence and Machine Learning (AI/ML), AI Personalization, Cost Management, Machine Learning
Intermédiaire · Spécialisation · 1 à 4 semaines

DeepLearning.AI
Compétences que vous acquerrez: Apprentissage supervisé, Modèle de Markov, Réduction de dimensionnalité, Apprentissage profond, Ingénierie des fonctionnalités, Prétraitement de données, Apprentissage par transfert, Réduction de la dimensionnalité, Réseaux neuronaux récurrents (RNN), Méthodes d'apprentissage automatique, Apprentissage statistique des machines, Apprentissage automatique appliqué, Exploration de texte, Keras (bibliothèque de réseaux neuronaux), Algorithmes, Traitement du langage naturel, Tensorflow, Algorithmes de classification, Réseaux neuronaux artificiels, PyTorch (Bibliothèque d'apprentissage automatique), Emboîtements, Prétraitement des données
Intermédiaire · Spécialisation · 3 à 6 mois
Les grands modèles de langage (LLM) sont des systèmes d'intelligence artificielle (IA) avancés conçus pour comprendre et générer des textes semblables à ceux des humains. Ils utilisent de grandes quantités de données et des algorithmes sophistiqués pour apprendre des modèles dans le langage, ce qui leur permet d'effectuer une variété de tâches, telles que la traduction, le résumé et la création de contenu. L'importance des LLM réside dans leur capacité à améliorer la communication, à automatiser les processus et à fournir des informations dans de nombreux domaines, notamment l'éducation, les soins de santé et les affaires. Alors que les organisations s'appuient de plus en plus sur des décisions fondées sur les données, il devient essentiel de comprendre les LLM pour tirer parti de leurs capacités de manière efficace.
Les carrières dans le domaine des grands modèles de langage sont diverses et se développent rapidement. Vous pourriez envisager des rôles tels que chercheur en IA, ingénieur en apprentissage automatique, scientifique des données ou spécialiste du traitement du langage naturel (NLP). Ces postes impliquent souvent le développement et la mise en œuvre de LLM pour diverses applications, notamment les chatbots, les systèmes de recommandation et les outils de génération de contenu. En outre, des rôles dans la gestion des produits et l'éthique de l'IA émergent à mesure que les organisations cherchent à intégrer de manière responsable les LLM dans leurs opérations. Avec les bonnes compétences et connaissances, vous pouvez vous positionner pour une carrière enrichissante dans ce domaine dynamique.
Pour travailler efficacement avec de grands modèles de langage, vous devez vous concentrer sur l'acquisition d'un mélange de compétences techniques et analytiques. Les domaines clés comprennent les langages de programmation tels que Python, la familiarité avec les cadres d'apprentissage automatique tels que TensorFlow ou PyTorch, et une solide compréhension des concepts de traitement du langage naturel. En outre, la connaissance du traitement des données, de l'évaluation des modèles et des considérations éthiques dans l'IA est cruciale. Les cours qui couvrent ces sujets peuvent vous aider à construire une base solide et vous préparer à des applications pratiques dans le domaine.
Il existe plusieurs excellents cours en ligne pour se familiariser avec les grands modèles de langage (LLM). Parmi les options notables, citons la spécialisation Grands modèles de langage, qui offre une vue d'ensemble des LLM, et le cours IA générative et grands modèles de langage, qui se concentre sur les applications pratiques. Pour ceux qui sont intéressés par un parcours d'apprentissage structuré, la spécialisation Quick Start Guide to Large Language Models (LLMs) est également un excellent choix.
Oui. Vous pouvez commencer à apprendre les grands modèles de langage sur Coursera gratuitement de deux façons :
Si vous souhaitez continuer à apprendre, obtenir un certificat dans les grands modèles de langage, ou débloquer l'accès complet aux cours après l'aperçu ou l'essai, vous pouvez effectuer une mise à niveau ou demander une aide financière.
Pour vous familiariser avec les grands modèles de langage, commencez par identifier votre niveau de compétence actuel et vos centres d'intérêt. Vous pouvez commencer par des cours d'introduction, tels que l'introduction aux Grands modèles de langage(LLM), qui fournissent une base solide. Au fur et à mesure de votre progression, envisagez des cours plus spécialisés qui se concentrent sur des applications ou des technologies spécifiques. Participez à des projets pratiques pour appliquer ce que vous apprenez et participez à des communautés en ligne pour entrer en contact avec d'autres personnes dans le domaine. Cette approche vous aidera à renforcer votre compréhension et votre confiance en vous.
Les cours sur les grands modèles de langage couvrent généralement un éventail de sujets, notamment les principes fondamentaux du traitement du langage naturel, l'architecture des LLM, les techniques de formation et les méthodes d'évaluation. Vous pouvez également explorer des applications pratiques, telles que la construction de chatbots, la génération de contenu et les considérations éthiques dans l'IA. Les cours avancés peuvent explorer des cadres et des outils spécifiques utilisés dans l'industrie, ce qui vous permettra d'acquérir les compétences nécessaires pour mettre en œuvre les LLM de manière efficace.
Pour la formation et le perfectionnement des employés ou de la main-d'œuvre en matière de grands modèles de langage, envisagez des cours comme le cours Building Production-Ready Apps with Large Language Models, qui met l'accent sur la mise en œuvre pratique. En outre, le cours H2O IA Large Language Models (LLM) - Level 1 (Grands modèles de langage (LLM) - Niveau 1) fournit des connaissances de base qui peuvent être bénéfiques pour les équipes qui cherchent à intégrer les LLM dans leurs projets. Ces cours peuvent aider les organisations à améliorer leurs capacités et à rester compétitives dans le paysage évolutif de l'IA.