Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
Apprenez de nouveaux concepts auprès d'experts du secteur
Acquérez une compréhension de base d'un sujet ou d'un outil
Développez des compétences professionnelles avec des projets pratiques
Obtenez un certificat professionnel partageable
Il y a un module dans ce cours
À l'ère de l'intelligence artificielle (IA), il est essentiel d'apprendre à appliquer la puissance des grands modèles de langage (LLM) pour construire diverses applications prêtes à la production. Dans ce cours pratique, les apprenants acquerront les compétences nécessaires pour construire et déployer de manière responsable une application d'IA conversationnelle.
En suivant la démo fournie dans ce cours, les apprenants apprendront à développer un Chatbot FAQ en utilisant HuggingFace, Python et Gradio. Les concepts de base, de l'application de l'ingénierie de requête pour extraire le plus de valeur des MFR aux considérations d'infrastructure, de surveillance et de sécurité pour un déploiement dans le monde réel, seront couverts.
Des considérations éthiques importantes telles que l'atténuation des préjugés, la garantie de la transparence et le maintien de la confiance des utilisateurs seront également abordées pour aider les apprenants à comprendre les meilleures pratiques dans le développement d'un système d'IA responsable et éthique.
À la fin du cours, les apprenants se seront familiarisés avec les aspects techniques et humains de la construction d'applications LLM percutantes. Les apprenants peuvent concevoir, développer et déployer des applications prêtes à la production alimentées par des Grands modèles de langage (LLM).
Ce cours est conçu pour les personnes ayant une compréhension de base des concepts de programmation et de développement d'applications. Il convient aux développeurs, aux scientifiques des données, aux passionnés d'IA et à toute personne intéressée par l'utilisation des LLM pour construire des applications pratiques.Vous avez besoin de concepts de base, d'outils logiciels et d'un ordinateur connecté à Internet.
Dans ce cours, les apprenants apprendront à développer un Chatbot FAQ en utilisant HuggingFace, Python et Gradio. Les concepts de base de l'application de l'ingénierie de requête pour extraire le plus de valeur des MFR, à l'infrastructure, la surveillance et les considérations de sécurité pour le déploiement dans le monde réel seront couverts.
Inclus
12 vidéos5 lectures1 devoir1 laboratoire non noté
Afficher les informations sur le contenu du module
12 vidéos•Total 57 minutes
Introduction aux LLM : Avantages et applications•4 minutes
Ingénierie rapide•7 minutes
Développement du LLM•5 minutes
Préparation de la production•3 minutes
Démarrer avec HuggingFace•5 minutes
Construire des UI avec Gradio•8 minutes
Développer le Chatbot FAQ : Partie 1 - Démarrage•7 minutes
Développer le Chatbot FAQ : Partie 2 - Finalisation et Déploiement•6 minutes
Considérations éthiques pour les Master en droit de l'environnement•3 minutes
Atténuer les risques liés à l'IA•3 minutes
Garantir la transparence•3 minutes
Maintenir la confiance des utilisateurs•3 minutes
5 lectures•Total 22 minutes
Bienvenue au cours : Aperçu du cours•5 minutes
[Optionnel] Le terrain de jeu du GPT Generative IA Lab•2 minutes
Introduction aux grands modèles linguistiques•5 minutes
Une analyse comparative complète des LLM•5 minutes
Meilleures pratiques pour le déploiement de grands modèles de langage (LLM) en production•5 minutes
1 devoir•Total 40 minutes
Évaluation finale•40 minutes
1 laboratoire non noté•Total 60 minutes
[Optionnel] Accéder à votre terrain de jeu GenAI GPT•60 minutes
Obtenez un certificat professionnel
Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.
Instructeurs
Évaluations de l’enseignant
Évaluations de l’enseignant
Nous avons demandé à tous les étudiants de fournir des commentaires sur nos enseignants au sujet de la qualité de leur pédagogie.
Coursera rassemble un réseau diversifié d'experts en la matière qui ont démontré leur expertise grâce à leur expérience professionnelle dans l'industrie ou à leur solide formation universitaire. Ces instructeurs conçoivent et enseignent des cours qui permettent aux apprenants du monde entier d'acquérir des compétences pratiques et utiles à leur carrière.
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
Avis des étudiants
4.0
29 avis
5 stars
68,96 %
4 stars
3,44 %
3 stars
3,44 %
2 stars
10,34 %
1 star
13,79 %
Affichage de 3 sur 29
X
XM
4·
Révisé le 30 avr. 2024
0 points are given for a correct answer to the 1st question.
Qu'entend-on par développement d'applications LLM prêtes à la production dans ce cours ?
Dans ce cours, il s'agit de transformer le comportement d'un grand modèle de langage en une application utilisable, fiable et déployée de manière responsable. L'accent n'est pas seulement mis sur l'obtention des résultats du modèle, mais aussi sur la construction d'une application avec des messages-guides, la conception de l'interface, la surveillance, la sécurité et les sauvegardes éthiques.
Quand utiliseriez-vous cette approche prête à la production ?
Vous l'utiliserez lorsque vous voudrez qu'un LLM soutienne une application réelle au lieu de se contenter de répondre à des invites de manière isolée. Le cours met l'accent sur les situations où un comportement cohérent, des limites claires et des pratiques opérationnelles importent autant que la réponse générée elle-même.
Comment cette approche de la production prête à l'emploi s'intègre-t-elle dans un flux de travail plus large ?
Il se situe dans la phase de construction et de test où le comportement du modèle, la logique de l'application et l'interaction de l'utilisateur sont connectés en un système reproductible. Dans ce cours, cela signifie passer d'une invite isolée à un flux de travail d'application qui peut être déployé, contrôlé et amélioré au fil du temps.
En quoi cette approche prête à la production diffère-t-elle de la construction d'une démo d'IA de base ?
Une application LLM prête à la production est conçue pour une utilisation fiable, tandis qu'une démonstration d'IA de base montre principalement que le modèle peut générer une réponse. La différence réside dans le fait que le travail de production ajoute des considérations de fiabilité, de sécurité, de contrôle et de confiance des utilisateurs au lieu de s'arrêter à un prototype fonctionnel.
Avez-vous besoin de conditions préalables avant d'apprendre ce flux de travail d'application LLM prêt à la production ?
Une compréhension de base des concepts de programmation et de développement d'applications est utile avant de commencer. Comme il s'agit d'un cours intermédiaire, il est également utile d'être à l'aise avec le code et les outils logiciels lors de la construction et de l'amélioration d'une application.
Quels sont les outils, les plateformes ou les méthodes utilisés dans ce cours ?
Le cours utilise principalement Python, HuggingFace et Gradio pour construire et présenter une application LLM. Il met également l'accent sur l'ingénierie rapide et les pratiques de production telles que la surveillance, la sécurité et la fiabilité.
Quelles sont les tâches spécifiques que vous allez pratiquer ou accomplir dans le cadre de ce cours ?
Vous vous entraînez à façonner des invites, à construire une interface conversationnelle, à organiser la logique de l'application et à préparer une application LLM pour le déploiement. Vous appliquez également des contrôles de surveillance, de sécurité et d'éthique afin que le flux de travail prenne en charge une utilisation plus fiable, transparente et digne de confiance.