Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.7
423 avis
niveau Intermédiaire
Expérience recommandée
Expérience recommandée
Niveau intermédiaire
Principes fondamentaux de l'apprentissage automatique et des réseaux neurones. Connaissance pratique de Python. La connaissance de PyTorch est un atout, mais n'est pas essentielle.
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.7
423 avis
niveau Intermédiaire
Expérience recommandée
Expérience recommandée
Niveau intermédiaire
Principes fondamentaux de l'apprentissage automatique et des réseaux neurones. Connaissance pratique de Python. La connaissance de PyTorch est un atout, mais n'est pas essentielle.
Faire la différence entre les architectures et les modèles IA génératifs, tels que les RNN, les transformateurs, les VAE, les GAN et les modèles de diffusion
Décrire comment les serveurs d'authentification, tels que GPT, BERT, BART et T5, sont appliqués dans les tâches de traitement du langage naturel
Mettre en œuvre la tokenisation pour prétraiter le texte brut à l'aide de bibliothèques NLP comme NLTK, spaCy, BertTokenizer et XLNetTokenizer
Créer un chargeur de données NLP dans PyTorch qui gère la tokenisation, la numérisation et le padding pour les ensembles de données textuelles
Lorsque vous vous inscrivez à ce cours, vous devez également sélectionner un programme spécifique.
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 2 modules dans ce cours
Prêt à explorer le monde passionnant de l'IA générative et des grands modèles de langage (LLM) ? Ce cours IBM, qui fait partie du certificat professionnel Generative IA Engineering Essentials with LLMs, vous permet d'acquérir des compétences pratiques pour exploiter l'IA afin de transformer les industries.
Conçu pour les data scientists, les ingénieurs ML et les passionnés d'IA, vous apprendrez à différencier les diverses architectures et modèles d'IA générative, tels que les réseaux neurones récurrents (RNN), les transformateurs, les réseaux antagonistes génératifs (GAN), les autoencodeurs variationnels (VAE) et les modèles de diffusion. Vous découvrirez également comment les LLM, tels que les transformateurs génératifs pré-entraînés (GPT) et les représentations d'encodeurs bidirectionnels à partir de transformateurs (BERT), permettent d'effectuer des tâches linguistiques dans le monde réel.
Mettez en pratique les techniques de tokenisation en utilisant NLTK, spaCy, et Hugging Face, et construisez des pipelines de données efficaces avec les chargeurs de données PyTorch pour préparer les modèles pour l'entraînement.
Une compréhension de base de Python, PyTorch, et une familiarité avec l'apprentissage automatique et les réseaux neurones sont utiles mais pas obligatoires. Inscrivez-vous dès aujourd'hui et préparez-vous à lancer votre voyage dans l'IA générative !
Dans ce module, vous découvrirez l'importance de l'IA générative et la façon dont elle transforme divers domaines par la génération de contenu, la création de codes et la synthèse d'images. Vous explorerez les architectures clés de l'IA générative, telles que les réseaux antagonistes génératifs (GAN), les autoencodeurs variationnels (VAE), les modèles de diffusion et les transformateurs, et comprendrez les différences dans leurs approches de formation. Vous examinerez également comment les grands modèles de langage (LLM) tels que les transformateurs génératifs pré-entraînés (GPT) et les représentations d'encodeurs bidirectionnels à partir de transformateurs (BERT) sont appliqués dans la construction d'applications basées sur le NLP. Enfin, grâce à un laboratoire pratique, vous créerez un simple chatbot en utilisant la bibliothèque de transformateurs Hugging Face et vous serez initié aux outils et bibliothèques essentiels utilisés dans le développement de l'IA générative.
Afficher les informations sur le contenu du module
5 vidéos•Total 28 minutes
Vue d'ensemble de l'ingénierie de l'IA avec les LLM•6 minutes
Introduction au cours•3 minutes
Importance de l'IA générative•6 minutes
Architectures et modèles IA génératifs•6 minutes
IA générative pour le NLP•7 minutes
3 lectures•Total 15 minutes
Produit phare d'IBM : watsonx.governance•2 minutes
Aperçu du cours•10 minutes
Résumé et points forts•3 minutes
2 devoirs•Total 25 minutes
Quiz pratique : Aperçu et architecture de l'IA générative•10 minutes
Quiz noté : Architecture de l'IA générative•15 minutes
1 élément d'application•Total 60 minutes
Lab : Explorer les bibliothèques d'IA générative•60 minutes
3 plugins•Total 32 minutes
Conseils utiles pour l'achèvement des cours•2 minutes
Lecture : Les bases des hallucinations de l'IA•10 minutes
Lecture : Vue d'ensemble des bibliothèques et des outils•20 minutes
Préparation des données pour les LLM
Module 2•3 heures à terminer
Détails du module
Dans ce module, vous apprendrez à préparer les données pour l'entraînement de grands modèles de langage (LLM) en mettant en œuvre la symbolisation et en construisant des chargeurs de données. Vous explorerez différentes méthodes de tokenisation et comprendrez comment les tokenizers convertissent le texte brut en entrée prête pour le modèle. Vous mettrez en œuvre la tokenisation à l'aide de bibliothèques telles que NLTK, spaCy, BertTokenizer et XLNetTokenizer. En outre, vous apprendrez le rôle des chargeurs de données dans le pipeline d'entraînement et utiliserez la classe DataLoader dans PyTorch pour créer un chargeur de données avec une fonction collate personnalisée qui traite des lots de texte. Ces compétences pratiques sont essentielles pour construire des pipelines NLP efficaces pour la formation LLM. En outre, des documents de soutien, tels qu'une antisèche et un glossaire, renforceront votre apprentissage.
Afficher les informations sur le contenu du module
2 vidéos•Total 14 minutes
Tokenisation•7 minutes
Aperçu des chargeurs de données•7 minutes
6 lectures•Total 14 minutes
Données d'entraînement et diversité pour une formation LLM efficace•5 minutes
Résumé et points forts•2 minutes
Prochaines étapes : Explorer IBM watsonx.governance•1 minute
Conclusion du cours•3 minutes
Félicitations et prochaines étapes•2 minutes
Équipe et remerciements•1 minute
2 devoirs•Total 25 minutes
Quiz pratique : Préparation des données•10 minutes
Quiz noté : Préparation des données pour les LLM•15 minutes
2 éléments d'application•Total 120 minutes
Lab : Mise en œuvre de la tokenisation•60 minutes
Lab : Création d'un chargeur de données NLP•60 minutes
2 plugins•Total 9 minutes
Aide-mémoire : IA générative et LLMs : Architecture et préparation des données•5 minutes
Glossaire du cours : IA générative et LLMs : Architecture et préparation des données•4 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.
Chez IBM, nous savons à quel point la technologie évolue rapidement et nous reconnaissons le besoin crucial pour les entreprises et les professionnels d'acquérir rapidement des compétences pratiques prêtes à l'emploi. En tant qu'innovateur technologique leader sur le marché, nous nous engageons à vous aider à prospérer dans ce paysage dynamique. Grâce à IBM Skills Network, nos programmes de formation conçus par des experts en IA, développement de logiciels, cybersécurité, science des données, gestion d'entreprise, et plus encore, fournissent les compétences essentielles dont vous avez besoin pour décrocher votre premier emploi, faire progresser votre carrière ou favoriser la réussite de votre entreprise. Que vous vous perfectionniez ou que vous perfectionniez votre équipe, nos cours, nos spécialisations et nos certificats professionnels développent l'expertise technique qui vous assure, ainsi qu'à votre organisation, d'exceller dans un monde compétitif.
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
4.7
423 avis
5 stars
77,15 %
4 stars
15,15 %
3 stars
4,89 %
2 stars
1,63 %
1 star
1,16 %
Affichage de 3 sur 423
S
SH
4·
Révisé le 22 juil. 2025
his course is sufficient to introduce the different architectures of LLMs and enable you to prepare data for training models.
S
SK
4·
Révisé le 29 juil. 2025
I would expect more hands on and code submissions
J
JV
5·
Révisé le 28 mai 2025
The course was great. Very clear and insightful, and made with passion
Combien de temps faut-il pour terminer la Specializations ?
Il ne vous faudra que deux semaines pour terminer ce cours si vous consacrez deux heures d'étude par semaine.
Ai-je besoin de connaissances préalables pour suivre ce cours avec succès ?
Il sera bon que vous ayez une connaissance de base de Python et PyTorch et une familiarité avec l'apprentissage automatique et les concepts de réseaux neurones.
Quelles sont les fonctions que je peux exercer après avoir suivi cette formation ?
Ce cours fait partie d'une spécialisation. Lorsque vous terminerez la spécialisation, vous vous préparerez avec les compétences et la confiance nécessaires pour occuper des postes tels que ingénieur IA, ingénieur NLP, ingénieur en apprentissage automatique, ingénieur en apprentissage profond et scientifique des données.
Ai-je besoin d'un logiciel ou d'un outil spécifique pour suivre le cours avec succès ?
Seul un navigateur web moderne est nécessaire pour suivre ce cours et tous les travaux pratiques.
Vous aurez accès gratuitement à des environnements basés sur le cloud pour effectuer les travaux pratiques.
Vous vous inscrirez à des plateformes telles que Hugging Face et utiliserez des fonctionnalités qui ne sont pas facturées.
Quand aurai-je accès aux cours et aux devoirs ?
Pour accéder aux supports de cours, aux devoirs et pour obtenir un certificat, vous devez acheter l'expérience de certificat lorsque vous vous inscrivez à un cours. Vous pouvez essayer un essai gratuit ou demander une aide financière. Le cours peut proposer l'option "Cours complet, pas de certificat". Cette option vous permet de consulter tous les supports de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cela signifie également que vous ne pourrez pas acheter un certificat d'expérience.
Qu'est-ce que je recevrai si je m'abonne à ce certificat ?
Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours du certificat et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page Réalisations - à partir de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn.