Prenez contact avec nous
 Durée 7 heures

Plan du cours

De la génération de texte aux décisions typées

  • Ce qu'un modèle décisionnel renvoie
  • Décisions du système un versus LLM de raisonnement
  • Profil de coût et de latence des décisions bornées

Le paysage des modèles décisionnels open-weight

  • Strands Decider 2B d'AWS Labs
  • Familles open-weight JEV et GEV
  • Pplx-Decider, Liquid D1 et Clef
  • Différences de licence et de déploiement

À l'intérieur d'un modèle décisionnel

  • Tronc de LLM sans tête de modélisation du langage
  • Tête pointeur notant les options candidates
  • Origine du score de confiance

Exécuter ses premières décisions

  • Configuration locale sur CPU et GPU grand public
  • Formulation des questions et des ensembles d'options
  • Pose de plusieurs questions en un seul passage
  • Seuils et comportement de repli (fallback)

Juger la qualité des décisions

  • JevBench et benchmarks décisionnels
  • Exactitude versus calibration
  • Score de Brier et fiabilité de la confiance
  • Tâches pour lesquelles un modèle décisionnel est l'outil inadapté

Pré requis

  • Notions de base sur les grands modèles de langage et les applications basées sur le prompt.
  • À l'aise avec la ligne de commande et les scripts Python.
  • Aucune expérience en formation de machine learning requise.

Public cible

  • Ingénieurs IA évaluant les modèles décisionnels pour les flux de travail agentiques
  • Développeurs logiciels remplaçant les appels LLM par des décisions bornées
  • Architectes de solutions et de plateformes concevant des architectures agentiques
  • Chefs de produit techniques évaluant les options de modèles décisionnels

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires