Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
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