Plan du cours

Introduction à LlamaIndex

  • Comprendre LlamaIndex et son rôle dans les LLMs
  • Mise en place de LlamaIndex : environnement et prérequis
  • Les bases de l'indexation de données personnalisées

LlamaIndex en action

  • Interroger avec LlamaIndex : techniques et meilleures pratiques
  • Construire des moteurs de requête et de chat avec LlamaIndex
  • Création d'interfaces Streamlit intuitives pour les applications LLM

Fonctionnalités avancées de LlamaIndex

  • Utilisation de la génération augmentée par récupération (RAG) pour améliorer la récupération des données
  • Exploitation des entrepôts de données vectorielles pour une gestion efficace des données
  • Conception et mise en œuvre des agents LlamaIndex

Développement d'applications avec LlamaIndex

  • Ingénierie des messages-guides : chaîne de pensée, ReAct, messages-guides à court terme
  • Développement d'une aide à la documentation : une application LLM réelle
  • Débogage et test des applications LLM

Déploiement et mise à l'échelle

  • Déploiement d'applications basées sur LlamaIndex
  • Mise à l'échelle des applications LLM pour une haute performance
  • Surveillance et optimisation des applications LLM

Considérations éthiques et pratiques

  • Naviguer dans les implications éthiques des applications LLM
  • Garantir la confidentialité et la sécurité des données avec LlamaIndex
  • Se préparer aux développements futurs de la technologie LLM

Résumé et prochaines étapes

Pré requis

  • Compréhension de la programmation Python et des concepts de base de l'apprentissage automatique
  • Expérience des API et du développement d'applications
  • Une bonne connaissance du traitement du langage naturel est souhaitable mais pas obligatoire.

Audience

  • Développeurs
  • Scientifiques des données
 42 heures

Nombre de participants



Prix par participant

Cours Similaires

Catégories Similaires