Formation Grands Modèles de Langage (LLM) et Apprentissage par Renforcement (RL)
Les Grands Modèles de Langage (LLM) sont des types avancés de réseaux neuronaux conçus pour comprendre et générer du texte semblable à celui d'un humain en fonction des informations qu'ils reçoivent. L'Apprentissage par Renforcement (RL) est une forme d'apprentissage automatique dans laquelle un agent apprend à prendre des décisions en effectuant des actions dans un environnement afin de maximiser les récompenses cumulées.
Cette formation en direct, animée par un instructeur (en ligne ou en présentiel), s'adresse aux data scientists de niveau intermédiaire souhaitant acquérir une compréhension approfondie et des compétences pratiques tant en matière de Grands Modèles de Langage (LLM) que d'Apprentissage par Renforcement (RL).
À l'issue de cette formation, les participants seront capables de :
- Comprendre les composants et le fonctionnement des modèles de type Transformer.
- Optimiser et affiner (fine-tune) les LLM pour des tâches et des applications spécifiques.
- Maîtriser les principes fondamentaux et les méthodologies de l'apprentissage par renforcement.
- Apprendre comment les techniques d'apprentissage par renforcement peuvent améliorer les performances des LLM.
Format de la formation
- Cours interactif et débats.
- De nombreux exercices et mises en pratique.
- Mise en œuvre concrète dans un environnement de laboratoire en direct.
Options de personnalisation du cours
- Pour demander une formation personnalisée pour ce cours, veuillez nous contacter afin de convenir des détails.
Plan du cours
Introduction aux Grands Modèles de Langage (LLM)
- Vue d'ensemble des LLM
- Définition et importance
- Applications dans l'IA aujourd'hui
Architecture Transformer
- Qu'est-ce qu'un Transformer et comment fonctionne-t-il ?
- Composants principaux et caractéristiques
- Embedding et encodage positionnel
- Attention multi-têtes
- Réseau de neurones à propagation avant (feed-forward)
- Normalisation et connexions résiduelles
Modèles Transformer
- Mécanisme d'auto-attention
- Architecture encodeur-décodeur
- Embeddings positionnels
- BERT (Bidirectional Encoder Representations from Transformers)
- GPT (Generative Pretrained Transformer)
Optimisation des performances et écueils
- Longueur du contexte
- Mamba et modèles à espace d'état (state-space)
- Flash attention
- Transformers creux (sparse transformers)
- Transformers visuels (vision transformers)
- Importance de la quantification
Amélioration des Transformers
- Génération de texte augmentée par récupération (Retrieval Augmented Generation)
- Mélange de modèles (Mixture of Experts/Models)
- Arbre de pensées (Tree of Thoughts)
Ajustement fin (Fine-Tuning)
- Théorie de l'adaptation de faible rang (Low-Rank Adaptation)
- Fine-tuning avec QLoRA
Lois d'échelle et optimisation dans les LLM
- Importance des lois d'échelle pour les LLM
- Montée en échelle des données et de la taille du modèle
- Montée en échelle computationnelle
- Montée en échelle de l'efficacité des paramètres
Optimisation
- Lien entre la taille du modèle, la taille des données, le budget de calcul et les exigences d'inférence
- Optimisation des performances et de l'efficacité des LLM
- Pratiques recommandées et outils pour l'entraînement et le fine-tuning des LLM
Entraînement et ajustement fin (Fine-Tuning) des LLM
- Étapes et défis de l'entraînement des LLM à partir de zéro
- Acquisition et maintenance des données
- Données à grande échelle, exigences en matière de CPU et de mémoire
- Défis de l'optimisation
- Panorama des LLM open-source
Fondamentaux de l'Apprentissage par Renforcement (RL)
- Introduction à l'apprentissage par renforcement
- Apprentissage par renforcement positif
- Définition et concepts clés
- Processus de décision de Markov (MDP)
- Programmation dynamique
- Méthodes de Monte Carlo
- Apprentissage par différence temporelle (Temporal Difference Learning)
Apprentissage profond par renforcement (Deep Reinforcement Learning)
- Deep Q-Networks (DQN)
- Optimisation par politique proximale (Proximal Policy Optimization - PPO)
- Éléments de l'apprentissage par renforcement
Intégration des LLM et de l'Apprentissage par Renforcement
- Combinaison des LLM avec l'apprentissage par renforcement
- Utilisation du RL dans les LLM
- Rafinement par renforcement avec retour humain (RLHF - Reinforcement Learning from Human Feedback)
- Alternatives au RLHF
Études de cas et applications
- Applications réelles
- Histoires de réussite et défis relevés
Sujets avancés
- Techniques avancées
- Méthodes d'optimisation avancées
- Recherche et développements de pointe
Résumé et prochaines étapes
Pré requis
- Compréhension de base du Machine Learning
Public cible
- Data scientists
- Ingénieurs logiciels
Les formations ouvertes requièrent plus de 3 participants.
Formation Grands Modèles de Langage (LLM) et Apprentissage par Renforcement (RL) - Réservation
Formation Grands Modèles de Langage (LLM) et Apprentissage par Renforcement (RL) - Demande de renseignements
Grands Modèles de Langage (LLM) et Apprentissage par Renforcement (RL) - Demande d'informations consulting
Cours à venir
Cours Similaires
LangGraph Avancé : Optimisation, Débogage et Surveillance de Graphes Complexe
35 HeuresLangGraph est un framework permettant de construire des applications LLM multicanales et persistantes sous forme de graphes composites, dotés d'un état persistant et d'un contrôle précis de l'exécution.
Cette formation en présentiel ou à distance, animée par un instructeur, s'adresse aux ingénieurs de plateforme IA de niveau avancé, aux DevOps spécialisés en IA et aux architectes ML souhaitant optimiser, déboguer, surveiller et exploiter des systèmes LangGraph de qualité production.
À l'issue de cette formation, les participants seront capables de :
- Concevoir et optimiser des topologies LangGraph complexes pour la rapidité, les coûts et l'évolutivité.
- Garantir la fiabilité grâce aux mécanismes de nouvelle tentative (retries), aux délais d'expiration, à l'idempotence et à la reprise basée sur des points de contrôle.
- Déboguer et tracer l'exécution des graphes, inspecter l'état et reproduire systématiquement les problèmes en environnement production.
- Instrumenter les graphes avec des journaux, des métriques et des traces, déployer en production et surveiller les SLA ainsi que les coûts.
Format de la formation
- Cours interactifs et discussions.
- Nombreux exercices et pratique.
- Mise en œuvre concrète dans un environnement de laboratoire en temps réel.
Options de personnalisation de la formation
- Pour demander une formation personnalisée pour ce cours, veuillez nous contacter afin d'organiser cela.
Création d'agents de codage avec Devstral : de la conception d'agents aux outils
14 HeuresDevstral est un framework open-source conçu pour créer et exécuter des agents de codage capables d'interagir avec des bases de code, des outils de développement et des APIs afin d'améliorer la productivité des ingénieurs.
Cette formation en direct dirigée par un instructeur (en ligne ou en présentiel) s'adresse aux ingénieurs ML de niveau intermédiaire à avancé, aux équipes d'outils de développement et aux SRE qui souhaitent concevoir, implémenter et optimiser des agents de codage à l'aide de Devstral.
À l'issue de cette formation, les participants seront capables de :
- Configurer et paramétrer Devstral pour le développement d'agents de codage.
- Concevoir des workflows agents pour l'exploration et la modification des bases de code.
- Intégrer les agents de codage avec les outils de développement et les APIs.
- Appliquer les meilleures pratiques pour un déploiement sécurisé et efficace des agents.
Format de la formation
- Cours interactifs et débats.
- Nombreux exercices et mises en pratique.
- Implémentation concrète dans un environnement de laboratoire en direct.
Options de personnalisation de la formation
- Pour demander une formation personnalisée pour ce cours, veuillez nous contacter afin d'en convenir.
Open-Source Model Ops : Auto-hébergement, affinement et gouvernance avec les modèles Devstral et Mistral
14 HeuresLes modèles Devstral et Mistral sont des technologies d'IA open-source conçues pour un déploiement flexible, un affinement et une intégration évolutive.
Ce formation en présentiel (en ligne ou sur site) s'adresse aux ingénieurs ML de niveau intermédiaire à avancé, aux plateformes d'ingénierie et aux ingénieurs de recherche souhaitant auto-héberger, affiner et gouverner les modèles Mistral et Devstral dans des environnements de production.
À l'issue de cette formation, les participants seront en mesure de :
- Configurer et déployer des environnements auto-hébergés pour les modèles Mistral et Devstral.
- Appliquer des techniques d'affinement pour optimiser les performances spécifiques à un domaine.
- Mettre en œuvre la gestion de versions, le suivi et la gouvernance du cycle de vie.
- Assurer la sécurité, la conformité et l'utilisation responsable des modèles open-source.
Format de la formation
- Cours interactifs et discussions.
- Exercices pratiques sur l'auto-hébergement et l'affinement.
- Mise en œuvre en direct de pipelines de gouvernance et de surveillance.
Options de personnalisation de la formation
- Pour demander une formation personnalisée pour ce cours, veuillez nous contacter afin de coordonner.
Applications de LangGraph dans le secteur financier
35 HeuresLangGraph est un cadre de travail permettant de concevoir des applications LLM multi-acteurs avec état, sous forme de graphes composites disposant d'un état persistant et d'un contrôle sur l'exécution.
Cette formation en direct, encadrée par un formateur (en ligne ou sur site), s'adresse à des professionnels de niveau intermédiaire à avancé souhaitant concevoir, mettre en œuvre et gérer des solutions financières basées sur LangGraph, en garantissant une gouvernance, une observabilité et une conformité appropriées.
À l'issue de cette formation, les participants seront capables de :
- Concevoir des flux de travail LangGraph spécifiques au secteur financier, conformes aux exigences réglementaires et aux audits.
- Intégrer les normes et ontologies des données financières dans l'état des graphes et les outils associés.
- Mettre en œuvre des contrôles de fiabilité, de sécurité et des mécanismes d'intervention humaine pour les processus critiques.
- Déployer, surveiller et optimiser les systèmes LangGraph pour garantir des performances, un coût maîtrisé et le respect des SLA.
Format de la formation
- Cours interactif et discussions.
- Nombreux exercices et mises en pratique.
- Implémentation pratique dans un environnement de laboratoire en direct.
Options de personnalisation de la formation
- Pour demander une formation personnalisée pour ce cours, veuillez nous contacter afin d'en convenir.
Fondamentaux de LangGraph : Saisonnage d’invocations et enchaînement de LLM basés sur les graphes
14 HeuresLangGraph est un cadre de travail pour créer des applications LLM structurées sous forme de graphes, offrant la planification, la bifurcation, l’utilisation d’outils, la mémoire et un exécution contrôlable.
Ce cours en présentiel (en ligne ou sur site) est destiné aux développeurs débutants, ingénieurs en prompt et professionnels des données souhaitant concevoir et mettre en place des workflows LLM multi-étapes fiables à l’aide de LangGraph.
À l’issue de cette formation, les participants seront capables de :
- Expliquer les concepts fondamentaux de LangGraph (nœuds, arêtes, état) et leurs cas d’utilisation.
- Construire des chaînes d’invocations capables de se bifurquer, d’appeler des outils et de maintenir la mémoire.
- Intégrer le processus de retrieval et des API externes dans des workflows structurés en graphe.
- Tester, déboguer et évaluer des applications LangGraph pour garantir fiabilité et sécurité.
Format du cours
- Conférence interactive et discussions guidées.
- Labos guidés et parcours de code dans un environnement sandbox.
- Exercices basés sur des scénarios de conception, tests et évaluation.
Options de personnalisation du cours
- Pour demander une formation personnalisée, veuillez nous contacter afin d’organiser cela.
LangGraph dans la santé : orchestration de flux de travail pour les environnements réglementés
35 HeuresLangGraph permet de créer des flux de travail étatful (état conservé) multi-acteurs, alimentés par des LLM, avec un contrôle précis des chemins d’exécution et de la persistance des données. Dans le secteur de la santé, ces capacités sont essentielles pour assurer la conformité, l’interopérabilité et le développement de systèmes d’aide à la décision alignés sur les flux de travail médicaux.
Cette formation en présentiel ou à distance, animée par un formateur, s’adresse aux professionnels de niveau intermédiaire à avancé souhaitant concevoir, mettre en œuvre et gérer des solutions de santé basées sur LangGraph, tout en relevant les défis réglementaires, éthiques et opérationnels.
À l’issue de cette formation, les participants seront capables de :
- Concevoir des workflows LangGraph spécifiques au secteur de la santé en ayant à l’esprit la conformité et la traçabilité.
- Intégrer des applications LangGraph avec les ontologies et normes médicales (FHIR, SNOMED CT, ICD).
- Appliquer les bonnes pratiques de fiabilité, de traçabilité et d’explicabilité dans des environnements sensibles.
- Déployer, surveiller et valider des applications LangGraph dans des environnements de production healthcare.
Format de la formation
- Cours interactif et séances de discussion.
- Exercices pratiques avec des études de cas réels.
- Pratique de mise en œuvre dans un environnement de laboratoire en temps réel.
Options de personnalisation de la formation
- Pour demander une formation personnalisée pour ce cours, veuillez nous contacter afin d’organiser cela.
LangGraph pour les applications juridiques
35 HeuresLangGraph est un framework permettant de construire des applications LLM stateful multi-agents sous forme de graphes composables, avec un état persistant et un contrôle précis de l'exécution.
Cette formation en présentiel ou à distance, dispensée par un formateur expert, s'adresse aux professionnels de niveau intermédiaire à avancé souhaitant concevoir, implémenter et exploiter des solutions juridiques basées sur LangGraph, tout en intégrant les contrôles de conformité, de traçabilité et de gouvernance nécessaires.
À l'issue de cette formation, les participants seront capables de :
- Concevoir des workflows LangGraph spécifiques au domaine juridique, en préservant l'auditabilité et la conformité.
- Intégrer des ontologies juridiques et des normes documentaires dans l'état du graphe et le traitement des données.
- Implémenter des garde-fous, des validations humaines et des chemins de décision traçables.
- Déployer, monitorer et maintenir les services LangGraph en production, avec des capacités d'observabilité et de maîtrise des coûts.
Format de la formation
- Cours interactif et discussions.
- Nombreux exercices et mises en pratique.
- Implémentation pratique dans un environnement de laboratoire en direct.
Options de personnalisation de la formation
- Pour demander une formation personnalisée sur ce sujet, veuillez nous contacter afin d'en convenir.
Construire des flux de travail dynamiques avec LangGraph et des agents LLM
14 HeuresLangGraph est un cadre de travail pour composer des flux de travail basés sur des graphiques qui prennent en charge les branches, l'utilisation d'outils, la mémoire et l'exécution contrôlable.
Cette formation animée par un instructeur (en ligne ou en présentiel) s'adresse aux ingénieurs de niveau intermédiaire et aux équipes produit qui souhaitent combiner la logique de graphiques de LangGraph avec les boucles d'agents LLM pour construire des applications dynamiques et sensibles au contexte, telles que des agents de support client, des arbres de décision et des systèmes de récupération d'informations.
À l'issue de cette formation, les participants seront capables de :
- Concevoir des flux de travail basés sur des graphiques qui coordonnent les agents LLM, les outils et la mémoire.
- Mettre en œuvre un routage conditionnel, des tentatives de reprise et des solutions de secours pour une exécution robuste.
- Intégrer la récupération, les APIs et les sorties structurées dans les boucles d'agents.
- Évaluer, surveiller et renforcer le comportement des agents pour garantir fiabilité et sécurité.
Format du cours
- Cours interactif et discussion animée.
- Pratiques guidées et explications de code dans un environnement de type bac à sable.
- Exercices de conception basés sur des scénarios et revues par les pairs.
Options de personnalisation du cours
- Pour demander une formation personnalisée pour ce cours, veuillez nous contacter afin d'organiser cela.
LangGraph pour l'automatisation du marketing
14 HeuresLangGraph est un framework d'orchestration basé sur les graphes qui permet de concevoir des workflows conditionnels et multi-étapes impliquant des LLM et des outils, idéal pour automatiser et personnaliser les pipelines de contenu.
Cette formation en présentiel ou en ligne, animée par un instructeur, s'adresse aux marketeurs de niveau intermédiaire, stratèges en contenu et développeurs en automatisation souhaitant mettre en œuvre des campagnes d'e-mailing dynamiques avec des branchements complexes ainsi que des pipelines de génération de contenu à l'aide de LangGraph.
À l'issue de cette formation, les participants seront capables de :
- Concevoir des workflows de contenu et d'e-mailing structurés sous forme de graphe avec une logique conditionnelle.
- Intégrer des LLM, des API et des sources de données pour une personnalisation automatisée.
- Gérer l'état, la mémoire et le contexte au sein de campagnes multi-étapes.
- Évaluer, surveiller et optimiser les performances des workflows et les résultats de livraison.
Format de la formation
- Conférences interactives et discussions de groupe.
- Travaux pratiques sur la mise en œuvre de workflows d'e-mailing et de pipelines de contenu.
- Exercices basés sur des scénarios traitant de la personnalisation, du segmentation et de la logique de branchement.
Options de personnalisation de la formation
- Pour demander une formation personnalisée pour ce cours, veuillez nous contacter afin d'en convenir.
Le Chat Enterprise : ChatOps privé, intégrations et contrôles administratifs
14 HeuresLe Chat Enterprise est une solution de ChatOps privée offrant des capacités d'IA conversationnelle sécurisées, personnalisables et gouvernées pour les organisations. Elle prend en charge les contrôles d'accès basés sur les rôles (RBAC), l'authentification unique (SSO), les connecteurs ainsi que l'intégration avec des applications d'entreprise.
Cette formation pratique, animée par un instructeur (en ligne ou sur site), s'adresse aux chefs de produit de niveau intermédiaire, aux responsables informatiques, aux ingénieurs solution et aux équipes sécurité/conformité souhaitant déployer, configurer et gouverner Le Chat Enterprise dans des environnements d'entreprise.
À l'issue de cette formation, les participants seront en mesure de :
- Installer et configurer Le Chat Enterprise pour des déploiements sécurisés.
- Activer le RBAC, le SSO ainsi que les contrôles liés à la conformité.
- Intégrer Le Chat Enterprise aux applications et aux bases de données d'entreprise.
- Concevoir et mettre en œuvre des jeux de rôles administratifs et des playbook de gouvernance pour le ChatOps.
Format du cours
- Cours interactif et débats.
- De nombreux exercices et mises en pratique.
- Implémentation concrète dans un environnement de laboratoire en direct.
Options de personnalisation du cours
- Pour demander une formation personnalisée pour ce cours, veuillez nous contacter afin de l'organiser.
Architectures de LLM économiques : Mistral à grande échelle (Ingénierie des performances et des coûts)
14 HeuresMistral est une famille de grands modèles de langage haute performance, optimisée pour un déploiement en production à grande échelle de manière économique.
Cette formation en direct, animée par un formateur (en ligne ou en présentiel), s'adresse aux ingénieurs infrastructure avancés, aux architectes cloud et aux responsables MLOps qui souhaitent concevoir, déployer et optimiser des architectures basées sur Mistral pour maximiser le débit et minimiser les coûts.
À l'issue de cette formation, les participants seront capables de :
- Mettre en œuvre des modèles de déploiement évolutifs pour Mistral Medium 3.
- Appliquer le regroupement (batching), la quantification et des stratégies de service efficaces.
- Optimiser les coûts d'inférence tout en maintenant la performance.
- Concevoir des topologies de service prêtes pour la production destinées aux charges de travail d'entreprise.
Format de la formation
- Cours interactif et discussion.
- De nombreux exercices et mises en pratique.
- Implémentation pratique dans un environnement de lab interactif.
Options de personnalisation de la formation
- Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour en convenir.
Industrialisation des assistants conversationnels avec Mistral Connectors & Integrations
14 HeuresMistral AI est une plateforme IA ouverte qui permet aux équipes de créer et d’intégrer des assistants conversationnels dans des workflows professionnels et destinés à la clientèle.
Cette formation en présentiel ou à distance, encadrée par un formateur, s’adresse aux chefs de produit et aux développeurs full-stack de niveau débutant à intermédiaire, ainsi qu’aux ingénieurs d’intégration souhaitant concevoir, intégrer et industrialiser des assistants conversationnels grâce aux connecteurs et intégrations de Mistral.
À l’issue de cette formation, les participants seront capables de :
- Intégrer des modèles conversationnels Mistral avec des connecteurs d’entreprise et de logiciels SaaS.
- Mettre en œuvre la génération augmentée par récupération (RAG) pour des réponses étayées.
- Concevoir des patterns d’expérience utilisateur (UX) pour des assistants de chat internes et externes.
- Déployer des assistants dans des workflows produit pour des cas d’usage concrets.
Format de la formation
- Cours interactif et échanges.
- Exercices pratiques d’intégration.
- Développement en direct d’assistants conversationnels en atelier.
Possibilités de personnalisation de la formation
- Pour demander une formation personnalisée pour ce cours, veuillez nous contacter afin d’organiser cela.
Déploiements de niveau entreprise avec Mistral Medium 3
14 HeuresMistral Medium 3 est un modèle de langage large multimodal haute performance, conçu pour un déploiement de qualité production au sein d'environnements d'entreprise.
Cette formation en présentiel (en ligne ou sur site) s'adresse aux ingénieurs IA/ML de niveau intermédiaire à avancé, aux architectes plateformes et aux équipes MLOps qui souhaitent déployer, optimiser et sécuriser Mistral Medium 3 pour des cas d'usage en entreprise.
À l'issue de cette formation, les participants seront capables de :
- Déployer Mistral Medium 3 via des options API ou en auto-hébergement.
- Optimiser les performances et les coûts d'inférence.
- Mettre en œuvre des cas d'usage multimodaux avec Mistral Medium 3.
- Appliquer les meilleures pratiques en matière de sécurité et de conformité pour les environnements d'entreprise.
Format de la formation
- Cours interactif et débats.
- De nombreux exercices et mises en pratique.
- Mise en œuvre pratique dans un environnement de laboratoire en direct.
Options de personnalisation de la formation
- Pour demander une formation personnalisée pour ce cours, veuillez nous contacter afin d'organiser les détails.
Mistral pour une IA responsable : confidentialité, résidence des données et contrôles d’entreprise
14 HeuresMistral AI est une plateforme d’IA ouverte et prête pour l’entreprise, offrant des fonctionnalités pour un déploiement d’IA sécurisé, conforme et responsable.
Cette formation animée par un instructeur (en ligne ou sur site) s’adresse aux responsables de la conformité, aux architectes sécurité et aux parties prenantes juridiques et opérationnelles de niveau intermédiaire, souhaitant mettre en œuvre des pratiques d’IA responsable avec Mistral en exploitant les mécanismes de confidentialité, de résidence des données et de contrôle d’entreprise.
À l’issue de cette formation, les participants seront capables de :
- Mettre en œuvre des techniques préservant la vie privée dans les déploiements Mistral.
- Appliquer des stratégies de résidence des données pour se conformer aux exigences réglementaires.
- Configurer des contrôles de niveau entreprise, tels que le RBAC, le SSO et les journaux d’audit.
- Évaluer les options de fournisseurs et de déploiement pour assurer l’alignement avec la conformité.
Format du cours
- Conférence interactive et discussions.
- Études de cas et exercices axés sur la conformité.
- Mise en pratique des contrôles d’IA d’entreprise.
Options de personnalisation du cours
- Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour en convenir.
Applications multimodales avec les modèles Mistral (Vision, OCR et compréhension de documents)
14 HeuresLes modèles Mistral sont des technologies d'IA open-source qui s'étendent désormais aux workflows multimodaux, prenant en charge à la fois les tâches linguistiques et visuelles pour les applications d'entreprise et de recherche.
Cette formation animée par un instructeur (en ligne ou en présentiel) s'adresse aux chercheurs en ML de niveau intermédiaire, aux ingénieurs appliqués et aux équipes produit qui souhaitent développer des applications multimodales avec les modèles Mistral, notamment des pipelines OCR et de compréhension de documents.
À l'issue de cette formation, les participants seront capables de :
- Mettre en place et configurer les modèles Mistral pour des tâches multimodales.
- Implémenter des workflows OCR et les intégrer à des pipelines de traitement du langage naturel (NLP).
- Concevoir des applications de compréhension de documents adaptées aux cas d'usage d'entreprise.
- Développer des fonctionnalités de recherche text-image et des interfaces utilisateur d'assistance.
Format du cours
- Cours interactif et discussion.
- Exercices pratiques de codage.
- Mise en œuvre en laboratoire en direct de pipelines multimodaux.
Options de personnalisation du cours
- Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser cela.
