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.
Plan du cours
Introduction aux Petits Modèles de Langage (SLM)
- Vue d'ensemble des modèles linguistiques
- Évolution des grands modèles vers les Petits Modèles de Langage
- Architecture et conception des SLM
- Avantages et limites des SLM
Fondamentaux techniques
- Compréhension des réseaux neuronaux et des paramètres
- Processus de formation des SLM
- Exigences en données et optimisation des modèles
- Métriques d'évaluation des modèles linguistiques
SLM dans le traitement du langage naturel (PTN)
- Génération de texte avec les SLM
- Traduction linguistique et localisation
- Analyse des sentiments et classification de texte
- Réponses aux questions et chatbots
Applications réelles des SLM
- Applications mobiles : traitement linguistique sur l'appareil
- Systèmes embarqués : SLM dans les objets connectés (IoT)
- IA respectueuse de la vie privée : traitement des données locales
- Edge computing : SLM dans des environnements à faible latence
Études de cas
- Analyse des déploiements réussis de SLM
- Applications sectorielles spécifiques (Santé, Finance, etc.)
- Étude comparative : SLM vs grands modèles en production
Perspectives futures
- Tendances de recherche en SLM
- Défis du passage à l'échelle et du déploiement
- Considérations éthiques et IA responsable
- Les étapes suivantes : les SLM de nouvelle génération
Ateliers pratiques
- Construction d'un SLM simple pour la génération de texte
- Intégration des SLM dans des applications mobiles
- Affinage des SLM pour des tâches spécifiques
- Analyse des performances et interprétabilité des modèles
Projet final
- Identification d'un espace de problèmes pour l'application des SLM
- Conception et implémentation d'une solution SLM
- Tests et itérations sur le modèle
- Présentation du projet et des résultats
Résumé et prochaines étapes
Pré requis
- Compréhension de base des concepts d'apprentissage automatique
- Familiarité avec la programmation Python
- Connaissance des réseaux neuronaux et de l'apprentissage profond
Public cible
- Data scientists
- Développeurs logiciels
- Passionnés d'IA
14 Heures