Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Plan du cours
Introduction aux petits modèles linguistiques (SLM)
- Vue d'ensemble des modèles de langage
- Évolution des grands modèles de langue vers les petits modèles de langue
- Architecture et conception des SLM
- Avantages et limites des SLM
Fondements techniques
- Comprendre les réseaux neuronaux et les paramètres
- Processus de formation pour les SLM
- Exigences en matière de données et optimisation des modèles
- Mesures d'évaluation des modèles linguistiques
Les SLM dans le traitement du langage naturel
- Génération de texte avec les SLM
- Traduction et localisation des langues
- Analyse des sentiments et classification des textes
- Réponse aux questions et chatbots
Applications des SLM dans le monde réel
- Applications mobiles : Traitement linguistique sur l'appareil
- Systèmes embarqués : SLMs dans les appareils IoT
- IA préservant la vie privée : traitement local des données
- Informatique en périphérie : SLM dans les environnements à faible latence
Études de cas
- Analyse des déploiements réussis de SLM
- Applications spécifiques à l'industrie (soins de santé, Finance, etc.)
- Étude comparative : SLMs vs. grands modèles en production
Orientations futures
- Tendances de la recherche sur les SLM
- Défis liés à la mise à l'échelle et au déploiement
- Considérations éthiques et IA responsable
- La voie à suivre : Les SLM de la prochaine génération
Ateliers pratiques
- Construire un SLM simple pour la génération de texte
- Intégration des SLM dans les applications mobiles
- Affiner les SLM pour des tâches spécifiques
- Analyse des performances et interprétabilité des modèles
Projet phare
- Identification d'un espace de problème pour l'application des SLM
- Conception et mise en œuvre d'une solution SLM
- Test et itération du 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
Audience
- Scientifiques des données
- Développeurs de logiciels
- Passionnés d'IA
14 heures