Prenez contact avec nous

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

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires