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 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