Cours
29 cours, de vos premiers pas en Python jusqu'aux systèmes d'IA en production. Chaque cours indique ce qu'il faut savoir avant de commencer, pour que vous commenciez au bon endroit.
Affichage des 29 cours.
Aucun cours ne correspond à ces filtres. Changez un filtre, ou .
Disponibles maintenant
Carrière
Bases d'une carrière en IA : rôles, compétences et feuilles de route
Découvrez ce que font vraiment les personnes qui travaillent en IA, trouvez votre point de départ, y compris l'expérience que vous avez déjà, et faites un plan réaliste pour y arriver.
Bases
Python pour l'ingénierie de l'IA en pratique
Écrivez, exécutez et déboguez de petits programmes Python, et organisez-les en un projet qu'une autre personne peut installer et utiliser.
Bases
Mathématiques et statistiques essentielles pour l'IA
Les mathématiques et les statistiques derrière l'IA, avec de vrais exemples et des graphiques que vous pouvez modifier. Vous apprenez ce que veulent dire les nombres et comment les utiliser pour décider, pas comment calculer à la main.
Données et apprentissage automatique
SQL et préparation des données pour l'IA
Sortez d'une base de données les données d'un projet d'IA, nettoyez-les et préparez-les pour un modèle sans laisser fuir la réponse. Vous écrivez du vrai SQL dans le navigateur dès la première leçon.
Données et apprentissage automatique
Apprentissage automatique : du problème à un modèle fiable
Entraînez un modèle auquel vous pouvez vous fier, de la question d'affaires jusqu'à une remise qu'une autre personne peut exécuter. Vous créez, étape par étape, un classificateur qui repère les billets à transmettre à un niveau supérieur, et vous le testez honnêtement à chaque étape.
Données et apprentissage automatique
L'apprentissage profond et les transformeurs expliqués
Voyez comment un réseau de neurones apprend, d'un seul neurone jusqu'à un petit transformeur. Vous entraînez un réseau qui oriente les billets de soutien de Larkfield, vous découvrez pourquoi son entraînement tourne mal et vous le corrigez. Puis vous ouvrez un vrai modèle de langage préentraîné pour voir ce qu'il contient.
Applications de LLM
Les LLM : comment ils fonctionnent et comment en choisir un
Découvrez ce que fait vraiment un grand modèle de langage, des jetons au post-entraînement, ce qu'il peut faire et ne peut pas faire, et comment en choisir un pour votre propre tâche à partir de preuves plutôt que d'un palmarès.
Applications de LLM
Créer des applications fiables avec les API de LLM
Créez une application qui utilise un modèle de langage et qui reste fiable quand le modèle se trompe, est lent ou n'est pas disponible. Vous créez pas à pas l'assistant de billets de Larkfield, d'une seule requête jusqu'à des réponses validées, des outils sûrs et des cas d'échec testés.
Applications de LLM
RAG : créer une IA qui utilise vos données
Créez un assistant qui répond à partir de vos propres documents et qui montre d'où vient chaque réponse. Vous transformez les documents de politique de Larkfield en une base de connaissances où l'on peut chercher, vous mesurez ce que la récupération trouve et ce qu'elle manque, et vous faites dire à l'assistant « les documents ne le disent pas » quand c'est le cas.
Applications de LLM
Agents d'IA et orchestration des flux de travail
Créez un système qui règle les billets de soutien étape par étape, et qui reste sûr pendant qu'il le fait. Vous transformez le travail du centre d'assistance de Larkfield en un flux de travail qui cherche des preuves, propose une action, attend l'approbation d'une personne avant tout changement et consigne ce qui s'est passé.
Applications de LLM
Évaluer et tester les systèmes d'IA
Découvrez si une nouvelle version d'un système d'IA est vraiment meilleure, et si elle a brisé quelque chose d'important. Vous créez un banc d'évaluation pour l'assistant de soutien de Larkfield, avec un ensemble versionné de billets, des scores que vous pouvez retracer, des évaluateurs humains et des modèles évaluateurs que vous avez vérifiés, et une décision de mise en production que vous pouvez défendre.
Données et apprentissage automatique
Réglage fin et adaptation des modèles d'IA
Décidez avec des preuves s'il faut faire un réglage fin d'un modèle et, si vous le faites, faites-le de façon à pouvoir faire confiance au résultat et le maintenir. Vous préparez des données d'entraînement propres, vous entraînez un petit adaptateur LoRA sur un ordinateur ordinaire, vous le comparez au système avec une requête seulement sur les mêmes billets réservés, et vous décidez s'il est mis en production.
Applications de LLM
IA documentaire et multimodale
Lisez des reçus, des numérisations, des photos, des tableaux et des politiques avec du code et l'IA, et montrez exactement d'où vient chaque valeur. Vous construisez le pipeline de documents de Larkfield, vous comparez la couche de texte du PDF, l'OCR et un modèle de vision sur les mêmes pages, et vous n'envoyez à une personne que les valeurs incertaines.
Ingénierie et déploiement
L'essentiel de Git et du développement en équipe
Suivez votre travail avec Git, travaillez en équipe avec des branches et des demandes de tirage, et récupérez après les erreurs courantes.
Ingénierie et déploiement
Développement logiciel assisté par l'IA
Utilisez un assistant de code sans perdre le contrôle de votre code. Vous lui donnez une tâche délimitée avec une preuve claire de réussite, vous lisez chaque ligne qu'il modifie, vous vérifiez les paquets qu'il propose, et vous déboguez avec des tests plutôt qu'avec des réécritures à l'aveugle, sur votre propre ticket-cleaner du cours de Python.
Ingénierie et déploiement
Créer et déployer votre première API
Créez une petite API Web avec FastAPI, documentez-la avec OpenAPI et Swagger UI, testez-la avec Postman et pytest, puis déployez-la.
Ingénierie et déploiement
Déployer des modèles d'IA pour de vrais utilisateurs
Servez à de vrais utilisateurs le modèle que vous avez entraîné dans le cours sur l'apprentissage automatique. Empaquetez-le avec son contrat, choisissez un service par lots, en ligne ou asynchrone, créez et mesurez le service de prédiction, et publiez une nouvelle version avec un retour en arrière testé.
Ingénierie et déploiement
L'essentiel de Docker et du nuage pour les développeurs en IA
Mettez l'API de billets dans une image de conteneur, exécutez-la avec une base de données sur votre ordinateur, puis déployez-la sur Azure Container Apps, avec ses paramètres hors de l'image, une vérification des coûts et un nettoyage complet.
Ingénierie et déploiement
CI/CD, tests et mises en production sûres
Créez un pipeline qui vérifie chaque changement, construit une seule image et la promeut vers la préproduction, puis vers la production après une approbation. Publiez ensuite un changement de modèle d'IA sans risque, migrez une base de données sans interruption de service, revenez en arrière et livrez un correctif urgent.
Ingénierie et déploiement
Bases de données et stockage pour les applications d'IA
Donnez une vraie conception de stockage à une application d'IA. Vous transformez l'API de billets de Larkfield en un service qui possède ses données dans PostgreSQL, garde les fichiers dans un stockage objet et les vecteurs à côté des enregistrements, reste rapide sur de grandes données et peut être restauré après une erreur.
Ingénierie et déploiement
Mettre à l'échelle les API et les charges de travail d'IA
Préparez un service d'IA à dix fois le trafic habituel, avec des preuves. Vous mesurez d'abord l'API de billets de Larkfield, puis vous ajoutez la concurrence, un cache sûr, une file d'attente de tâches avec des travailleurs et des limites qui gardent la surcharge sous contrôle, et vous montrez chaque changement avec un test de charge.
Ingénierie et déploiement
Architecture frontend et performance des applications d'IA
Construisez un écran rapide, clair et sûr pour le travail de l'IA. Vous transformez l'API de tickets de Larkfield en une vraie interface de support avec React et TypeScript, vous affichez les brouillons de l'IA pendant leur rédaction, vous suivez les tâches lentes de l'IA, et vous prouvez chaque gain de vitesse par une mesure dans le navigateur.
Ingénierie et déploiement
Authentification, autorisations et applications multilocataires
Rendez une API sûre pour deux organisations. Vous ajoutez la connexion, les rôles et les frontières entre organisations à l'API de billets de Larkfield. Chaque requête répond ainsi, sur le serveur, à trois questions : qui appelle, ce que cette personne peut faire et dans quelle organisation. Vous le prouvez avec des tests qui essaient de briser ces règles.
Ingénierie et déploiement
Sécurité de l'IA, vie privée et conception responsable
Découvrez comment on peut tromper un assistant d'IA, et faites en sorte qu'un assistant trompé ne puisse quand même pas nuire. Vous listez les risques de l'assistant de soutien de Larkfield, vous l'attaquez avec des injections sans danger et vous corrigez les conséquences dans le code. Ensuite, vous répertoriez ses données personnelles, vous concevez une révision humaine, et vous terminez avec un jeu de tests de sécurité et un plan d'incident.
Ingénierie et déploiement
MLOps et LLMOps : exploiter l'IA en production
Gardez un service d'IA utile pour ses utilisateurs après sa mise en production. Vous rendez le service de tickets de Larkfield exploitable, un module à la fois, avec des responsables, des objectifs, des versions, de la télémétrie, une surveillance, des mises en production sûres et des procédures, et vous détectez une mauvaise version avant que les clients ne vous la signalent.
Ingénierie et déploiement
Conception de systèmes d'IA et maîtrise des coûts
Concevez un produit d'IA avant de le construire, et sachez ce qu'il coûtera. Vous rédigez, un module à la fois, la proposition de conception et de coûts de Larkfield pour un assistant de documents que plusieurs boutiques partagent, et chaque chiffre y est mesuré, tiré d'un prix publié ou posé comme hypothèse.
Carrière
Projet intégrateur : créer, évaluer et livrer un produit d'IA
Construisez, évaluez et livrez votre propre produit d'IA, avec les preuves qu'il fonctionne. Vous suivez la construction pas à pas d'un assistant de documents complet pour deux boutiques, et vous construisez le vôtre à côté, une leçon à la fois.
Applications de LLM
MCP : connecter les applications d'IA aux outils et aux données
Connectez une application d'IA aux outils et aux données une seule fois, avec un protocole standard, et gardez le contrôle de ce qu'elle peut faire. Vous créez un serveur MCP pour les connaissances du soutien de Larkfield, vous l'examinez, vous y connectez une application d'IA et vous le protégez avec la connexion, les autorisations et l'approbation d'une personne.
Carrière
Diriger des produits et des équipes d'IA
Dirigez un travail d'IA que vous ne construisez pas vous-même. Vous prenez les décisions que les responsables de Larkfield ont vraiment prises, à partir des preuves que les cours techniques ont enregistrées, et vous terminez par un plan de produit et d'équipe d'IA pour votre propre domaine.
Plus tard
Nous publions chaque cours après des tests avec des débutants. Les heures sont des estimations et comprennent la pratique.