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.
Lisez toutes les leçons sans compte, ou connectez-vous pour vous inscrire et suivre vos progrès.
Inscrivez-vous pour enregistrer les leçons que vous terminez. C'est gratuit.
À la fin de ce cours, vous pourrez :
Grace dirige le service d’assistance de Larkfield. Ines est propriétaire de Bramble Books. Les deux boutiques ont des documents de politiques que leur personnel consulte chaque jour, et toutes deux veulent un assistant qui répond à partir de leurs propres documents, les cite et dit clairement quand les documents ne répondent pas. Aucune des deux boutiques ne doit jamais voir les documents de l’autre.
Dans ce cours, Sam construit cet assistant comme projet de portfolio, et vous construisez votre propre produit à côté. Chaque leçon a deux parties. D’abord, vous voyez le projet de Sam : le vrai code, les vrais résultats et les vraies erreurs. Ensuite, vous faites la même étape pour votre propre projet et vous gardez les preuves.
Vous commencez petit : un utilisateur, une décision, un ensemble réduit de documents et des critères d’acceptation vérifiables. Vous réservez les questions de test avant tout réglage. Ensuite, vous concevez les données, l’API et la base de données, et vous faites fonctionner un parcours complet : téléverser un document, le voir indexé, poser une question et obtenir une réponse avec des citations.
Puis vous le rendez sûr et fiable, vous le mesurez sur les questions réservées et vous améliorez une chose avec des preuves. Enfin, vous livrez une démonstration reproductible et vous la présentez honnêtement : ce qui fonctionne, ce qui échoue et ce que vous feriez ensuite. Vous pouvez suivre le parcours standard avec les données fournies, ou apporter votre propre idée.
Vous avez suivi les cours Applications fiables avec les API de LLM, RAG, Évaluer et tester les systèmes d'IA, Git et travail en équipe, Construire et déployer votre première API, Conteneurs et Docker, CI/CD, tests et mises en production sûres, Bases de données et stockage pour les applications d'IA, Authentification, permissions et applications multilocataires, et Sécurité, confidentialité et conception responsable de l'IA, ou vous avez les mêmes compétences. Le cours sur le frontend est prévu mais pas encore publié : ce cours utilise donc une simple page HTML et enseigne ce dont elle a besoin. Vous n'avez besoin ni d'un compte ni d'argent. Tout fonctionne sur votre ordinateur avec Docker, et les réponses de l'IA ont été enregistrées par l'équipe du cours ; les appels en direct à un modèle et le déploiement dans le nuage sont facultatifs.
Cours à suivre avant : Créer des applications fiables avec les API de LLM, RAG : créer une IA qui utilise vos données, Évaluer et tester les systèmes d'IA, L'essentiel de Git et du développement en équipe, Créer et déployer votre première API, L'essentiel de Docker et du nuage pour les développeurs en IA, CI/CD, tests et mises en production sûres, Bases de données et stockage pour les applications d'IA, Architecture frontend et performance des applications d'IA, Authentification, autorisations et applications multilocataires, Sécurité de l'IA, vie privée et conception responsable.
Les personnes qui ont terminé le parcours d'ingénierie, ou qui ont les mêmes compétences, et qui veulent maintenant un projet complet et honnête pour leur portfolio. Vous savez construire une API avec une base de données, un assistant RAG, une connexion multilocataire et un pipeline de tests, comme dans les cours précédents. Maintenant, vous les assemblez, vous mesurez le résultat et vous le présentez.
Des spécialistes de l'IA expérimentés ont conçu ce cours. L'IA nous a aidés à rédiger le contenu; des personnes ont choisi l'approche pédagogique et les exemples, et ont révisé chaque leçon. Les résultats que vous voyez sont les vrais résultats de l'exécution du code. Comment nous créons les cours
Choisissez un projet que vous pouvez terminer. Vous préparez le projet de départ, vous choisissez un parcours, vous nommez un utilisateur et une décision, vous écrivez des critères d'acceptation vérifiables et vous gelez vos questions réservées avant tout réglage.
Concevez avant de construire. Vous préparez un ensemble de documents autorisés avec des révisions et des contradictions, vous définissez l'API, la base de données et les états d'ingestion, et vous revoyez les menaces, l'isolation des locataires et le budget.
Faites fonctionner un parcours utilisateur de bout en bout. Vous construisez d'abord le backend avec un adaptateur d'IA simulé, puis une page simple pour le téléversement, l'état des tâches et les questions, puis la vraie recherche avec citations et traces.
Rendez-le sûr et fiable. Vous imposez la connexion, les adhésions et la sécurité au niveau des lignes, vous gérez les délais, les mauvais fichiers et les téléversements répétés, et vous permettez de voir les preuves, d'obtenir un « pas de réponse » honnête et de supprimer ce qui a été téléversé.
Mesurez honnêtement. Vous exécutez les questions réservées et les vérifications d'isolation, vous classez les erreurs par cause, vous faites une amélioration fondée sur des preuves et vous rapportez les compromis, les coûts et les régressions.
Livrez-le pour que d'autres puissent l'exécuter. Vous construisez une image testée avec un pipeline, vous publiez une démonstration privée avec des secrets, des contrôles de santé et des journaux, et vous prouvez le retour arrière, le nettoyage et les limites d'utilisation.
Présentez votre travail. Vous rédigez la documentation de passation, vous préparez une démonstration avec un cas d'échec et un compromis, et vous faites le bilan de ce que vous avez appris et de ce que vous construiriez ensuite.
Deux études de cas. Vous appliquez la même méthode à une collection publique de documents sous licence claire, et vous évaluez un projet intégrateur faible avec la grille. Terminez-en au moins une pour obtenir le certificat.
Terminez au moins une étude de cas pour obtenir le certificat. Les autres sont facultatives. Ce que couvre chacune
Des projets réalistes du début à la fin, sur de vraies données, avec chaque résultat expliqué. Chacun devient une pièce de votre portfolio. Terminez-en au moins une pour obtenir le certificat; les autres sont facultatives.
Projet intégrateur sur une collection publique de documentsBientôt
Appliquer la même méthode à une collection de documents sous licence ouverte : périmètre, fiche de données, questions réservées, isolation et rapport d'évaluation.
Évaluer un projet intégrateur faibleBientôt
Noter un projet intégrateur faible, construit pour l'exercice, avec la grille, trouver les preuves qui manquent et rédiger les commentaires qui le feraient réussir.
Chargement des avis…
Vous avez suivi ce cours? Connectez-vous pour donner votre avis. Vous pouvez donner un avis après avoir terminé 25 % des leçons.
