Lire le programme

Ce que vous saurez faire

Placez les cours de votre voie dans un ordre logique : aucun cours avant les connaissances dont il a besoin. Un mauvais ordre est l’une des raisons les plus courantes pour lesquelles les personnes abandonnent leur apprentissage.

Avant de commencerCe qu’il faut savoir et avoir sous la mainEnviron 25 minutes

Ce que vous devez savoir

• Ce que sont un rôle principal et une option connexe, présentés dans Choisir une voie réaliste : rôle principal et option connexe.

Ce qu’il vous faut

• Votre rôle principal et votre option connexe, sous ## My route (ma voie) dans notes.md. Vous les avez écrits dans Choisir une voie réaliste : exercice guidé : votre choix.
• Cette leçon ajoute le titre ## Course order (ordre des cours).

Ce que le catalogue vous indique

Chaque cours du catalogue a une page qui indique :

• Heures : la durée estimée, y compris les exercices et le travail final. Par exemple, Python pour l’ingénierie de l’IA en pratique prend de 16 à 22 heures. Une personne débutante peut avoir besoin de plus de temps.
• Format : le type de cours.
• Cours préalables : les cours que vous devez terminer, ou dont vous devez maîtriser aussi bien le contenu, avant de commencer.
• Statut : certains cours sont disponibles maintenant. Les autres sont prévus et apparaissent quand ils sont prêts.

L’ordre du tableau n’est pas un ordre d’apprentissage. Git arrive tôt dans la plupart des voies, et l’IA documentaire et multimodale arrive tard.

Format	Ce qu’il signifie
Orientation	Un premier cours pour tout le monde, comme celui-ci.
Bases	Des compétences de base nécessaires à plusieurs cours : Python, mathématiques, SQL.
Tronc commun	Les principaux sujets de l’IA : apprentissage automatique, modèles de langage, récupération, évaluation.
Cours pratique court	Une compétence ciblée, comme Git, Docker ou les mises en production.
Tronc commun pratique	Un cours pratique plus long, comme la création et le déploiement d’une API.
Avancé	Des cours qui exigent plusieurs autres cours préalables, comme le réglage fin des modèles ou l’exploitation des systèmes d’IA.
Projet de synthèse	Un grand projet final qui utilise les acquis de plusieurs cours.

Tous les cours et leurs cours préalables

Ce tableau présente tout le programme prévu. Vous l’utiliserez dans l’exercice ci-dessous. Le catalogue présente les mêmes renseignements : sous chaque cours prévu, « Take first » (à suivre d’abord) indique ses cours préalables.

Afficher les 28 cours

Cours	Heures	Cours préalables
Bases d’une carrière en IA : rôles, compétences et feuilles de route	4–6	Aucun
Python pour l’ingénierie de l’IA en pratique	16–22	Aucun
Mathématiques et statistiques essentielles pour l’IA	12–16	Aucun
SQL et préparation des données pour l’IA	12–16	Python
Apprentissage automatique : du problème à un modèle fiable	18–24	Python, mathématiques et statistiques, SQL
L’apprentissage profond et les transformeurs expliqués	18–24	Python, mathématiques et statistiques, apprentissage automatique
Les LLM : comment ils fonctionnent et comment en choisir un	8–12	Mathématiques et statistiques
Créer des applications fiables avec les API de LLM	12–16	Python, LLM
RAG : créer une IA qui utilise vos données	16–22	SQL, applications avec les LLM
Agents d’IA et orchestration des flux de travail	14–20	Applications avec les LLM, évaluation des systèmes d’IA
Évaluer et tester les systèmes d’IA	12–16	Mathématiques et statistiques, applications avec les LLM
Réglage fin et adaptation des modèles d’IA	14–20	Apprentissage profond, applications avec les LLM, évaluation des systèmes d’IA
IA documentaire et multimodale	12–18	Applications avec les LLM, RAG
L’essentiel de Git et du développement en équipe	5–7	Aucun
Développement logiciel assisté par l’IA	6–8	Python, Git
Créer et déployer votre première API	11–15	Python
Déployer des modèles d’IA pour de vrais utilisateurs	8–12	Apprentissage automatique, première API, Docker et nuage
L’essentiel de Docker et du nuage pour les développeurs en IA	7–10	Python, première API
CI/CD, tests et mises en production sûres	8–12	Git, première API, Docker et nuage
Bases de données et stockage pour les applications d’IA	8–12	SQL, première API
Mise à l’échelle des API et des charges de travail d’IA	9–12	Première API, Docker et nuage, bases de données et stockage
Architecture et performance de l’interface des applications d’IA	12–18	Première API
Authentification, permissions et applications multilocataires	9–12	Première API, bases de données et stockage
Sécurité, confidentialité et conception responsable en IA	10–14	Applications avec les LLM, première API, authentification
MLOps et LLMOps : exploiter l’IA en production	12–18	Évaluation des systèmes d’IA, déploiement des modèles d’IA, CI/CD, bases de données et stockage, mise à l’échelle
Conception de systèmes d’IA et ingénierie des coûts	12–16	RAG, agents d’IA, bases de données et stockage, mise à l’échelle, authentification, MLOps et LLMOps
Projet de synthèse pour le portfolio : créer, évaluer et livrer un produit d’IA	25–40	Applications avec les LLM, RAG, évaluation des systèmes d’IA, Git, première API, Docker et nuage, CI/CD, bases de données et stockage, interface, authentification, sécurité de l’IA
MCP : connecter les applications d’IA aux outils et aux données	12–16	Applications avec les LLM, première API, Docker et nuage, authentification, sécurité de l’IA

Les préalables déterminent l’ordre

Un préalable est une connaissance nécessaire avant de commencer un cours. Chaque cours indique ses cours préalables. En remontant les flèches, vous trouvez tous les cours nécessaires et un ordre logique.

Voici la voie pour le rôle principal de Daniela dans la dernière leçon : gestionnaire de produit d’IA. L’évaluation est sa principale compétence technique.

Les préalables pour l'évaluation des systèmes d'IA. Les flèches pleines indiquent les cours préalables. Les flèches pointillées indiquent un départ recommandé.

Description textuelle du diagramme

• Les bases d’une carrière en IA sont un départ recommandé (flèches pointillées vers Python et les mathématiques et statistiques). Aucun cours ne les exige.
• Les LLM exigent les mathématiques et statistiques.
• Les applications avec les LLM exigent Python et les LLM.
• L’évaluation des systèmes d’IA exige les mathématiques et statistiques et les applications avec les LLM.

Pour trouver l’ordre, partez de votre cible et remontez :

1. L’évaluation des systèmes d’IA exige les mathématiques et statistiques et les applications avec les LLM.
2. Les applications avec les LLM exigent Python et les LLM.
3. Les LLM exigent les mathématiques et statistiques.
4. Python et les mathématiques et statistiques n’exigent aucun préalable.

Voici donc un ordre logique : Python, mathématiques et statistiques, LLM, applications avec les LLM, évaluation des systèmes d’IA. Vous pouvez aussi inverser Python et les mathématiques et statistiques, ou les suivre en même temps. Aucun des deux n’exige l’autre.

Quand vous pouvez sauter un cours

Vous pouvez sauter un cours préalable seulement si vous savez déjà faire ce qu’il enseigne. Une impression ne suffit pas. Utilisez des preuves, comme dans Des preuves plutôt qu’une autoévaluation :

1. Ouvrez la page du cours et lisez son travail final.
2. Demandez-vous : « Est-ce que je pourrais faire ce travail maintenant, sans aide? »
3. Si oui, faites les parties dont vous êtes le moins sûr. Si vous les réussissez, sautez le cours.

Par exemple, une personne qui développe des logiciels peut sauter Python. Elle devrait d’abord vérifier qu’elle peut faire le travail final de Python.

La recommandation de parcours fait cette vérification avec vous. Elle utilise votre objectif et votre expérience pour proposer une voie et indique les cours que vous pourriez sauter.

Les projets évoluent d’un cours à l’autre

Les cours réutilisent deux exemples : un système de billets de soutien et un assistant documentaire. Ce sont les mêmes types de produits que vous avez rencontrés chez Larkfield. Dans le cours de Python, vous nettoyez les données des billets. Dans le cours sur les API, vous créez un service qui classe les billets. Les cours suivants ajoutent un modèle entraîné, du stockage, de l’évaluation et du déploiement.

Chaque cours vous donne donc un projet fonctionnel, et le cours suivant le développe davantage. À la fin d’une voie, vous avez un projet à présenter. Vous planifiez cela au module 5.

Exercices supplémentaires facultatifs

Certaines leçons proposent des exercices d’approfondissement : des tâches facultatives pour les personnes qui veulent aller plus loin. Ces exercices ne sont jamais nécessaires pour terminer un cours, et aucun cours suivant n’en dépend. Si votre temps est limité, sautez-les sans inquiétude.

Exercice guidé : ordonner une voie

Vous avez vu la voie vers l’évaluation des systèmes d’IA ci-dessus. Maintenant, construisez-en une vous-même.

1. Dans notes.md, ajoutez un titre : ## Course order.
2. La cible est RAG : créer une IA qui utilise vos données. Ce cours exige SQL et les applications avec les LLM.
3. Utilisez le tableau de tous les cours ci-dessus pour trouver les préalables de SQL et des applications avec les LLM. Remontez jusqu’aux cours qui n’exigent aucun préalable.
4. Écrivez un ordre logique.
5. Additionnez les heures en utilisant les estimations minimales et maximales.

Afficher la réponse

• RAG exige SQL et les applications avec les LLM.
• SQL exige Python.
• Les applications avec les LLM exigent Python et les LLM. Les LLM exigent les mathématiques et statistiques.

Un ordre logique : Python, mathématiques et statistiques, SQL, LLM, applications avec les LLM, RAG. D’autres ordres fonctionnent aussi, si chaque cours vient après ses cours préalables. Par exemple, les mathématiques et statistiques peuvent venir en premier.

Heures : Python 16–22, mathématiques et statistiques 12–16, SQL 12–16, LLM 8–12, applications avec les LLM 12–16, RAG 16–22. Total : 76–104 heures.

Variante autonome : faites la même chose pour le cours cible de votre propre rôle principal. Si vous ne savez pas quel cours choisir, utilisez la recommandation de parcours et vérifiez vous-même son ordre.

Erreur courante

Commencer par le cours qui vous enthousiasme

Symptôme : vous commencez par le cours sur le RAG, car il porte sur une IA qui répond aux questions. Dès la première leçon, vous ne comprenez ni le code, ni les requêtes de base de données, ni les mots. Après une semaine, vous avez l’impression de ne « pas être assez bon pour l’IA ».

Cause : le RAG exige Python, SQL et les applications avec les LLM. Ce n’était pas le talent qui vous manquait. C’étaient les préalables.

Solution : remontez les flèches à partir du cours que vous voulez suivre. Commencez par le premier cours dont vous ne maîtrisez pas déjà le contenu. Gardez le cours qui vous enthousiasme comme objectif à la fin du plan.

Vérifiez votre compréhension

Les LLM exigent seulement les mathématiques et statistiques. Pouvez-vous étudier les LLM avant Python? Pourquoi choisiriez-vous cet ordre?

Afficher la réponse

Oui. Les LLM exigent les mathématiques et statistiques, mais pas Python. Après les mathématiques et statistiques, vous pouvez donc étudier les LLM avant ou après Python. Une personne qui suit une voie en gestion de produit pourrait choisir cet ordre pour comprendre les modèles de langage tôt. Elle apprendrait ensuite la programmation nécessaire aux applications avec les LLM.

Vérifiez votre compréhension

Une personne qui utilise Python au travail veut sauter le cours de Python. Que devrait-elle faire d'abord?

Afficher la réponse

Lire le travail final du cours de Python et vérifier honnêtement si elle peut le faire maintenant sans aide. Si certaines parties lui semblent incertaines, elle devrait les essayer. Si elle les réussit, elle saute le cours. Sinon, elle suit seulement les leçons dont elle a besoin. La décision de sauter un cours doit reposer sur des preuves, pas sur un titre de poste.

Récapitulatif

• Chaque cours indique des heures, un format, des cours préalables et un statut. L’ordre du tableau n’est pas un ordre d’apprentissage.
• Remontez les cours préalables depuis votre cible pour trouver un ordre logique.
• Sautez un cours seulement si vous pouvez faire son travail final.
• Les projets évoluent d’un cours à l’autre. Les exercices d’approfondissement sont facultatifs.

Ensuite, vous planifiez votre étude chaque semaine pour transformer ces heures en véritables compétences.

Leçon suivante : Planifier une pratique délibérée