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.
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 :
Un modèle de langage peut lire un billet de soutien et rédiger une bonne réponse en quelques secondes. Intégrer cela dans une application est un tout autre travail. Parfois, le modèle renvoie un texte que votre code ne peut pas lire, invente un numéro de commande, demande à un outil quelque chose qu’il ne devrait pas voir, ou ne répond pas du tout parce que le fournisseur est surchargé.
Dans ce cours, vous créez une application qui s’attend à tout cela. Vous commencez par une seule requête et vous en lisez chaque partie. Puis vous transformez les requêtes (prompts) en spécifications que vous pouvez tester et les réponses en données validées. Vous laissez aussi le modèle demander des outils, pendant que votre code garde le contrôle de ce qui s’exécute.
Le service d’assistance de Larkfield vous donne un seul assistant pour tout le cours : il oriente chaque billet vers une équipe, dit si une personne doit le vérifier, rédige une réponse et peut consulter une commande. À la fin, il relance ses requêtes de façon sûre, journalise le coût de chaque appel et réussit les tests de chaque cas d’échec que vous avez vu.
Vous n’avez pas besoin de compte ni de clé payante. Chaque leçon s’exécute avec des réponses enregistrées de vrais modèles, et vous pouvez passer à tout moment à un modèle local gratuit ou à votre propre clé. Des diagrammes et des résultats annotés portent les idées principales, ce qui garde le texte court.
Vous avez suivi les cours Python pour l'ingénierie de l'IA en pratique et Les LLM : comment ils fonctionnent et comment en choisir un, ou vous avez les mêmes compétences. Vous n'avez pas besoin de clé d'API ni de compte payant. Chaque leçon s'exécute avec des réponses enregistrées, et vous pouvez utiliser un modèle local gratuit ou votre propre clé si vous voulez des appels en direct.
Cours à suivre avant : Python pour l'ingénierie de l'IA en pratique, Les LLM : comment ils fonctionnent et comment en choisir un.
Les personnes qui savent écrire du Python et qui savent ce que fait un modèle de langage, comme dans le cours Les LLM : comment ils fonctionnent et comment en choisir un, et qui veulent créer une vraie application sur l'API d'un modèle. Développeurs, scientifiques des données et professionnels qui passent à l'ingénierie de l'IA.
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
Envoyez votre première requête. Voyez ce qu'est une API de LLM, exécutez l'assistant de Larkfield avec des réponses enregistrées sans créer de compte, et lisez une requête et une réponse champ par champ. Placez ensuite le modèle derrière une seule frontière dans votre code, avec des clés gardées en sécurité.
Traitez une requête (prompt) comme une spécification. Écrivez la tâche, son public, ses limites et son contrat de sortie. Signalez clairement le texte des clients, auquel on ne peut pas se fier. Comparez les versions de la requête sur un ensemble fixe de billets, plutôt que sur une seule bonne réponse.
Faites de la sortie du modèle des données auxquelles vous pouvez vous fier. Définissez un schéma, gérez les refus, les réponses coupées et les réponses mal formées, et vérifiez le sens, car un JSON valide peut quand même être faux.
Laissez le modèle demander des outils, et laissez votre code décider. Décrivez un outil en lecture seule, vérifiez chaque argument et chaque permission avant son exécution, et arrêtez les boucles qui se répètent ou qui durent trop longtemps.
Tenez une conversation et affichez les réponses au fur et à mesure qu'elles arrivent. Choisissez quel historique envoyer, diffusez le texte en continu sans lui faire confiance trop tôt, et dites clairement aux utilisateurs quand quelque chose échoue.
Rendez l'application fiable et abordable. Relancez de façon sûre les requêtes après une limite de débit ou un délai dépassé, journalisez l'utilisation et le coût de chaque appel, et testez chaque cas d'échec avec des réponses enregistrées.
Trois études de cas de bout en bout sur des données ouvertes. Extrayez des rappels de produits sous forme d'enregistrements structurés, répondez à des questions avec des outils en lecture seule, puis classez des demandes bancaires et comparez un LLM à un modèle qui a eu un réglage fin. Terminez-en au moins une pour obtenir le certificat. Chacune peut entrer dans votre portfolio.
Terminez au moins une étude de cas pour obtenir le certificat. Les autres sont facultatives. Ce que couvre chacune
Utilisez tous les modules dans un projet pratique. Vous recueillez des preuves, puis vous les comparez aux objectifs du cours.
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.
Extraire des rappels de produits en données structurées3 h
Transformer des avis publics de rappel de produits en enregistrements structurés validés, avec un schéma, des vérifications d'affaires et un taux d'erreur mesuré sur un échantillon vérifié à la main.
Répondre à des questions avec des outils sur des données ouvertes3 h
Créer un assistant qui répond à des questions sur un jeu de données ouvert uniquement au moyen d'outils validés en lecture seule, avec une boucle limitée et des nombres vérifiés.
Classer des demandes bancaires avec un LLM2 h
Classer des demandes bancaires de clients avec des requêtes et des sorties structurées, comparer des versions de requêtes sur un jeu fixe, puis comparer l'exactitude et le coût avec un petit modèle ayant subi un réglage fin.
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.
