Parcours d'apprentissage · Créer de l'IA

Développeur en transition vers les applications de LLM

Créez des applications fiables avec de grands modèles de langage, et déployez-les.

C'est vous

Vous créez déjà des logiciels : pour le Web, le mobile ou le serveur. Vous voulez ajouter de grands modèles de langage à de vrais produits, et vous voulez qu’ils fonctionnent tous les jours, pas seulement en démonstration.

Où vous allez

Ingénieur ou ingénieure d'applications d'IA

Choisir un LLM pour une tâche avec des preuves, pas avec du battage
Créer des fonctionnalités sur des API de LLM qui gèrent les erreurs, le coût et les mauvaises réponses
Déployer une application de LLM avec une API et une base de données
Expliquer à votre équipe pourquoi une fonctionnalité d’IA se comporte ainsi

3 étapes
10 cours, 10 disponibles maintenant
Environ 110 à 151 heures d'études
9 certificats de réussite

Combien de code il vous faut

Aucun code
Lire du code
Un peu de code
Le code au cœur

Le code est au cœur du parcours, mais c’est du code que vous savez déjà écrire. Ce qui est nouveau, c’est de travailler avec un modèle qui ne donne pas toujours la même réponse.

Votre parcours, étape par étape

Chaque arrêt est un cours. Sa forme vous dit quelle part du cours suivre.

Cours complet. Tout le cours, avec sa pratique. Il mène à un certificat de réussite.
Notions. Seulement les modules de notions, lus sans exécuter de code. Ils mènent à un certificat des notions.
Facultatif. Utile pour certaines personnes. Vous n'en avez pas besoin, et il n'est pas compté dans le temps.

Vous, aujourd'hui
Étape 1 Les basesenviron 34 à 46 h
1. Bases d'une carrière en IA : rôles, compétences et feuilles de route
  Cours complet4–6 h
  Voyez où vos compétences de développeur s’intègrent dans le travail en IA.
2. Python pour l'ingénierie de l'IA en pratique
  Cours complet18–24 h
  Python est le langage de la plupart des bibliothèques d’IA.
  Priorité: Si vous avez déjà ces compétences, faites plutôt son travail final.
3. L'essentiel de Git et du développement en équipe
  Facultatif5–7 h
  Vous utilisez déjà Git tous les jours. Suivez-le seulement si les branches, les révisions et les fusions sont nouvelles pour vous.
4. Mathématiques et statistiques essentielles pour l'IA
  Cours complet12–16 h
  Seulement les statistiques nécessaires pour comparer des modèles et des résultats.
  Priorité: Si vous avez déjà étudié ce sujet, faites plutôt son travail final.
Étape 2 Grands modèles de langageenviron 30 à 42 h
1. Les LLM : comment ils fonctionnent et comment en choisir un
  Cours complet8–12 h
  Comment fonctionnent les LLM, et comment en choisir un.
2. Créer des applications fiables avec les API de LLM
  Cours complet22–30 h
  Le cœur de ce parcours : des fonctionnalités de LLM fiables.
Étape 3 Livrerenviron 46 à 63 h
1. Créer et déployer votre première API
  Cours complet11–15 h
  Servez votre fonctionnalité derrière une API.
  Priorité: Si vous avez déjà ces compétences, faites plutôt son travail final.
2. L'essentiel de Docker et du nuage pour les développeurs en IA
  Cours complet7–10 h
  Exécutez-la dans un conteneur, dans l’infonuagique.
3. SQL et préparation des données pour l'IA
  Cours complet12–16 h
  Des données pour les requêtes et pour vérifier les résultats.
4. Bases de données et stockage pour les applications d'IA
  Cours complet16–22 h
  Stockez les conversations, les documents et les vecteurs.
Vous arrivezIngénieur ou ingénieure d'applications d'IA

Obtenez des certificats en chemin

Vous n'avez pas besoin de terminer tout le parcours pour montrer ce que vous avez appris. Chaque cours complet donne un certificat de réussite, et chaque cours de notions donne un certificat des notions. Partagez chacun dès que vous l'obtenez.

Quand vous êtes prêt, préparez-vous à l'entrevue : Préparation aux entrevues : ingénieur en IA

En faire mon parcours Tous les parcours d'apprentissage

Choisissez cet objectif dans votre profil. Mon apprentissage montre ensuite votre progression sur ce parcours, et le nombre de semaines à votre rythme.