Fundamentos de los LLM con Python
Cette formation offre une introduction claire et accessible aux grands modèles de langage (LLM) avec Python. Elle permet de comprendre leur fonctionnement, leurs principales architectures, ainsi que les mécanismes de génération de texte et de traitement du lan
Cree su cuenta gratuita
Cómo se desarrolla el curso
Cada lección es un texto estructurado, ilustrado con ejemplos y esquemas, seguido de un cuestionario corregido automáticamente. Avanzas a tu ritmo, y tus notas quedan vinculadas a la lección en la que las tomaste.
-
Acquérir une compréhension solide des concepts fondamentaux des grands modèles de langage (LLM)
-
Comprendre les mécanismes de fonctionnement et les principales architectures des LLM
-
Découvrir comment utiliser Python pour interagir avec les modèles de langage
-
Savoir exploiter les LLM pour différentes tâches de traitement du langage naturel
-
Développer la capacité à intégrer et à évaluer des modèles de langage dans des projets d’intelligence artificielle
-
Développeur en intelligence artificielle : conception d’applications intégrant des modèles de langage.
-
Ingénieur en IA : développement et intégration de solutions basées sur les grands modèles de langage.
-
Développeur Python : création de programmes exploitant les capacités des LLM.
-
Ingénieur en traitement du langage naturel (NLP) : développement de systèmes capables d’analyser et de traiter du texte.
-
Spécialiste en automatisation : mise en place de processus automatisés grâce aux modèles de langage.
-
Data Scientist : exploitation des modèles d’intelligence artificielle pour analyser et interpréter des données textuelles.
-
Consultant en intelligence artificielle : accompagnement des entreprises dans l’adoption et l’utilisation des LLM.
-
Ingénieur en intégration IA : connexion des modèles de langage aux applications et systèmes informatiques.
-
Analyste en solutions d’IA générative : évaluation des performances et des possibilités d’application des modèles de langage.
Accesibilidad

Si tiene una discapacidad y desea seguir una formación con nosotros, este correo electrónico está dedicado a usted: contact@datagoz.com . Para cualquier otra situación, no dude en contactarnos para evaluar cómo garantizar una experiencia de aprendizaje.
¿Cómo financio mi formación?
Certificado de superación: al final de este curso, se le entregará un certificado de superación DATAGOZ, nominativo y verificable en línea.
¡El equipo de DATAGOZ te desea una buena formación!
5 chapitres, 36 leçons
- 2. Introduction aux grands modèles de langage (LLM)abierto
- 2. Mettre en place un pipeline de synthèse de texteabierto
- 2. Nettoyer et améliorer les réponses généréesabierto
- 2. Exploiter des LLM pré-entraînésabierto
- 2. Générer du texte avec un modèle de langageabierto
- 2. Traduire du texte avec un LLMabierto
- 2. Découvrir l’architecture Transformerabierto
- 2. Identifier les composants d’un Transformerabierto
- 2. Choisir une architecture de modèle adaptéeabierto
- 3. Préparer un modèle pour son affinageseguidores
- 3. Comprendre et appliquer la tokenisation du texteseguidores
- 3. Visualiser le processus de tokenisationseguidores
- 3. Adapter un LLM grâce à l’entraînementseguidores
- 3. Définir les paramètres d’entraînementseguidores
- 3. Configurer les paramètres du processus d’entraînementseguidores
- 3. Exploiter un modèle après son affinageseguidores
- 3. Découvrir les différentes méthodes d’affinageseguidores
- 3. Appliquer l’apprentissage par transfert avec la méthode one-shotseguidores
- 3. Comparer les approches d’apprentissage par transfertseguidores
- 4. Découvrir les outils d’évaluation des LLMseguidores
- 4. Charger des métriques d’évaluation avec Pythonseguidores
- 4. Comprendre les principaux indicateurs de performanceseguidores
- 4. Appliquer les métriques pour mesurer les résultatsseguidores
- 4. Évaluer les tâches linguistiques avec la perplexité et BLEUseguidores
- 4. Mesurer la perplexité des modèles de langageseguidores
- 4. Évaluer la qualité des traductions avec BLEUseguidores
- 4. Découvrir les métriques ROUGE, METEOR et Exact Matchseguidores
- 4. Mesurer la qualité des textes générés avec ROUGEseguidores
- 4. Évaluer les résultats avec la métrique METEORseguidores
- 4. Vérifier l’exactitude des réponses avec Exact Matchseguidores
- 4. Renforcer la sécurité des LLMseguidores
- 4. Détecter les contenus toxiques générésseguidores
- 4. Évaluer la pertinence et la qualité des réponsesseguidores
- 4. Faire le bilan des compétences acquisesseguidores
Todo lo que acompaña a las lecciones
Cuánto tiempo, según su disponibilidad
Lo que obtiene al final
Cuando el curso termina, el certificado de asistencia se emite a su nombre. Su código permite a un reclutador verificarlo en pocos segundos.
No es un título ni una certificación profesional; es la prueba verificable de que ha seguido y superado este curso.
Quién escribe este curso
Una pedagogía clara y aplicada, con ejemplos concretos para aprender de forma eficaz.
Antes de empezar
Empieza este curso hoy
10 lecciones abiertas, sin tarjeta bancaria. Verás el nivel y el tono antes de decidir.