Nous utilisons des cookies pour vous fournir l'ensemble de nos services, notamment la recherche et les alertes. En acceptant, vous consentez à notre utilisation de ces cookies.
Choisir mes préférences
- Rag : acquérir des compétences clés et maximiser l'efficacité de la gestion de vos ressources
.png&w=256&q=75)
Rag : acquérir des compétences clés et maximiser l'efficacité de la gestion de vos ressources
Objectifs
Programme
- Assimiler les principes fondamentaux de l'Intelligence Artificielle, en particulier les modèles de langage à grande échelle et leurs contraintes
- Concevoir et mettre en œuvre une application complète en utilisant la technologie RAG (Retrieve and Generate), depuis l'élaboration de l'architecture jusqu'à son optimisation
- Maîtriser l'utilisation de l'outil LlamaIndex pour l'indexation, et de LangGraph pour la création et la gestion de workflows efficaces
- Intégrer efficacement des agents d'Intelligence Artificielle dans le RAG à l'aide de smolagents
- Évaluer et optimiser les performances de l'application RAG pour garantir une utilisation optimale.
1. INITIATION AUX LLM
- Fondations et pratique de l’IA
- Historique de l’IA
- Définition d’un modèle IA, d'un LLM
- Limites de l’IA
- Introduction à Google Collab
- Architecture et exploration des modèles d’IA
- Découverte du modèle Transformer
- Compréhension des concepts de token, d’hyperparamètres et de couches
- Comparatif des modèles d'IA actuellement sur le marché : GPT, BERT, LLaMA
2. DEBUTER SUR L’ARCHITECTURE RAG
- Découverte de l’architecture d’une application RAG
- Présentation des différents éléments : base de donnée vectorielle, modèle sémantique, comparaison par proximité vectorielle
- Mises en pratique
- Utilisation d’un dataset HuggingFace
- Vectorisation et stockage des données
- Utilisation d’un modèle sémantique
3. IMPLÉMENTATION D'UN RAG
- Développement d’un RAG
- Assemblage des briques dans un pipeline RAG
- Gestion des données et optimisation : taille de l’embedding, pré-traitement des données, optimisation des hyperparamètres
- Identification et résolution des problèmes courants
- LlamaIndex : Indexation et gestion des données du RAG
- Architecture de LLamaIndex
- Concepts clés : structuration des données, représentation vectorielle (embeddings), requêtes sémantiques
- Construction de workflows avec LangGraph
- Architecture de LangGraph
- Concepts clés : nœuds, arêtes et état persistants
- Mises en pratique
- Utilisation d’un LLM par API
- Assemblage des différents éléments du RAG
- Développement d’un chatbot sur base documentaire (PDF internes, base de connaissance)
- Création d’un premier flux LangGraph
4. INTÉGRATION DE LA BRIQUE AGENT
- Qu'est-ce qu'un agent IA?
- Définition et rôle d’un agent IA
- Application des agents IA dans le RAG
- Intégration des agents IA dans le RAG avec smolagents
- Découverte de smolagents
- Approche modulaire et logique step-by-step
- Intégration concrète dans le RAG
- Mises en pratique
- Utilisation d’un agent dans smolagent
- Création de son propre agent IA
- Intégration de smolagent dans notre RAG pour avoir un système capable de réfléchir et d’agir
Public visé
Cette formation s'adresse à une variété de professionnels souhaitant acquérir ou approfondir leurs compétences dans le domaine de la RAG. C'est donc une excellente opportunité pour les gestionnaires d'actifs, les responsables de la gestion des risques, mais aussi pour les contrôleurs financiers et les auditeurs internes. De plus, cette formation peut être bénéfique pour les consultants en gestion qui souhaitent élargir leur portefeuille de compétences et offrir des services plus complets à leurs clients. Elle est également pertinente pour les professionnels de la finance et de la comptabilité, tels que les comptables et les analystes financiers, qui souhaitent comprendre les implications de la RAG sur leur travail quotidien. Enfin, cette formation peut aider les dirigeants d'entreprise à comprendre comment la RAG peut influencer la stratégie et les décisions d'entreprise. Les participants devraient avoir une expérience de travail pertinente et une compréhension de base des concepts financiers.
Prérequis
Avoir des connaissances de base en programmation, idéalement en Python
Être en possession d'un ordinateur portable à apporter lors de la formation
L'ordinateur doit être connecté à Internet, équipé d'une caméra, d'un micro et d'un haut-parleur
Méthodes pédagogiques
L’approche pédagogique a été construite sur l’interactivité et la personnalisation : Présentation illustrée et animée par le Formateur Expert, partage d’expériences, études de cas, mise en situation réelle.
Tous les supports sont fournis par support papier, mail ou clé USB à chaque stagiaire.
Méthodologie pédagogique employée :
Chaque formation en présentiel ou en distanciel est animée par un Formateur Expert Métier sélectionné selon ses compétences et expériences professionnelles. Apport d’expertise du Formateur, quiz en début et fin de formation, cas pratiques, échanges d’expérience. Accès en ligne au support de formation.
Modalités d'évaluation
Méthodes utilisées et évaluation :
Evaluation et positionnement lors de la définition du projet pédagogique avec le(s) stagiaire(s). Un QCM est donné aux stagiaires le dernier jour de la formation pour valider leurs apprentissages. Une correction collective est effectuée par le Formateur. Une évaluation de fin de stage en direct est organisée entre le Formateur et le(s) stagiaire(s) pour recueillir et prendre en compte leurs appréciations. Une attestation de fin de stage est remise aux stagiaires.
Choisissez une date pour pouvoir réserver !