Plan du cours

Introduction à Large Language Models (LLMs)

  • Vue d'ensemble des LLM
  • Évolution des LLM dans les technologies éducatives
  • Comprendre l'architecture des LLM

La personnalisation dans l'éducation

  • La nécessité d'un apprentissage personnalisé
  • Approches actuelles de la personnalisation
  • Défis et opportunités

LLM et adaptation du contenu

  • Les LLM dans la création et la conservation de contenu
  • Adapter le contenu aux styles et niveaux d'apprentissage
  • Multitâche avec les LLM pour l'adaptation du contenu

LLM en pratique

  • Études de cas : Applications réussies du LLM dans l'éducation
  • Session interactive : Les LLM au travail

Conception de plates-formes d'apprentissage adaptatif

  • Principes de conception des plates-formes d'apprentissage adaptatif
  • Intégration des LLM dans l'architecture des plates-formes
  • Expérience de l'utilisateur et considérations relatives à l'interface

Mise en œuvre et test

  • Développement d'un prototype de plate-forme d'apprentissage adaptatif
  • Test et itération
  • Collecte et analyse du retour d'information des utilisateurs

Évaluation de l'efficacité de l'apprentissage tout au long de la vie

  • Mesures de l'impact de l'apprentissage tout au long de la vie sur l'apprentissage
  • Méthodes de recherche pour les technologies éducatives
  • Analyse et discussion d'études de cas

Considérations éthiques et orientations futures

  • Implications éthiques du LLM dans l'éducation
  • Garantir l'inclusivité et l'équité
  • Prévisions pour l'avenir des LLM dans l'apprentissage personnalisé

Projet et évaluation

  • Conception et présentation d'une proposition de plateforme d'apprentissage adaptatif basée sur le LLM
  • Évaluation par les pairs et discussions de groupe
  • Évaluation finale et retour d'information

Résumé et prochaines étapes

Pré requis

  • Compréhension des concepts de base de l'apprentissage automatique
  • Une expérience de la programmation en Python est recommandée mais non requise.
  • Une bonne connaissance des technologies éducatives est souhaitable.

Public

  • Les éducateurs
  • Développeurs de technologies éducatives
  • Chercheurs dans le domaine des technologies éducatives
 14 heures

Nombre de participants



Prix par participant

Cours Similaires

LangChain: Building AI-Powered Applications

14 heures

LangChain Fundamentals

14 heures

Introduction to Google Gemini AI

14 heures

Google Gemini AI for Content Creation

14 heures

Google Gemini AI for Transformative Customer Service

14 heures

Google Gemini AI for Data Analysis

21 heures

Generative AI with Large Language Models (LLMs)

21 heures

LlamaIndex: Enhancing Contextual AI

14 heures

LlamaIndex: Developing LLM Powered Applications

42 heures

Introduction to Large Language Models (LLMs)

14 heures

LLMs for Automated Customer Support

14 heures

LLMs for Business Intelligence

14 heures

LLMs for Content Generation

14 heures

LLMs for Code Generation and Documentation

14 heures

Advanced LLMs for NLP Tasks

21 heures

Catégories Similaires

1