Formation Introduction à la science des données et à l'IA avec Python

LangGraph est un cadre de travail pour construire des applications LLM multi-acteurs avec état, sous forme de graphes composables dotés d’un état persistant et d’un contrôle sur l’exécution.

Cette formation en direct, dirigée par un formateur (en ligne ou sur site), s’adresse aux ingénieurs de plateforme IA avancés, aux responsables DevOps pour l’IA et aux architectes ML souhaitant optimiser, déboguer, surveiller et faire fonctionner des systèmes LangGraph de niveau production.

À l’issue de cette formation, les participants seront capables de :

• Concevoir et optimiser des topologies LangGraph complexes pour la vitesse, le coût et l’évolutivité.
• Garantir la fiabilité grâce aux tentatives de recal, aux délais d’expiration, à l’idempotence et à la reprise basée sur des points de vérification.
• Déboguer et tracer les exécutions de graphes, inspecter l’état et reproduire systématiquement les problèmes en production.
• Instrumenter les graphes avec des journaux, des métriques et des traces, les déployer en production et surveiller les SLA et les coûts.

Format du cours

• Conférence interactive et discussions.
• De nombreux exercices et pratiques.
• Mise en œuvre pratique dans un environnement de laboratoire en direct.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter afin d’en convenir.

Cette formation en direct, animée par un instructeur à Canada (en ligne ou sur site), s'adresse aux scientifiques des données souhaitant utiliser l'écosystème Anaconda pour capturer, gérer et déployer des packages et des flux de travail d'analyse de données au sein d'une plateforme unique.

À l'issue de cette formation, les participants seront capables de :

• Installer et configurer les composants et bibliothèques d'Anaconda.
• Comprendre les concepts fondamentaux, les fonctionnalités et les avantages d'Anaconda.
• Gérer les packages, les environnements et les canaux à l'aide d'Anaconda Navigator.
• Utiliser les packages Conda, R et Python pour la science des données et l'apprentissage automatique.
• Découvrir des cas d'utilisation pratiques et des techniques pour gérer plusieurs environnements de données.

Cette formation en direct, animée par un instructeur, à Canada (en ligne ou sur site), s'adresse aux data scientists et aux ingénieurs logiciel qui souhaitent utiliser Dask avec l'écosystème Python pour construire, mettre à l'échelle et analyser des ensembles de données volumineux.

À l'issue de cette formation, les participants seront en mesure de :

• Configurer l'environnement nécessaire pour débuter le traitement des grandes données avec Dask et Python.
• Explorer les fonctionnalités, bibliothèques, outils et API disponibles dans Dask.
• Comprendre comment Dask accélère le calcul parallèle sous Python.
• Apprendre à mettre à l'échelle l'écosystème Python (Numpy, SciPy et Pandas) à l'aide de Dask.
• Optimiser l'environnement Dask afin de maintenir des performances élevées lors du traitement d'ensembles de données volumineux.

Cette formation en présentiel ou à distance, animée par un formateur, s'adresse aux développeurs Python et aux analystes de données de niveau intermédiaire souhaitant améliorer leurs compétences en analyse et manipulation des données à l'aide de Pandas et NumPy.

À l'issue de cette formation, les participants seront capables de :

• Configurer un environnement de développement incluant Python, Pandas et NumPy.
• Créer une application d'analyse de données utilisant Pandas et NumPy.
• Effectuer des opérations avancées de nettoyage, de tri et de filtrage des données.
• Réaliser des opérations d'agrégation et analyser des séries chronologiques.
• Visualiser les données à l'aide de Matplotlib et d'autres bibliothèques de visualisation.
• Dépanner et optimiser leur code d'analyse de données.

Cette formation en direct, animée par un instructeur (en ligne ou en présentiel), s'adresse aux développeurs souhaitant utiliser la pile FARM (FastAPI, React et MongoDB) pour créer des applications web dynamiques, performantes et évolutives.

À l'issue de cette formation, les participants seront en mesure de :

• Mettre en place l'environnement de développement nécessaire intégrant FastAPI, React et MongoDB.
• Comprendre les concepts clés, les fonctionnalités et les avantages de la pile FARM.
• Apprendre à créer des API REST avec FastAPI.
• Apprendre à concevoir des applications interactives avec React.
• Développer, tester et déployer des applications (front-end et back-end) en utilisant la pile FARM.

Cette formation en présentiel ou à distance, animée par un instructeur dans Canada s'adresse aux développeurs qui souhaitent utiliser FastAPI avec Python pour créer, tester et déployer des APIs RESTful plus facilement et rapidement.

À la fin de cette formation, les participants seront capables de :

• Configurer l'environnement de développement nécessaire pour développer des APIs avec Python et FastAPI.
• Créer des APIs plus rapidement et plus simplement en utilisant la bibliothèque FastAPI.
• Apprendre à créer des modèles de données et des schémas basés sur Pydantic et OpenAPI.
• Connecter des APIs à une base de données à l'aide de SQLAlchemy.
• Mettre en œuvre la sécurité et l'authentification dans les APIs en utilisant les outils de FastAPI.
• Construire des images de conteneurs et déployer des APIs web sur un serveur cloud.

Cette formation en direct, animée par un formateur, en Canada (en ligne ou en présentiel), s'adresse aux chercheurs et professionnels de laboratoire de niveau débutant à intermédiaire souhaitant traiter et analyser des images liées aux tissus histologiques, aux cellules sanguines, aux algues et à d'autres échantillons biologiques.

À l'issue de cette formation, les participants seront en mesure de :

• Naviguer dans l'interface de Fiji et utiliser les fonctions principales d'ImageJ.
• Prétraiter et améliorer les images scientifiques pour une analyse plus performante.
• Analyser quantitativement les images, y compris le comptage cellulaire et la mesure de surfaces.
• Automatiser les tâches répétitives à l'aide de macros et de plugins.
• Personnaliser les flux de travail pour répondre aux besoins spécifiques de l'analyse d'images en recherche biologique.

Ce cours en direct, dispensé par un formateur dans Canada (en ligne ou en présentiel), s’adresse aux scientifiques des données et aux développeurs souhaitant apprendre et développer leur carrière en science des données à l’aide de Kaggle.

À la fin de cette formation, les participants seront en mesure de :

• Se familiariser avec la science des données et l’apprentissage automatique.
• Explorer l’analyse des données.
• Comprendre Kaggle et son fonctionnement.

LangGraph est un framework permettant de créer des applications multimodèles dotées d'état persistent et d'une maîtrise de l'exécution, structurées sous forme de graphes composable. 

Cette formation en présentiel ou en ligne, animée par un formateur, s'adresse aux professionnels de niveau intermédiaire à avancé souhaitant concevoir, implémenter et exploiter des solutions financières basées sur LangGraph, tout en respectant les exigences de gouvernance, d'observabilité et de conformité. 

À l'issue de cette formation, les participants seront capables de :

• Concevoir des workflows LangGraph spécifiques au secteur financier, conformes aux exigences réglementaires et aux normes d'audit. 
• Intégrer les normes et ontologies de données financières dans l'état du graphe et les outils associés. 
• Mettre en œuvre des mécanismes de fiabilité, de sécurité et d'intervention humaine pour les processus critiques. 
• Déployer, surveiller et optimiser les systèmes LangGraph en matière de performance, de coûts et de SLA. 

Format de la formation

• Conférences interactives et discussions. 
• Nombreux exercices et mises en pratique. 
• Implémentation pratique dans un environnement de laboratoire en temps réel. 

Options de personnalisation de la formation

• Pour demander une formation personnalisée, veuillez nous contacter afin de convenir des modalités. 

LangGraph est un cadre de travail permettant de créer des applications LLM structurées sous forme de graphes, offrant des capacités de planification, de branchement, d'utilisation d'outils, de gestion de la mémoire et d'exécution contrôlable.

Cette formation en direct, animée par un instructeur (en ligne ou sur site), s'adresse aux développeurs débutants, aux ingénieurs en prompts et aux praticiens des données souhaitant concevoir et développer des flux de travail LLM multicouches fiables à l'aide de LangGraph.

À l'issue de cette formation, les participants seront capables de :

• Expliquer les concepts clés de LangGraph (nœuds, arêtes, état) et savoir quand les utiliser.
• Construire des chaînes de prompts qui se branchent, appellent des outils et conservent l'état de la conversation.
• Intégrer la récupération de données et des API externes dans des flux de travail basés sur des graphes.
• Tester, déboguer et évaluer les applications LangGraph pour garantir leur fiabilité et leur sécurité.

Format du cours

• Cours interactif et discussions animées.
• Tutoriels guidés et analyses de code dans un environnement sandbox.
• Exercices axés sur des scénarios de conception, de test et d'évaluation.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter afin d'en convenir.

LangGraph permet de créer des flux de travail étatiques et multi-acteurs alimentés par des LLM, offrant un contrôle précis des chemins d'exécution et la persistance de l'état. Dans le secteur de la santé, ces fonctionnalités sont essentielles pour garantir la conformité, l'interopérabilité et développer des systèmes d'aide à la décision alignés sur les flux de travail médicaux.

Cette formation en direct, animée par un formateur (en ligne ou sur site), s'adresse aux professionnels de niveau intermédiaire à avancé souhaitant concevoir, mettre en œuvre et gérer des solutions de santé basées sur LangGraph tout en relevant les défis réglementaires, éthiques et opérationnels.

À la fin de cette formation, les participants seront en mesure de :

• Concevoir des flux de travail LangGraph spécifiques au secteur de la santé, en privilégiant la conformité et l'auditabilité.
• Intégrer des applications LangGraph avec des ontologies et des normes médicales (FHIR, SNOMED CT, CIM).
• Appliquer les meilleures pratiques en matière de fiabilité, de traçabilité et d'explicabilité dans des environnements sensibles.
• Déployer, surveiller et valider des applications LangGraph dans des environnements de production healthcare.

Format du cours

• Cours interactif et discussions.
• Exercices pratiques avec des études de cas réelles.
• Pratique de mise en œuvre dans un environnement de laboratoire en direct.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter afin d'organiser les détails.

LangGraph est un cadre de travail permettant de créer des applications LLM multi-agents à état persistant sous forme de graphes composables, avec un état persistant et un contrôle précis de l'exécution.

Cette formation en présentiel ou en ligne, animée par un formateur, s'adresse aux professionnels de niveau intermédiaire à avancé souhaitant concevoir, mettre en œuvre et exploiter des solutions juridiques basées sur LangGraph, tout en respectant les contrôles nécessaires en matière de conformité, de traçabilité et de gouvernance.

À l'issue de cette formation, les participants seront en mesure de :

• Concevoir des flux de travail LangGraph spécifiques au domaine juridique, en préservant l'auditabilité et la conformité.
• Intégrer des ontologies juridiques et des normes documentaires dans l'état du graphe et le traitement des données.
• Mettre en place des garde-fous, des approbations humaines en boucle (human-in-the-loop) et des chemins de décision traçables.
• Déployer, surveiller et maintenir les services LangGraph en production, avec une visibilité complète et des contrôles des coûts.

Format de la formation

• Cours interactif et discussions.
• Nombreux exercices et mises en pratique.
• Implémentation pratique dans un environnement de laboratoire en temps réel.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter afin d'en convenir.

LangGraph est un framework permettant de composer des workflows d'LLM structurés sous forme de graphes, prenant en charge la branching, l'utilisation d'outils, la mémoire et l'exécution contrôlable.

Cette formation en direct animée par un instructeur (en ligne ou sur site) s'adresse aux ingénieurs de niveau intermédiaire et aux équipes produit souhaitant combiner la logique des graphes de LangGraph avec des boucles d'agents LLM pour créer des applications dynamiques et conscientes du contexte, telles que des agents de support client, des arbres de décision et des systèmes de récupération d'information.

À la fin de cette formation, les participants seront en mesure de :

• Concevoir des workflows basés sur des graphes coordonnant des agents LLM, des outils et de la mémoire.
• Mettre en œuvre un routage conditionnel, des tentatives de reconnexion et des mécanismes de repli pour une exécution robuste.
• Intégrer la récupération d'information, des API et des sorties structurées dans les boucles d'agents.
• Évaluer, surveiller et renforcer le comportement des agents pour garantir fiabilité et sécurité.

Format du cours

• Conférence interactive et discussion animée.
• Travaux pratiques guidés et parcours de code dans un environnement sandbox.
• Exercices de conception basés sur des scénarios et revues par les pairs.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter afin de l'organiser.

LangGraph est un cadre d'orchestration basé sur des graphiques qui permet la création de workflows conditionnels et multi-étapes impliquant des LLM et des outils, idéal pour automatiser et personnaliser les pipelines de contenu.

Cette formation en présentiel ou à distance, animée par un instructeur, s'adresse aux marketeurs de niveau intermédiaire, aux stratèges du contenu et aux développeurs en automatisation souhaitant mettre en œuvre des campagnes e-mail dynamiques avec logique de branchements ainsi que des pipelines de génération de contenu à l'aide de LangGraph.

À l'issue de cette formation, les participants seront en mesure de :

• Concevoir des workflows de contenu et d'e-mails structurés sous forme de graphes avec une logique conditionnelle.
• Intégrer des LLM, des API et des sources de données pour une personnalisation automatisée.
• Gérer l'état, la mémoire et le contexte à travers des campagnes multi-étapes.
• Évaluer, surveiller et optimiser les performances des workflows ainsi que les résultats de livraison.

Format du cours

• Conférences interactives et discussions en groupe.
• Travaux pratiques mettant en œuvre des workflows e-mail et des pipelines de contenu.
• Exercices basés sur des scénarios portant sur la personnalisation, la segmentation et la logique de branchements.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter afin d'organiser cela.

Cette formation en direct, dispensée par un instructeur, en <lieu> (en ligne ou sur site), s'adresse aux data scientists et aux développeurs souhaitant utiliser RAPIDS pour créer des pipelines de données accélérés par le GPU, des workflows et des visualisations, en appliquant des algorithmes de machine learning tels que XGBoost, cuML, etc.

À l'issue de cette formation, les participants seront en mesure de :

• Configurer l'environnement de développement nécessaire pour créer des modèles de données avec NVIDIA RAPIDS.
• Comprendre les fonctionnalités, les composants et les avantages de RAPIDS.
• Exploiter les GPUs pour accélérer les pipelines de données et d'analyse de bout en bout.
• Mettre en œuvre la préparation de données et l'ETL accélérés par le GPU avec cuDF et Apache Arrow.
• Apprendre à effectuer des tâches de machine learning avec les algorithmes XGBoost et cuML.
• Construire des visualisations de données et exécuter des analyses de graphes avec cuXfilter et cuGraph.