Formation Intelligence Artificielle avec Python (Niveau Intermédiaire)

LangGraph est un framework pour construire des applications LLM multi-acteurs et à état en utilisant des graphes composables avec un état persistant et un contrôle sur l'exécution.

Cette formation en direct, dirigée par un instructeur (en ligne ou sur site), s'adresse aux ingénieurs de plateforme AI avancés, DevOps pour AI et architectes ML qui souhaitent optimiser, déboguer, surveiller et opérer des systèmes LangGraph de production.

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

• Définir et optimiser des topologies complexes de LangGraph pour la vitesse, le coût et l'évolutivité.
• Concevoir une fiabilité grâce aux réessais, aux délais d'expiration, à l'idempotence et au redémarrage basé sur les points de contrôle.
• Déboguer et tracer les exécutions des graphes, inspecter l'état et reproduire systématiquement les problèmes de production.
• Instrumentaliser les graphes avec des journaux, des métriques et des traces, déployer en production et surveiller les SLAs et les coûts.

Format du cours

• Cours interactif et discussion.
• De nombreux exercices et pratiques.
• Mise en œuvre pratique dans un environnement de laboratoire live.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour les arrangements.

Devstral est un cadre open-source conçu pour créer et exécuter des agents de codage capables d'interagir avec des bases de code, des outils de développement et des API afin d'améliorer la productivité des ingénieurs.

Cette formation dirigée par un instructeur (en ligne ou sur site) est destinée aux ingénieurs ML intermédiaires à avancés, aux équipes d'outils de développement et aux SREs qui souhaitent concevoir, implémenter et optimiser des agents de codage en utilisant Devstral.

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

• Configurer Devstral pour le développement d'agents de codage.
• Concevoir des workflows agentic pour l'exploration et la modification des bases de code.
• Intégrer les agents de codage avec des outils de développement et des API.
• Appliquer les meilleures pratiques pour un déploiement sécurisé et efficace des agents.

Format du cours

• Cours interactif avec discussion.
• Nombreux exercices et pratiques.
• Implémentation pratique dans un environnement de laboratoire en direct.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser.

Cette formation en <loc&gt ; (en ligne ou sur site) est destinée aux data scientists et aux ingénieurs logiciels qui souhaitent utiliser Dask avec l'écosystème Python pour construire, mettre à l'échelle et analyser de grands ensembles de données.

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

• Mettre en place l'environnement pour commencer à construire des traitements de big data avec Dask et Python.
• Explorer les fonctionnalités, les bibliothèques, les outils et les API disponibles dans Dask.
• Comprendre comment Dask accélère le calcul parallèle en Python.
• Apprendre à faire évoluer l'écosystème Python (Numpy, SciPy et Pandas) en utilisant Dask.
• Optimiser l'environnement Dask pour maintenir de hautes performances dans le traitement de grands ensembles de données.

Ce formation en direct, dirigée par un formateur (en ligne ou sur site) est destinée aux développeurs et analystes de données intermédiaires qui souhaitent améliorer leurs compétences en analyse et manipulation des données à l'aide de Python, Pandas et NumPy.

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

• Configurer un environnement de développement comprenant Python, Pandas et NumPy.
• Créer une application d'analyse des données utilisant Pandas et NumPy.
• Réaliser des opérations avancées de préparation, de tri et de filtrage des données.
• Conduire des opérations agrégées et analyser les séries temporelles.
• Visualiser les données à l'aide de Matplotlib et d'autres bibliothèques de visualisation.
• Déboguer et optimiser leur code d'analyse des données.

Ce cours de formation dirigé par un instructeur (en ligne ou sur site) est destiné aux développeurs qui souhaitent utiliser la pile FARM (FastAPI, React et MongoDB) pour créer des applications web dynamiques, haute performance et évolutives.

À la fin 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 construire 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 direct (en ligne ou sur site) est destinée aux développeurs qui souhaitent utiliser FastAPI avec Python pour créer, tester et déployer des API RESTful plus facilement et plus rapidement.

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

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

Cette formation dirigée par un instructeur (en ligne ou sur site) est destinée aux chercheurs et professionnels de laboratoire débutants à intermédiaires qui souhaitent traiter et analyser des images liées aux tissus histologiques, aux cellules sanguines, aux algues et autres échantillons biologiques.

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

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

LangGraph est un framework permettant de construire des applications LLM à état et multi-acteurs sous forme de graphes composables avec un état persistant et un contrôle d'exécution.

Cette formation en direct (en ligne ou sur site) dispensée par un formateur s'adresse aux professionnels intermédiaires et avancés souhaitant concevoir, mettre en œuvre et exploiter des solutions financières basées sur LangGraph avec une gouvernance, une observabilité et une conformité appropriées.

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

• Concevoir des workflows LangGraph spécifiques aux finances en adéquation avec les exigences réglementaires et d'audit.
• Intégrer les normes et ontologies de données financières dans l'état du graphe et les outils.
• Mettre en œuvre la fiabilité, la sécurité et le contrôle humain-en-boucle pour des processus critiques.
• Déployer, surveiller et optimiser les systèmes LangGraph en termes de performance, de coût et d'engagements SLA.

Format du cours

• Cours interactif et discussions.
• Nombreux exercices et pratiques.
• Mise en œuvre pratique dans un environnement de laboratoire vivant.

Options de personnalisation du cours

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

LangGraph est un framework pour la construction d'applications LLM structurées en graphes qui prennent en charge le planification, le branchement, l'utilisation des outils, la mémoire et l'exécution contrôlée.

Cette formation en direct (en ligne ou sur place) animée par un formateur est destinée aux développeurs débutants, aux ingénieurs de prompts et aux praticiens des données qui souhaitent concevoir et construire des workflows LLM multi-étapes fiables à l'aide de LangGraph.

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

• Expliquer les concepts fondamentaux de LangGraph (nœuds, arêtes, état) et quand les utiliser.
• Créer des chaînes de prompts qui se branchent, appellent des outils et maintiennent la mémoire.
• Intégrer des récupérations et des APIs externes dans les workflows graphiques.
• Tester, déboguer et évaluer les applications LangGraph pour garantir fiabilité et sécurité.

Format du cours

• Cours interactif et discussion guidée.
• Laboratoires encadrés et démonstrations de code dans un environnement sandbox.
• Exercices basés sur des scénarios pour la conception, le test et l'évaluation.

Options de personnalisation du cours

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

LangGraph permet des workflows multi-acteurs et étatiques alimentés par des LLM avec un contrôle précis sur les chemins d'exécution et la persistance de l'état. Dans le secteur de la santé, ces capacités sont essentielles pour la conformité, l'interopérabilité et la création de systèmes de soutien à la décision qui s'intègrent aux workflows médicaux.

Cette formation en direct animée par un instructeur (en ligne ou sur site) est destinée aux professionnels intermédiaires et avancés souhaitant concevoir, mettre en œuvre et gérer des solutions de santé basées sur LangGraph tout en répondant aux défis réglementaires, éthiques et opérationnels.

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

• Concevoir des workflows spécifiques à la santé avec LangGraph en tenant compte de la conformité et de la traçabilité.
• Intégrer les applications LangGraph aux ontologies et normes médicales (FHIR, SNOMED CT, ICD).
• Appliquer les meilleures pratiques pour la fiabilité, la traçabilité et l'explicabilité dans des environnements sensibles.
• Déployer, surveiller et valider les applications LangGraph dans des environnements de production en santé.

Format du cours

• Cours interactif et discussions.
• Exercices pratiques avec des études de cas réelles.
• Mise en pratique dans un environnement de laboratoire live.

Options de personnalisation du cours

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

LangGraph est un cadre permettant de construire des applications LLM (Large Language Models) étatiques et multi-acteurs sous forme de graphes composites avec un état persistant et un contrôle précis de l'exécution.

Cette formation dirigée par un instructeur (en ligne ou sur site) est destinée aux professionnels de niveau intermédiaire à avancé qui souhaitent concevoir, mettre en œuvre et opérer des solutions juridiques basées sur LangGraph avec les contrôles nécessaires de conformité, de traçabilité et de gouvernance.

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

• Concevoir des flux de travail LangGraph spécifiques au domaine juridique qui préservent l'auditabilité et la conformité.
• Intégrer les ontologies juridiques et les normes documentaires dans l'état du graphe et le traitement.
• Mettre en œuvre des garde-fous, des approbations humaines dans la boucle, et des chemins de décision traçables.
• Déployer, surveiller et maintenir les services LangGraph en production avec une observabilité et des contrôles de coûts.

Format du cours

• Cours interactif et discussion.
• 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 pour organiser.

Cette formation en direct (en ligne ou sur site) dirigée par un formateur s'adresse aux ingénieurs intermédiaires et aux équipes de produits qui souhaitent combiner la logique graphique de LangGraph avec les boucles d'agents LLM pour construire des applications dynamiques et contextuelles telles que des agents de support clients, des arbres de décision et des systèmes de récupération d'information.

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

• Définir des flux de travail basés sur les graphes qui coordonnent les agents LLM, les outils et la mémoire.
• Mettre en œuvre une routage conditionnel, des tentatives redémarrages et des remplacements pour une exécution robuste.
• Intégrer le récupération de données, les API et les sorties structurées dans les boucles d'agents.
• Évaluer, surveiller et renforcer le comportement des agents pour la fiabilité et la sécurité.

Format du cours

• Cours interactif et discussion facilitée.
• Laboratoires 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 pour en faire la demande.

LangGraph est un cadre d'orchestration basé sur des graphes qui permet des flux de travail conditionnels et multietapes avec des modèles linguistiques (LLM) et des outils, idéal pour automatiser et personnaliser les pipelines de contenu.

Cette formation en présentiel ou en ligne, animée par un instructeur, est destinée aux marketeurs intermédiaires, aux stratèges de contenu et aux développeurs d'automatisation qui souhaitent mettre en œuvre des campagnes e-mail dynamiques et des pipelines de génération de contenu à l'aide de LangGraph.

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

• Concevoir des flux de travail de contenu et d'e-mail basés sur des 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 dans des campagnes multietapes.
• Évaluer, surveiller et optimiser les performances et les résultats de livraison des flux de travail.

Format du Cours

• Conférences interactives et discussions de groupe.
• Ateliers pratiques pour mettre en œuvre des flux de travail d'e-mail et des pipelines de contenu.
• Exercices basés sur des scénarios concernant la personnalisation, le segmentage et la logique conditionnelle.

Options de Personnalisation du Cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser.

Mistral Medium 3 est un modèle de langage multimodal à grande échelle, performant et conçu pour une déployment d'entreprise dans divers environnements.

Cette formation dirigée par un instructeur (en ligne ou sur site) s'adresse aux ingénieurs AI/ML intermédiaires à avancés, aux architectes de plateforme et aux équipes MLOps qui souhaitent déployer, optimiser et sécuriser Mistral Medium 3 pour des cas d'utilisation d'entreprise.

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

• Déployer Mistral Medium 3 à l'aide d'options API et auto-hébergées.
• Optimiser les performances d'inférence et les coûts.
• Mettre en œuvre des cas d'utilisation multimodaux avec Mistral Medium 3.
• Appliquer les meilleures pratiques de sécurité et de conformité pour les environnements d'entreprise.

Format du cours

• Cours interactif avec présentation et discussion.
• 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 pour organiser.

Cette formation en direct avec instructeur dans Canada (en ligne ou sur site) est destinée aux scientifiques des données et aux développeurs qui souhaitent utiliser Modin pour construire et mettre en œuvre des calculs parallèles avec Pandas afin d'accélérer l'analyse des données.

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

• Mettre en place l'environnement nécessaire pour commencer à développer des flux de travail Pandas à l'échelle avec Modin.
• Comprendre les caractéristiques, l'architecture et les avantages de Modin.
• Connaître les différences entre Modin, Dask et Ray.
• Effectuer des opérations Pandas plus rapidement avec Modin.
• Mettre en œuvre l'ensemble de l'API et des fonctions Pandas.