Formation Modèles de langage de grande taille (LLM) en Dartmouth

Cette formation en direct, animée par un formateur, est dispensée en Dartmouth (en ligne ou sur site) et s'adresse aux professionnels de la direction senior qui souhaitent comprendre ce que sont les LLM, explorer leur impact potentiel sur les opérations commerciales et évaluer des utilisations pratiques d'outils d'IA tels que ChatGPT, Microsoft Copilot ou Grok pour des tâches concrètes comme la création de contenu, la synthèse de données et l'aide à la décision.

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

• Comprendre ce que sont les LLM et comment fonctionnent des outils comme ChatGPT et Copilot.
• Utiliser des techniques de prompt pour obtenir des résultats pratiques et fiables à partir de LLM.
• Évaluer des cas d'utilisation réels tels que la rédaction d'e-mails, la synthèse de documents et l'automatisation de la productivité.
• Identifier des opportunités d'investissement et des applications stratégiques pour l'adoption de l'IA.

Cette formation en direct, animée par un formateur, sur Dartmouth (en ligne ou sur place) s’adresse aux équipes de direction qui souhaitent comprendre la valeur stratégique des LLM et des outils d’IA d’entreprise. Les participants exploreront comment intégrer ces outils dans les processus d’affaires de haut niveau, rédiger de meilleurs prompts et évaluer les possibilités d’augmentation de la productivité et du ROI grâce à l’adoption de l’IA.

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

• Comprendre le fonctionnement des LLM et la manière dont des outils comme ChatGPT et Copilot les appliquent.
• Utiliser les interactions basées sur des prompts pour automatiser et accélérer les tâches.
• Appliquer les outils d’IA à des scénarios réels, tels que la rédaction d’e-mails, la résumés de rapports et la revue de contrats.
• Évaluer les avantages stratégiques, les limites et les considérations liées à la licence pour l’adoption des LLM.

Cette formation en direct, animée par un formateur à Dartmouth (en ligne ou en présentiel), s'adresse aux chercheurs en IA, aux scientifiques des données et aux développeurs de niveau intermédiaire à avancé qui souhaitent comprendre, affiner et implémenter les grands modèles de langage de Meta AI pour diverses applications de traitement du langage naturel (TLN).

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

• Comprendre l'architecture et le fonctionnement des grands modèles de langage de Meta AI.
• Configurer et affiner les GML de Meta AI pour des cas d'utilisation spécifiques.
• Implémenter des applications basées sur des GML, telles que la synthèse de texte, les chatbots et l'analyse de sentiment.
• Optimiser et déployer efficacement des grands modèles de langage.

Cette formation en direct animée par un formateur en Dartmouth (en ligne ou sur site) s'adresse aux professionnels de l'IA de niveau intermédiaire, aux analystes commerciaux et aux dirigeants technologiques souhaitant comprendre les principes de l'IA générative ainsi que les applications des LLM dans les environnements professionnels. Les participants apprendront à connaître les mécanismes de type transformeur, l'ingénierie des invites et les considérations éthiques liées au déploiement de ces modèles pour des solutions concrètes。

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

• Comprendre les principes sous-jacents de l'IA générative et des grands modèles de langage。
• Mettre en œuvre et affiner des LLM pour des applications commerciales spécifiques。
• Appliquer des techniques d'ingénierie des invites pour obtenir des résultats optimaux des modèles。
• Reconnaître les considérations éthiques et gérer les risques lors du déploiement de LLM。

Cette formation en présentiel ou en ligne, animée par un instructeur, en Dartmouth s'adresse aux professionnels de l'IA et aux éthiciens de niveau intermédiaire, aux scientifiques et ingénieurs des données, ainsi qu'aux décideurs et aux parties prenantes souhaitant comprendre et naviguer dans le paysage éthique des LLM.

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

• Identifier les enjeux et les défis éthiques associés aux LLM.
• Appliquer des cadres et des principes éthiques au déploiement des LLM.
• Évaluer l'impact sociétal des LLM et atténuer les risques potentiels.
• Développer des stratégies pour un développement et une utilisation responsables de l'IA.

Cette formation en direct animée par un instructeur en Dartmouth (en ligne ou sur site) s'adresse aux praticiens du TAL et aux scientifiques des données de niveau intermédiaire, ainsi qu'aux créateurs de contenu, traducteurs et entreprises mondiales souhaitant utiliser des LLM pour la traduction linguistique et la création de contenu multilingue.

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

• Comprendre les principes de l'apprentissage et de la traduction interlinguale avec les LLM.
• Mettre en œuvre des LLM pour traduire du contenu entre différentes langues.
• Créer et gérer des ensembles de données multilingues pour former des LLM.
• Développer des stratégies pour maintenir la cohérence et la qualité des traductions.

Cette formation en direct, animée par un formateur, dans le domaine Dartmouth (en ligne ou en personne), s’adresse aux analystes financiers, aux scientifiques des données et aux professionnels de l’investissement de niveau intermédiaire qui souhaitent exploiter les LLM pour l’analyse et la prévision des marchés financiers.

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

• Comprendre l’application des LLM dans l’analyse des marchés financiers.
• Utiliser les LLM pour traiter les nouvelles financières, les rapports et les données afin d’obtenir des informations de marché.
• Développer des modèles prédictifs pour les cours des actions, les tendances du marché et les indicateurs économiques.
• Intégrer les informations issues des LLM dans les processus de prise de décision en matière d’investissement.

Cette formation en direct avec un formateur à Dartmouth (en ligne ou sur site) s'adresse à des scientifiques et chercheurs intermédiaires en environnement, des analystes de données ainsi qu'à des décideurs et défenseurs de l'environnement qui souhaitent utiliser les LLM pour la modélisation et l'analyse environnementales.

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

• Comprendre l'application des LLM dans les sciences environnementales.
• Utiliser les LLM pour analyser et modéliser des données environnementales.
• Interpréter les sorties des LLM pour des évaluations d'impact environnemental.
• Communiquer efficacement les résultats afin d'éclairer les politiques et les efforts de conservation.

Cette formation en direct animée par un formateur à Dartmouth (en ligne ou sur place) s'adresse aux développeurs de RV et de RA de niveau intermédiaire, aux designers de jeux vidéo et aux ingénieurs en IA qui souhaitent intégrer des LLM dans des applications de RV et de RA afin de créer des environnements plus engageants et réactifs.

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

• Comprendre le rôle des LLM dans la création d'expériences immersives en RV et en RA.
• Développer des applications RV et RA exploitant des LLM pour des dialogues interactifs et la création de contenu.
• Intégrer des LLM avec des outils de développement pour la RV et la RA afin d'améliorer l'engagement des utilisateurs.
• Appliquer les meilleures pratiques pour concevoir des récits et des interactions pilotés par l'IA dans des espaces virtuels.

Cette formation en direct, animée par un formateur à Dartmouth (en ligne ou sur site), s'adresse aux data scientists, ingénieurs en apprentissage automatique et développeurs de logiciels de niveau intermédiaire souhaitant appliquer les grands modèles linguistiques (LLM) aux données multimodales pour des applications d'IA avancées.

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

• Comprendre les principes de l'apprentissage multimodal avec les LLM.
• Mettre en œuvre des LLM pour traiter et analyser des données textuelles, visuelles et audio.
• Développer des applications exploitant les avantages de l'intégration de données multimodales.
• Évaluer les performances des systèmes LLM multimodaux.

Cette formation en direct, encadrée par un formateur à Dartmouth (en ligne ou sur site), s'adresse aux professionnels de la cybersécurité et aux data scientists de niveau intermédiaire qui souhaitent exploiter les LLM pour améliorer les mesures de cybersécurité et l'intelligence des menaces.

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

• Comprendre le rôle des LLM dans la cybersécurité.
• Mettre en œuvre des LLM pour la détection et l'analyse des menaces.
• Utiliser des LLM pour l'automatisation de la sécurité et la réponse aux incidents.
• Intégrer des LLM à l'infrastructure de sécurité existante.

Cette formation animée par un instructeur à Dartmouth (en ligne ou sur site) s'adresse aux scientifiques des données et aux analystes d'affaires de niveau intermédiaire qui souhaitent utiliser des modèles de langage larges (LLM) pour prévoir les tendances et les comportements dans divers secteurs.

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

• Comprendre les fondamentaux des LLM et leur rôle dans l'analyse prédictive.
• Mettre en œuvre des LLM pour analyser et prévoir les données dans divers secteurs.
• Évaluer l'efficacité des modèles prédictifs à l'aide de LLM.
• Intégrer des LLM dans des pipelines de traitement de données existants.

Cette formation en direct, animée par un formateur à Dartmouth (en ligne ou en présentiel), s’adresse aux data scientists de niveau intermédiaire qui souhaitent acquérir une compréhension approfondie et des compétences pratiques tant sur les grands modèles de langage (LLM) que sur l’apprentissage par renforcement (RL).

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

• Comprendre les composants et le fonctionnement des modèles à base de transformeurs.
• Optimiser et affiner les LLM pour des tâches et applications spécifiques.
• Maîtriser les principes fondamentaux et les méthodologies de l’apprentissage par renforcement.
• Apprendre comment les techniques d’apprentissage par renforcement peuvent améliorer les performances des LLM.

Cette formation en direct animée par un instructeur à Dartmouth (en ligne ou sur place) s'adresse aux créateurs de contenu, aux spécialistes du marketing et aux technologues de l'éducation de niveau intermédiaire qui souhaitent exploiter la puissance des LLM pour générer du contenu de haute qualité, diversifié et engageant dans divers domaines.

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

• Comprendre les capacités des LLM et leur application dans la génération de contenu.
• Configurer et utiliser des LLM pour générer différents types de contenu.
• Appliquer les meilleures pratiques en matière de prompting et de réglage fin des LLM pour obtenir les résultats souhaités.
• Évaluer la qualité du contenu généré par l'IA et l'ajuster pour des auditoires spécifiques.
• Explorer des techniques avancées de génération de contenu créatif et multimodal avec les LLM.

Cette formation en direct, dispensée par un formateur, à Dartmouth (en ligne ou sur place), s'adresse aux éducateurs, aux professionnels des technologies de l'éducation (EdTech) et aux chercheurs, quel que soit leur niveau d'expérience et d'expertise, qui souhaitent tirer parti des LLM pour créer des expériences éducatives personnalisées.

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

• Comprendre l'architecture et les capacités des LLM.
• Identifier les opportunités de personnalisation du contenu éducatif à l'aide des LLM.
• Concevoir des plateformes d'apprentissage adaptatif qui utilisent les LLM pour la personnalisation du contenu.
• Mettre en œuvre des stratégies pilotées par les LLM afin d'améliorer l'engagement des étudiants et les résultats d'apprentissage.
• Évaluer l'efficacité des LLM dans les contextes éducatifs et prendre des décisions fondées sur les données pour les

Cette formation en direct, animée par un instructeur, est disponible en Dartmouth (en ligne ou sur site) et s'adresse aux praticiens en apprentissage automatique (ML) et aux développeurs en IA de niveau intermédiaire qui souhaitent ajuster finement et déployer des modèles à poids ouverts comme LLaMA, Mistral et Qwen pour des applications métiers ou internes spécifiques.

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

• Comprendre l'écosystème et les différences entre les LLM open source.
• Préparer des jeux de données et des configurations d'ajustement fin pour des modèles tels que LLaMA, Mistral et Qwen.
• Exécuter des pipelines d'ajustement fin en utilisant Hugging Face Transformers et PEFT.
• Évaluer, sauvegarder et déployer des modèles ajustés finement dans des environnements sécurisés.

Cette formation en direct animée par un instructeur dans <lieu> (en ligne ou sur site) s'adresse aux développeurs logiciels et aux scientifiques des données de niveau débutant à intermédiaire qui souhaitent mettre en œuvre des LLM dans des systèmes de reconnaissance et de synthèse vocale.

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

• Comprendre le rôle des LLM dans les technologies vocales.
• Mettre en œuvre des LLM pour une reconnaissance vocale précise et une synthèse vocale naturelle.
• Intégrer des LLM avec des moteurs de reconnaissance vocale et des synthétiseurs vocaux.
• Évaluer et améliorer les performances des systèmes vocaux à l'aide de LLM.
• Se tenir informé des tendances actuelles et des orientations futures des technologies vocales.

Cette formation en présentiel animée par un formateur en Dartmouth (en ligne ou en site) s'adresse aux professionnels du support client et des TI de niveau débutant à intermédiaire qui souhaitent mettre en œuvre des LLM pour créer des chatbots de support client réactifs et intelligents.

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

• Comprendre les fondamentaux et l'architecture des grands modèles de langage (LLM).
• Concevoir et intégrer des LLM dans des systèmes de support client.
• Améliorer la réactivité et l'expérience utilisateur des chatbots.
• Aborder les considérations éthiques et assurer la conformité aux normes de l'industrie.
• Déployer et maintenir un chatbot basé sur des LLM pour des applications réelles.

Cette formation en direct animée par un instructeur à Dartmouth (en ligne ou sur site) s'adresse aux scientifiques des données et ingénieurs IA de niveau intermédiaire qui souhaitent ajuster les grands modèles de langage de manière plus abordable et efficace à l'aide de méthodes comme LoRA, Adapter Tuning et Prefix Tuning.

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

• Comprendre la théorie derrière les approches de réglage fin efficace en paramètres.
• Implémenter LoRA, Adapter Tuning et Prefix Tuning à l'aide de Hugging Face PEFT.
• Comparer les compromis entre performance et coût des méthodes PEFT par rapport au réglage fin complet.
• Déployer et passer à l'échelle les LLM ajustés avec des exigences de calcul et de stockage réduites.

Cette formation en présentiel dirigée par un instructeur dans Dartmouth (en ligne ou sur site) s'adresse aux ingénieurs en apprentissage automatique, développeurs d'IA et data scientists de niveau intermédiaire à avancé qui souhaitent apprendre à utiliser QLoRA pour ajuster efficacement de grands modèles pour des tâches et des personnalisations spécifiques.

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

• Comprendre la théorie derrière QLoRA et les techniques de quantification pour les LLM.
• Mettre en œuvre QLoRA dans l'ajustement fin de grands modèles de langage pour des applications sectorielles.
• Optimiser les performances de l'ajustement fin sur des ressources informatiques limitées en utilisant la quantification.
• Déployer et évaluer efficacement des modèles ajustés dans des applications réelles.

Cette formation en direct, animée par un instructeur à Dartmouth (en ligne ou sur site), s'adresse aux professionnels des données et du marketing de niveau intermédiaire souhaitant appliquer les LLM pour analyser et interpréter le sentiment du public issu de diverses sources textuelles, telles que les publications sur les réseaux sociaux, les critiques de produits et les commentaires des clients.

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

• Comprendre les principes de l'analyse des sentiments et leur application à l'aide de LLM.
• Prétraiter et préparer des ensembles de données pour l'analyse des sentiments.
• Former et affiner des LLM pour qu'ils reflètent avec précision le sentiment exprimé dans le texte.
• Analyser le sentiment en temps réel à partir des réseaux sociaux et d'autres sources textuelles.
• Intégrer les résultats de l'analyse des sentiments dans les stratégies commerciales et les processus décisionnels.

Cette formation en direct, encadrée par un formateur en Dartmouth (en ligne ou sur site), s'adresse aux développeurs logiciels et rédacteurs techniques de niveau intermédiaire souhaitant exploiter les LLM pour optimiser leur flux de travail de codage et créer une documentation détaillée et complète.

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

• Comprendre le rôle des LLM dans l'automatisation de la génération de code et de la documentation logicielle.
• Utiliser les LLM pour créer des extraits de code et de la documentation précis et efficaces.
• Intégrer les LLM dans le cycle de vie de développement logiciel pour améliorer la productivité.
• Maintenir des normes de documentation de haute qualité à l'aide d'outils automatisés.
• Prendre en compte les considérations éthiques et les meilleures pratiques pour l'utilisation de l'IA dans le développement logiciel.

Ce cours en ligne ou en présentiel, dirigé par un formateur, est dispensé dans <lieu> et s'adresse aux professionnels de l'entreprise et aux analystes de données de niveau intermédiaire souhaitant exploiter la puissance des LLM pour extraire des insights commerciaux.

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

• Comprendre les principes fondamentaux et les applications des LLM dans le contexte de la Business Intelligence.
• Appliquer les LLM pour analyser de grands ensembles de données et en extraire des insights significatifs.
• Intégrer les analyses pilotées par les LLM dans les processus de prise de décision stratégique.
• Évaluer les considérations éthiques et les bonnes pratiques pour l'utilisation des LLM dans les affaires.
• Anticiper les tendances futures de l'IA et se préparer à l'évolution du paysage de la Business Intelligence.

Cette formation en direct, dirigée par un formateur, en <lieu> (en ligne ou en présentiel), s'adresse aux développeurs et aux scientifiques des données de niveau intermédiaire à avancé qui souhaitent maîtriser LlamaIndex pour développer des applications innovantes alimentées par des LLM.

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

• Configurer LlamaIndex pour l'utiliser avec des LLM.
• Indexer et interroger des ensembles de données personnalisés à l'aide de LlamaIndex pour améliorer les fonctionnalités des LLM.
• Concevoir et développer des applications sophistiquées utilisant LlamaIndex et des LLM.
• Comprendre et appliquer les bonnes pratiques pour travailler avec des LLM et LlamaIndex.
• Naviguer dans les considérations éthiques liées au déploiement d'applications alimentées par des LLM.

Cette formation en direct, dispensée par un formateur à <lieu> (en ligne ou en présentiel), s'adresse aux chercheurs en IA de niveau intermédiaire, aux professionnels du machine learning et aux data scientists qui souhaitent utiliser LlamaIndex pour améliorer les capacités des modèles d'IA, les rendant ainsi plus précis et fiables pour diverses applications.

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

• Comprendre les principes et les composants de LlamaIndex.
• Ingérer et structurer les données pour les utiliser avec des LLM.
• Mettre en œuvre l'augmentation contextuelle afin d'améliorer les performances des modèles d'IA.
• Intégrer LlamaIndex dans des systèmes et des flux de travail d'IA existants.

Cette formation en présentiel ou en ligne, animée par un instructeur, s'adresse aux professionnels de niveau intermédiaire qui souhaitent exploiter le potentiel de l'ingénierie des prompts et de l'apprentissage à petits échantillons pour optimiser les performances des GML dans des applications concrètes.

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

• Comprendre les principes de l'ingénierie des prompts et de l'apprentissage à petits échantillons.
• Concevoir des prompts efficaces pour diverses tâches de traitement du langage naturel (TLN).
• Exploiter les techniques à petits échantillons pour adapter les GML avec peu de données.
• Optimiser les performances des GML pour des applications pratiques.

Cette formation en direct, animée par un formateur (en ligne ou en présentiel), s'adresse aux ingénieurs de niveau avancé, aux spécialistes de l'IA et aux chefs de projet en localisation souhaitant mettre en œuvre des systèmes de grands modèles de langage (LMM ou LLM en anglais) pour la traduction automatisée, l'évaluation de la qualité et la gouvernance des entreprises.

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

• Construire des pipelines de localisation LLM de qualité industrielle, intégrant des modèles ouverts et propriétaires.
• Mettre en œuvre des workflows d'assurance qualité automatisés et des indicateurs de qualité pour assurer la cohérence des traductions.
• Établir des cadres de gouvernance et d'approbation pour la production de contenus multilingues.
• Déployer des systèmes de localisation basés sur les LLM, évolutifs et auditables, dans des environnements sécurisés.

Cette formation en direct, animée par un instructeur en Dartmouth, permet aux ingénieurs de données d'intégrer des GML dans leurs environnements SQL. Les participants construiront des pipelines en langage naturel, mettront en œuvre une optimisation par IA et conçoîtront des flux de travail d'entreprise sécurisés pour l'analyse automatisée des données.

Cette formation en direct animée par un instructeur (en ligne ou sur site) s'adresse aux développeurs d'IA et aux ingénieurs en localisation de niveau intermédiaire souhaitant concevoir des pipelines de traduction automatisés et évolutifs à l'aide de LLM propriétaires et open source.

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

• Concevoir et déployer des flux de travail de traduction à l'aide de frameworks LLM modernes et d'API.
• Intégrer des modèles open source et commerciaux dans des systèmes de traduction évolutifs.
• Optimiser la qualité de la traduction grâce au affinage (fine-tuning), à l'ingénierie des prompts et à l'automatisation.
• Mettre en place une infrastructure de traduction rentable et conforme aux normes pour les environnements d'entreprise.

Cette formation en direct animée par un formateur dans <lieu> (en ligne ou en présentiel) s'adresse aux développeurs de niveau intermédiaire souhaitant apprendre à utiliser l'IA générative avec des LLM pour diverses tâches et domaines.

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

• Expliquer ce qu'est l'IA générative et son fonctionnement.
• Décrire l'architecture de type transformateur qui anime les LLM.
• Utiliser les lois empiriques de mise à l'échelle pour optimiser les LLM en fonction de différentes tâches et contraintes.
• Appliquer des outils et des méthodes de pointe pour entraîner, affiner et déployer des LLM.
• Discuter des opportunités et des risques de l'IA générative pour la société et les entreprises.

Maîtrisez l'intégration de l'IA dans Postgres grâce à cette formation en direct animée par un formateur à Dartmouth. Apprenez à configurer les extensions, à implémenter des intégrations pgvector et à connecter des LLM pour des analyses en temps réel. Optimisez les requêtes et construisez des systèmes intelligents dans un environnement de laboratoire pratique et en direct.

Cette formation en présentiel ou à distance, animée par un instructeur, en Dartmouth s'adresse aux développeurs, architectes et chefs de produit IA de niveau intermédiaire à avancé souhaitant identifier et atténuer les risques associés aux applications alimentées par des LLM, notamment les injections de prompts, les fuites de données et les sorties non filtrées, tout en intégrant des mesures de sécurité telles que la validation des entrées, la supervision humaine dans la boucle et les garde-fous de sortie.

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

• Comprendre les vulnérabilités fondamentales des systèmes basés sur des LLM.
• Appliquer des principes de conception sécurisée à l'architecture des applications LLM.
• Utiliser des outils tels que Guardrails AI et LangChain pour la validation, le filtrage et la sécurité.
• Intégrer des techniques comme le sand-boxing, le test d'intrusion (red teaming) et la révision humaine dans la boucle au sein de pipelines de production.

Cette formation en direct, dispensée par un formateur, est offerte à Dartmouth (en ligne ou en présentiel) et s'adresse aux professionnels de niveau intermédiaire à avancé qui souhaitent personnaliser des modèles pré-entraînés pour des tâches et des ensembles de données spécifiques.

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

• Comprendre les principes de l'ajustement fin et ses applications.
• Préparer des ensembles de données pour l'ajustement fin des modèles pré-entraînés.
• Effectuer un ajustement fin de grands modèles de langage (LLM) pour des tâches de traitement du langage naturel (NLP).
• Optimiser les performances du modèle et résoudre les défis courants.

Cette formation en direct, encadrée par un formateur, en Dartmouth (en ligne ou sur site), s'adresse aux scientifiques des données de niveau intermédiaire, aux développeurs d'IA et aux passionnés d'IA qui souhaitent utiliser des LLM pour effectuer diverses tâches de TALN et créer du contenu novateur et diversifié à des fins variées.

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

• Configurer un environnement de développement avec des LLM et des outils essentiels.
• Exécuter avec expertise des tâches de CLN et d'ILN à l'aide de LLM.
• Extraire, inférer et exploiter efficacement des graphes de connaissances.
• Générer et gérer des dialogues en utilisant des LLM pour des applications conversationnelles.
• Évaluer la qualité et la diversité du contenu généré par les LLM et l'IA générative.
• Appliquer des principes éthiques pour garantir l'équité et l'utilisation responsable des LLM.

Cette formation en présentiel ou en ligne, encadrée par un formateur, à Dartmouth, s'adresse aux développeurs débutants ou intermédiaires souhaitant utiliser les grands modèles de langage pour diverses tâches de traitement du langage naturel.

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

• Mettre en place un environnement de développement incluant un LLM populaire.
• Créer un LLM basique et l'affiner (fine-tuning) sur un jeu de données personnalisé.
• Utiliser les LLM pour différentes tâches de traitement du langage naturel, telles que la synthèse de texte, la réponse aux questions, la génération de texte, etc.
• Dépanner et évaluer les LLM à l'aide d'outils tels que TensorBoard, PyTorch Lightning et Hugging Face Datasets.

Cette formation en direct animée par un instructeur en Dartmouth (en ligne ou sur site) s'adresse aux ingénieurs en observabilité et SRE souhaitant intégrer des LLM et l'IA dans leurs workflows de surveillance, d'alerte et d'analyse des incidents.

Cette formation animée par un instructeur en Dartmouth (en ligne ou sur place) s'adresse aux professionnels du support TI désireux d'utiliser des outils d'IA et des plateformes d'automatisation pour rationaliser les processus de soutien, standardiser les réponses et réduire l'effort lié à la documentation manuelle.

Cette formation en direct, animée par un instructeur, se tient à Dartmouth (en ligne ou sur site) et s'adresse aux ingénieurs et architectes de niveau intermédiaire souhaitant utiliser Tencent Hunyuan pour déployer des modèles volumineux et de type MoE avec une latence réduite, un débit accru et un meilleur contrôle des coûts.

À l'issue de cette formation, les participants seront capables d'expliquer les schémas de déploiement en production de Hunyuan, d'optimiser les performances d'inférence, de mettre en œuvre des stratégies de groupement (batching) et de quantification, et de planifier des opérations de service évolutives.

Cette formation en direct, animée par un instructeur à Dartmouth (en ligne ou sur site), s'adresse aux développeurs de niveau intermédiaire, aux équipes produits techniques et aux praticiens de l'IA qui souhaitent utiliser les modèles Hunyuan pour créer des applications multimodales destinées à la génération et au déploiement d'images, de contenus 3D et vidéo.

À l'issue de cette formation, les participants seront en mesure de : construire des workflows basés sur des prompts, générer et évaluer des actifs multimodaux, diffuser les outputs via des applications ou des APIs, et connecter les capacités de Hunyuan aux infrastructures produits d'entreprise.

Les objectifs du cours transforment les ingénieurs en logiciels et en IA en ingénieurs du droit — ceux qui peuvent véritablement concevoir des solutions d'IA pour les travaux juridiques (eDiscovery, examen, enquêtes).

En deux jours, les participants bâtissent la pile centrale complète : ingérer et extraire des données juridiques réelles désordonnées, les rechercher et les récupérer, ajouter une génération augmentée par récupération (RAG) avec citations, garder le tout privé sur un modèle local et en prouver l'intégrité, exécuter un examen d'IA défendable avec des métriques prêtes pour les tribunaux, et empaqueter le résultat pour le déploiement.

Cette formation en présentiel ou en ligne, animée par un formateur, à Dartmouth, s’adresse aux professionnels de l’IA de niveau débutant, intermédiaire ou avancé qui souhaitent utiliser le MCP pour connecter les assistants IA à des outils externes, des données et des services d’entreprise.

À l’issue de cette formation, les participants seront capables : d’expliquer les concepts du MCP, d’identifier les principaux composants de l’architecture, de mettre en place une intégration de base et d’appliquer les bonnes pratiques en matière de sécurité.

Cette formation en direct animée par un instructeur en Dartmouth (en ligne ou sur site) s'adresse aux architectes d'entreprise de niveau intermédiaire souhaitant utiliser le Protocole de Contexte des Modèles pour concevoir des plateformes d'intégration d'agents sécurisées, évolutives et gouvernables dans des environnements d'entreprise.

À la fin de cette formation, les participants seront capables d'expliquer l'architecture du PCM et les patterns d'entreprise, de concevoir des plateformes d'intégration sécurisées, d'appliquer la gouvernance et les contrôles d'accès, et d'évaluer les options de déploiement et de mise à l'échelle.

Cette formation en direct, dispensée par un formateur en <lieu> (en ligne ou sur site), s'adresse aux développeurs, architectes et ingénieurs de plateforme de niveau intermédiaire souhaitant utiliser le MCP pour créer des serveurs et des clients fiables destinés au déploiement et à l'exploitation en entreprise.

À l'issue de cette formation, les participants seront capables d'expliquer l'architecture du MCP en pratique, de construire des intégrations prêtes pour la production, de déployer et d'observer des services MCP, et d'appliquer des patterns liés au versionnement, à la résilience et au support.

Cette formation en présentiel ou en ligne, animée par un formateur, en Dartmouth s'adresse aux dirigeants informatiques intermédiaires, aux professionnels de la conformité, aux équipes de sécurité et aux architectes d'entreprise qui souhaitent appliquer les principes de l'IA souveraine et les pratiques de gouvernance pour concevoir des environnements d'IA protégeant les données sensibles, respectant les exigences de localisation et réduisant le risque de dépendance à l'égard des fournisseurs.

À l'issue de cette formation, les participants seront en mesure d'expliquer les concepts de l'IA souveraine, d'évaluer les options d'hébergement et de gouvernance, de définir des contrôles pour les invite et les journaux, et d'élaborer une feuille de route pratique d'adoption.