Accueil
Numérique
Intelligence artificielle
ChatGPT
Complète nlp et api openai : maîtriser le traitement du langage naturel (nlp) avec les technologies openai

Complète nlp et api openai : maîtriser le traitement du langage naturel (nlp) avec les technologies openai

Qualiopi

En centre

Non éligible CPF

Objectifs

Programme

Comprendre et maîtriser les concepts fondamentaux du Natural Language Processing (NLP)
Apprendre à mettre en œuvre le NLP en utilisant le langage de programmation Python et les modèles open-source
Approfondir la connaissance des Réseaux de Neurones Récurrents (RNN) dans le cadre du NLP
S'initier et maîtriser l'utilisation de l'API d'OpenAI pour l'implémentation du NLP
Assimiler et mettre en application les principes de Fine-Tuning du modèle DALL-E d'OpenAI
Évaluer et optimiser la performance des modèles NLP en utilisant diverses métriques et techniques d'optimisation
Développer des compétences pour résoudre des problèmes concrets en NLP en utilisant l'API d'OpenAI.

1. FONDAMENTAUX DU TRAITEMENT DU LANGAGE NATUREL ET TRAITEMENT DE TEXTE

Comprendre le Machine Learning et le Deep Learning
Conception d'un réseau de neurones
Introduction au Natural Language Processing (NLP)
Exploration des outils de NLP : Token, Bag of Word, TFIDF
Initiation au plongement de mots : Word Embedding

2. INTRODUCTION À PYTHON ET NLTK

Installation et utilisation de la bibliothèque NLTK
Analyse de textes : similarité de texte, analyse de sentiment et reconnaissance d'entités nommées

3. NOTIONS AVANCEES DU TRAITEMENT DU LANGAGE NATUREL AVEC RNN ET GPT

Présentation des réseaux de neurones récurrents (RNN)
Application des RNN aux problèmes de traitement du langage
Introduction à la bibliothèque transformers de Hugging Face
Présentation de GPT et son fonctionnement
Utilisation pratique des modèles GPT
Atelier : Mise en œuvre des modèles RNN et GPT sur des cas concrets

4. INTRODUCTION À OPENAI - CHATGPT

Découverte de OpenAI
Compréhension des principes de fonctionnement de l'IA
Exploration des ressources OpenAI
Génération de texte avec ChatGPT
Intégration de ChatGPT dans des applications
Atelier : Discussion des bonnes pratiques

5. GÉNÉRATION D'IMAGES AVEC DALL-E

Introduction à la vision par ordinateur (Computer Vision)
Compréhension des réseaux de neurones à convolution
Découverte des modèles open-source disponibles
Présentation et fonctionnement de DALL-E
Génération d'images à partir de descriptions en langage naturel
Exploration des fonctionnalités de DALL-E : extension d'images, modification d'images existantes, création de variations d'une image
Utilisation de l'API DALL-E
Atelier : Discussion des bonnes pratiques et des mesures de sécurité pour l'utilisation de DALL-E

6. GPT4, FINE-TUNING ET WHISPER

Utilisation du modèle GPT-4 de l’API Open AI
Exploration des fonctionnalités de GPT-4
Atelier : Exemples d'utilisation de GPT-4
Introduction au fine-tuning
Parcours d'exemples d'utilisation de GPT-4 et compétences en fine-tuning
Découverte de Whisper et son principe de fonctionnement
Conversion d'un audio en texte et d'un texte en audio
Traduction et transcription d'un audio dans différentes langues
Installation et exécution de Whisper en local.

7. POUR ALLER PLUS LOIN : PREPARER L'ARRIVEE DE GPT5

Exploration des nouvelles fonctionnalités de Chat-GPT

Public visé

Cette formation s'adresse à une variété de professionnels travaillant dans le domaine de la programmation, de l'ingénierie et de l'analyse de données. Les profils ciblés sont principalement les développeurs, qu'ils soient généralistes ou spécialisés dans le traitement du langage naturel. Les ingénieurs en informatique, en particulier ceux qui ont une expérience ou un intérêt pour l'intelligence artificielle, trouveront également cette formation pertinente. En outre, les analystes de données et les data scientists qui cherchent à améliorer leurs compétences en matière de NLP et d'API pourront approfondir leurs connaissances grâce à cette formation. Enfin, cette formation peut être bénéfique pour tout professionnel du secteur technologique désireux d'élargir son champ de compétences et de s'initier aux technologies d'OpenAI.

Prérequis

Avoir des connaissances de base en programmation Python. Cela implique une familiarité avec la syntaxe Python, les structures de données fondamentales (listes, dictionnaires, tuples, etc.), le contrôle du flux d'exécution (boucles, conditionnels) et une compréhension générale des fonctions. Posséder des connaissances en deep learning. Les participants à cette formation devraient avoir une compréhension fondamentale des concepts clés du deep learning, tels que les réseaux de neurones, la propagation avant et arrière, la fonction d'activation, la fonction de perte et l'optimisation. Avoir des connaissances de base en traitement du langage naturel (NLP). Il est important de comprendre comment les machines traitent et analysent le langage naturel, ainsi que les concepts tels que la tokenisation, le stemming, le lemmatising et la vectorisation de texte. Être muni d'un ordinateur relié à Internet, possédant une caméra, un micro et 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.