{"type":"video","version":"1.0","html":"<iframe src=\"https://www.loom.com/embed/10e635fc9e4148ccb0018566c6c94880\" frameborder=\"0\" width=\"1850\" height=\"1387\" webkitallowfullscreen mozallowfullscreen allowfullscreen></iframe>","height":1387,"width":1850,"provider_name":"Loom","provider_url":"https://www.loom.com","thumbnail_height":1387,"thumbnail_width":1850,"thumbnail_url":"https://cdn.loom.com/sessions/thumbnails/10e635fc9e4148ccb0018566c6c94880-1327ff3762373e99.gif","duration":1990.68,"title":"Les Techniques de Prompt avec les LLM - 01 introduction","description":"Dans cette vidéo, je présente les étapes clés pour créer un système LLM qui génère des réponses en fonction de sa connaissance globale. Je détaille l'importance des fonds d'engineering, les techniques de pré-traitement des données, et l'utilisation de modèles comme OpenAI. A la fin, je souligne l'impact des modèles CLM et Sequence-to-Sequence dans l'amélioration des réponses générées.\n\nDescription Générique\nCe cours explore les fondements des grands modèles de langage (LLM) et leur application dans les systèmes de génération augmentée par récupération (RAG). Nous couvrons les principes des architectures CLM, MLM et Sequence-to-Sequence, ainsi que les techniques de prompt engineering et les approches pour structurer les bases documentaires. Cette session propose une compréhension approfondie des concepts et outils nécessaires pour concevoir des solutions robustes et optimisées en intelligence artificielle."}