{"type":"video","version":"1.0","html":"<iframe src=\"https://www.loom.com/embed/bad8f385b6e14634a20c6ae89d5a9606\" frameborder=\"0\" width=\"1920\" height=\"1440\" webkitallowfullscreen mozallowfullscreen allowfullscreen></iframe>","height":1440,"width":1920,"provider_name":"Loom","provider_url":"https://www.loom.com","thumbnail_height":1440,"thumbnail_width":1920,"thumbnail_url":"https://cdn.loom.com/sessions/thumbnails/bad8f385b6e14634a20c6ae89d5a9606-00001.gif","duration":1909.858,"title":"Histoire et évolution des modèles de langage - partie 2","description":"Après avoir compris le fonctionnement des systèmes simplistes, nous nous sommes tournés vers des systèmes basés sur l'apprentissage profond, plus précisément l'apprentissage automatique. Dans cette vidéo, je vais vous expliquer les principes de fonctionnement de Word2Vec et GloVe, deux approches statistiques qui permettent d'analyser et de représenter les mots sous forme vectorielle. Vous allez comprendre comment ces techniques fonctionnent et pourquoi elles sont si puissantes. Soyez prêt à plonger dans le monde magique et mathématique de la représentation vectorielle des mots !\n\nExploration des LLM et des RAG : des fondations aux architectures modernes\nCe cours explore l'évolution des modèles de traitement du langage naturel, des premières approches statistiques aux modèles avancés tels que Word2Vec, GloVe, et les architectures neuronales modernes comme les RNN, LSTM et Transformers. À travers des exemples concrets et des explications détaillées, découvrez les principes fondamentaux qui sous-tendent les modèles de langage et leurs applications actuelles."}