<?xml version="1.0" encoding="UTF-8"?><oembed><type>video</type><version>1.0</version><html>&lt;iframe src=&quot;https://www.loom.com/embed/cfc862f52a6c478191ed333ed51ba4ed&quot; frameborder=&quot;0&quot; width=&quot;1850&quot; height=&quot;1387&quot; webkitallowfullscreen mozallowfullscreen allowfullscreen&gt;&lt;/iframe&gt;</html><height>1387</height><width>1850</width><provider_name>Loom</provider_name><provider_url>https://www.loom.com</provider_url><thumbnail_height>1387</thumbnail_height><thumbnail_width>1850</thumbnail_width><thumbnail_url>https://cdn.loom.com/sessions/thumbnails/cfc862f52a6c478191ed333ed51ba4ed-7e68e336c5e79127.gif</thumbnail_url><duration>2041.15</duration><title>Lang{chain, graph, smith} - 07 rebuild de l&apos;environnement d&apos;apprentissage</title><description>Dans cette vidéo, je présente la mise en place d’un environnement de travail propre et entièrement fonctionnel pour la suite de mes cours sur l’utilisation d’outils d’IA (LangChain, Ollama, etc.). Je montre comment recréer un environnement Python isolé à l’aide de Conda, installer des bibliothèques de machine learning (PyTorch, TensorFlow, etc.) et configurer des services tiers (OpenAI, LangSmith, ngrok). Je détaille également la manière de réinitialiser l’environnement de base grâce à des scripts spécifiques (repair_conda.sh, environment.sh, config.env) pour éviter toute incompatibilité. Enfin, je vérifie le bon fonctionnement des différents composants et je mets à jour certains conteneurs Docker afin de pouvoir gérer des modèles locaux pour l’inférence.</description></oembed>