Introduction au machine learning

• COMEX
• Informaticiens
• Collaborateurs

• Apprendre à stocker, trier et visualiser des données à l'aide de formats variés et d'outils de visualisation.
• Comprendre et appliquer des modèles d'intelligence artificielle simples comme la régression linéaire et les KNN.
• Maîtriser les techniques d'influence des modèles de langage (LLM) via le fine-tuning et le prompt engineering.
• Implémenter des techniques avancées pour optimiser les performances des LLM, telles que le RAG et les agents REACT.

Préparer et visualiser ses datas

Introduction

• Présentation de jupyter notebook (l'outil que nous utiliserons pour la formation)
• Comment les stocker, les trier et les visualiser
• Stocker les données dans les différents formats :
  • CSV
  • JSONL
  • Base de données
  • Parquet
• Trier la data grâce à SQL
• Visualiser la data dans des graphiques avec Pandas et Matplotlib
  • Scatter plot - Nuage de points
  • Plot box - Boite à moustache
  • Bar chart - Histogrammes

Pratique: Trier de la donnée par table et afficher le résultat dans des graphiques grâce à Pandas

Choisir son modèle d'intelligence artificielle

L'idée est de rapidement présenter quelques modèles simples : le concept, la famille et l'utilité

• Les régressions linéaires
• Les KNN
• Les arbres de décision
• Les RNN
• Introduction à la lib Sickit-learn pour les algorithmes simples
• Introduction à Keras pour le machine learning

Pratique: Sur les tris effectués précédemment, réaliser un système de prédiction avec deux manières différentes : une régression linéaire avec Sickit-learn et un KNN avec Keras

Manipuler un LLM

Montrer qu'il est possible d'influencer facilement un LLM par 2 techniques :

• Fine tune
• Prompt ingénierie

Pratique:

• Charger un model LLM via pytorch,
• Utiliser un LLM pour l'analyse des sentiments dans du texte

Technique LLM avancée

Comment implémenter, améliorer et diminuer le coût de ses LLM avec des techniques avancées :

• RAG
• Agentic AI
• Routing
• Caching

Pratique:

• Implémenter un RAG afin d'améliorer les réponse d'un LLM
• Utiliser un Agent REACT

Une attestation de participation sera transmise aux participants