Tutoriels sur l'IA

Configurez Kimi K2.7 Code avec Pi, des compétences de recherche, une documentation à jour, une mémoire persistante, des tests navigateur et des CLIs pratiques pour créer et publier des projets data science testés.

Apprenez à utiliser l’API Python de Gemini et ses différentes fonctions pour créer gratuitement des applications dopées à l’IA.

Faites tourner le modèle agentique local Muse Glimmer de Meta avec llama.cpp, quantification dynamique, décodage spéculatif DFlash, prise en charge de la vision et OpenCode pour un agent de codage IA rapide, privé et économique.

Ce tutoriel propose une introduction à l’IA causale avec la bibliothèque DoWhy en Python. Il présente les principes fondamentaux et fournit des exemples de code.

Découvrez une application open source polyvalente qui utilise les API d’OpenAI et de Google AI pour vous offrir une meilleure expérience utilisateur. Disponible sur ordinateur et navigateur, elle peut aussi être déployée en privé.

Découvrez comment les agents IA Auto-GPT, AgentGPT et BabyAGI révolutionnent les systèmes d’IA autonomes. Explorez leurs usages, leurs limites et plus encore.

Découvrez comment utiliser l’API OpenAI pour créer des embeddings de texte. Explorez leurs applications en classification de texte, recherche d’information et similarité sémantique.

LangChain est un framework pour intégrer l’IA des grands modèles de langage dans des pipelines et des applications data. Ce tutoriel présente un aperçu de ce qu’il est possible de faire avec LangChain, les problèmes qu’il résout et des exemples de cas d’usage data.

Dans cet article, nous explorons l’architecture, les données d’entraînement, les fonctionnalités, ainsi que l’inférence et le fine-tuning du modèle Falcon 40B.

Découvrez comment LangSmith optimise les tests et le débogage des LLM pour les applications d’IA. Améliorez l’assurance qualité et accélérez le développement grâce à des exemples concrets.

LangGraph Studio est un environnement de développement visuel pour le framework LangGraph de LangChain, qui simplifie la création d’applications agentiques complexes construites avec des composants LangChain.

Il existe un nombre optimal de couches cachées et de neurones pour un réseau de neurones artificiels (RNA). Ce tutoriel présente une approche simple pour déterminer ces nombres optimaux pour les couches et les neurones d’un RNA.