AI Tutorials

Apprenez à utiliser TinyTroupe de Microsoft pour simuler des interactions entre des personas d'IA ayant des caractéristiques distinctes pour des objectifs différents.

Découvrez ce qu'est la mise en cache rapide et comment l'utiliser avec Ollama pour optimiser les interactions LLM, réduire les coûts et améliorer les performances des applications d'IA.

Plongez dans l'IA explicable (XAI) et apprenez comment instaurer la confiance dans les systèmes d'IA avec LIME et SHAP pour l'interprétabilité des modèles. Comprendre l'importance de la transparence et de l'équité dans les décisions prises par l'IA.

Apprenez à tirer le meilleur parti de NotebookLM en utilisant sa fonction de génération de podcasts et sa capacité à organiser, résumer et répondre aux questions sur vos documents.

Pour vous connecter via l'API de Claude 3.5 Sonnet, obtenez votre clé API auprès d'Anthropic, installez la bibliothèque Python anthropic, et utilisez-la pour envoyer des requêtes et recevoir des réponses de Claude 3.5 Sonnet.

Commencez à utiliser les nouveaux modèles Llama et personnalisez Llama-3.1-8B-It pour prédire divers troubles mentaux à partir du texte.

Apprenez à installer Cursor AI sur Windows, macOS et Linux, et découvrez comment l'utiliser à travers 10 cas d'utilisation différents.

Exploitez tout le potentiel des grands modèles de langage (LLM) grâce à notre guide sur l'incitation à la chaîne de pensée (CoT). Découvrez comment améliorer les capacités de raisonnement et de résolution de problèmes des étudiants en master de droit.

LangGraph est une bibliothèque de l'écosystème LangChain qui fournit un cadre pour la définition, la coordination et l'exécution de plusieurs agents LLM (ou chaînes) de manière structurée et efficace.

Le réglage rapide est une technique utilisée pour améliorer les performances d'un modèle linguistique pré-entraîné sans modifier l'architecture interne du modèle.

Apprenez à mettre en œuvre des graphes de connaissances pour les applications RAG en suivant ce tutoriel étape par étape pour améliorer les réponses de l'IA avec des connaissances structurées.

Explorer différentes approches pour améliorer les systèmes RAG : Chunking, Reranking et transformation des requêtes.