AI Tutorials

Apprenez à accéder aux modèles légers et de vision Llama 3.2 sur Kaggle, à affiner le modèle sur un jeu de données personnalisé en utilisant des GPU gratuits, à fusionner et exporter le modèle vers le Hugging Face Hub, et à convertir le modèle affiné au format GGUF afin qu'il puisse être utilisé localement avec l'application Jan.

Apprenez à créer des applications d'IA en temps réel avec l'API temps réel d'OpenAI. Ce tutoriel couvre les WebSockets, la configuration de Node.js, la messagerie texte/audio, l'appel de fonctions et le déploiement d'une démo d'assistant vocal React.

Maîtrisez le processus de formation de grands modèles de langage à l'aide de PyTorch, de la configuration initiale à la mise en œuvre finale.

Apprenez les principes fondamentaux de l'apprentissage par renforcement à l'aide de l'analogie d'un chat qui apprend à utiliser un griffoir.

Voyez comment une matrice de confusion classe les prédictions du modèle en Vrais Positifs, Faux Positifs, Vrais Négatifs et Faux Négatifs. Poursuivez votre lecture pour comprendre sa structure, ses étapes de calcul et son utilisation pour le traitement des données déséquilibrées et l'analyse des erreurs.

Dans ce tutoriel, vous apprendrez à créer un modèle de réseau neuronal dans R.

Dans ce tutoriel, vous apprendrez à mettre en œuvre des réseaux de neurones convolutifs (CNN) en Python avec Keras, et à surmonter l'overfitting avec le dropout.

Apprenez à effectuer une analyse exploratoire des données pour le traitement du langage naturel à l'aide de WordCloud en Python.

Découvrez le modèle d'apprentissage profond le plus populaire, le RNN, et bénéficiez d'une expérience pratique en construisant un prédicteur du cours de l'action MasterCard.

Ce tutoriel répond aux questions les plus fréquemment posées sur l'apprentissage profond et explore divers aspects de l'apprentissage profond à l'aide d'exemples concrets.

Découvrez le modèle de génération de maillage 3D de NVIDIA, LLaMA-Mesh, ainsi que ses capacités, ses limites, ses instructions de configuration et ses exemples.

Apprenez à utiliser DeepEval pour créer des tests de pertinence de type Pytest, évaluez les sorties LLM avec la métrique G-eval, et comparez Qwen 2.5 en utilisant MMLU.