Tutoriels sur l'IA

Apprenez à affiner Llama-2 sur Colab en utilisant de nouvelles techniques pour surmonter les limitations de mémoire et de calcul afin de rendre plus accessibles les grands modèles de langage open-source.

Le didacticiel couvre l'accès, la quantification, le réglage fin, la fusion et l'enregistrement de ce puissant modèle linguistique open-source de 7,3 milliards de paramètres.

Découvrez comment faire en sorte que le ChatGPT vous donne les résultats que vous souhaitez en lui fournissant les données d'entrée dont il a besoin.

Explorez le potentiel inexploité des grands modèles de langage avec LangChain, un framework Python open-source pour la création d'applications d'IA avancées.

Découvrez ce qu'est la classification des textes, comment elle fonctionne et quels sont les cas d'utilisation réussis. Explorez des exemples de bout en bout sur la façon de construire un pipeline de prétraitement de texte suivi d'un modèle de classification de texte en Python.

Découvrez comment la nouvelle fonctionnalité Function Calling d'OpenAI permet aux modèles GPT de générer des sorties JSON structurées, résolvant ainsi les problèmes de développement courants causés par des sorties irrégulières.

Dans ce tutoriel, vous apprendrez à travailler avec le paquet OpenAI Python pour avoir des conversations programmatiques avec le ChatGPT.

Tout ce que vous devez savoir sur l'analyse avancée des données du ChatGPT d'OpenAI, anciennement Code Interpreter.

Ce tutoriel couvre le stemming et la lemmatisation d'un point de vue pratique en utilisant le package Python Natural Language ToolKit (NLTK).

Python NLTK (natural language toolkit) sentiment analysis tutorial (en anglais). Apprenez à créer et à développer des analyses de sentiments à l'aide de Python. Suivez des étapes spécifiques pour extraire et analyser du texte pour le traitement du langage naturel.

Découvrez les réseaux de mémoire à long terme (LSTM) en Python et comment vous pouvez les utiliser pour faire des prédictions boursières !

Apprenez à mettre en œuvre la recherche récursive dans les systèmes RAG en utilisant LlamaIndex pour améliorer la précision et la pertinence des informations récupérées, en particulier pour les grandes collections de documents.