Cours de Génération Augmentée par Récupération de DeepLearning.AI

Les participants apprendront à concevoir et à mettre en œuvre chaque partie d'un système RAG, des récupérateurs et des bases de données vectorielles aux modèles de langage de grande taille et aux plateformes d'évaluation. Le cours met l'accent sur l'importance de fonder les réponses des modèles sur des données pertinentes, souvent privées ou à jour, ce qui est crucial alors que les LLM sont intégrés dans des produits et des flux de travail réels.

Le cours est structuré en cinq modules, couvrant des sujets tels que la récupération d'informations, les bases de la recherche, les bases de données vectorielles et la génération de texte. Les étudiants participeront à des travaux pratiques de programmation, construisant des composants d'un système RAG à l'aide de jeux de données du monde réel provenant de domaines tels que le commerce électronique, les médias et la santé.

Tout au long du cours, les apprenants exploreront des compromis critiques, tels que quand utiliser la récupération hybride, comment gérer les limites de la fenêtre de contexte et comment équilibrer latence et coût. À la fin du cours, les participants auront les compétences nécessaires pour construire, évaluer et faire évoluer des systèmes RAG, passant au-delà des démonstrations de preuve de concept vers un déploiement dans le monde réel.

Le cours est disponible sur Coursera et offre un certificat à l'issue de la formation. Il est auto-dirigé, permettant aux apprenants de progresser à leur propre rythme, avec un engagement estimé à 5 heures par semaine sur un mois. Une aide financière est disponible pour ceux qui y ont droit.