Aller au contenu principal

LLM avancé

Date de mise à jour :
Identifiant Offre Info : 14_AF_0000221582
Organisme responsable : Human Coders (ouvre dans un nouvel onglet)

Nouvelle recherche

Présentation de la formation

Objectifs

  • Comprendre les principes fondamentaux de l'architecture Transformer
  • Adapter un LLM avec différentes stratégies de fine-tuning (full, LoRA, PEFT)
  • Déployer un modèle en production et assurer sa scalabilité
  • Réduire les coûts et optimiser les performances via quantization/pruning
  • Évaluer la qualité et la pertinence métier d'un LLM
  • Détecter et atténuer les biais et risques éthiques en production

Programme de la formation

Cette formation LLM avancé, sur 3 jours, accompagne les apprenants d'un prototype LLM à un système IA production-ready, en progressant logiquement du fine-tuning à l'orchestration multi-agents. Jour 1 porte sur l'adaptation de LLM génériques via LoRA, PEFT, SFTTrainer et TRL, avec focus sur datasets métiers, évaluation et optimisation coûts. Jour 2 initie aux agents IA autonomes (MCP, OpenAI SDK), incluant tool calling, mémoire contextuelle, sécurité et déploiement cloud. Jour 3…

Cette formation LLM avancé, sur 3 jours, accompagne les apprenants d'un prototype LLM à un système IA production-ready, en progressant logiquement du fine-tuning à l'orchestration multi-agents. Jour 1 porte sur l'adaptation de LLM génériques via LoRA, PEFT, SFTTrainer et TRL, avec focus sur datasets métiers, évaluation et optimisation coûts. Jour 2 initie aux agents IA autonomes (MCP, OpenAI SDK), incluant tool calling, mémoire contextuelle, sécurité et déploiement cloud. Jour 3 aborde l'orchestration avec LangGraph, gestion d'erreurs, performances et gouvernance pour des workflows scalables. Méthodes d'apprentissage : démonstrations, exercices pratiques hands-on quotidiens (préparation d'environnements, TP sur cas métiers réels, analyses de performances) et mises en situation pour itérer rapidement. Prérequis : bases en Python, machine learning et LLM (niveau intermédiaire). Compétences acquises : implémenter fine-tuning efficace, concevoir agents actionnables, orchestrer systèmes fiables, optimiser qualité/coûts/sécurité en entreprise.

Validation et sanction

Attestation de formation

Type de formation

Non certifiante

Niveau de sortie

Sans niveau spécifique

Durée, rythme, financement

Financement

Conventionnement
Non

Conditions d'accès

Public visé

  • Tout public

Niveau d'entrée

Sans niveau spécifique

Conditions spécifiques et prérequis

-

Lieu de réalisation de l'action

Modalités d'enseignement

Formation entièrement en présentielle

Adresse

11bis Passage Doisy
75017 Paris 17e

Responsable : Human Coders

Périodes prévisibles de déroulement des sessions

Début

Fin

Adresse d'inscription
Human Coders
75017 Paris 17e
État du recrutement
Ouvert
Modalités
Entrées / Sorties à dates fixes