Un parcours ourdou-anglais allant du vocabulaire de l’apprentissage automatique et du NLP aux modèles préentraînés, au prompting et à une architecture d’agent de recherche attentive aux citations.
Construisez un parcours conceptuel allant de l’apprentissage automatique et du NLP aux grands modèles de langage, aux outils de modèles préentraînés, au prompting et à un projet de synthèse d’agent de recherche en Python. La séquence est présentée dans un enseignement ourdou-anglais et doit servir de base à des expériences, non de promesse qu’une API de modèle, une bibliothèque ou un service hébergé restera inchangé. Les travaux demandés mettent l’accent sur le traitement des sources, les sorties structurées et la revue humaine.
Expliquer les concepts fondamentaux de l’apprentissage automatique, du NLP et des LLM avec un vocabulaire technique ourdou-anglais. Décrire l’intérêt des modèles préentraînés et des hubs de modèles, ainsi que leurs limites. Concevoir des prompts avec contexte explicite, structure de sortie et étapes de vérification. Spécifier un petit agent de recherche qui utilise des outils, des citations et des sorties vérifiables.
Connaissances élémentaires de Python et de gestion de fichiers, volonté de lire des contenus techniques ourdou-anglais et familiarité avec les prompts simples. Aucune expérience préalable d’un framework d’agents n’est requise.
Aux apprenants ayant des bases et souhaitant développer des compétences pratiques en autonomie
Aux personnes qui apprennent mieux avec des exemples, des leçons guidées et de la pratique
Aux professionnels, créateurs et développeurs indépendants recherchant une méthode reproductible
La leçon 1 est gratuite
7 leçons · Intermédiaire · Cours complet.
Ce cours utilise du contenu sous licence CC BY attribué à son fournisseur ou à la personne qui l’a mis en ligne. La lecture des leçons est disponible uniquement après authentification et validation des contrôles de publication et de licence.