Dans ce module, vous apprendrez à construire votre propre application de type ChatGPT en utilisant des outils d'IA générative. Dans le cadre du projet, vous travaillerez avec le modèle BlenderBot de Facebook en utilisant la bibliothèque Transformers de Hugging Face en Python. Vous explorerez des composants clés tels que les grands modèles de langage (LLM), l'ingénierie de la requête et la conception de l'interface utilisateur. Des lectures pratiques et des laboratoires vous guideront dans l'intégration de modèles par le biais d'API et le déploiement de votre application. Vous acquerrez également une expérience pratique avec des frameworks tels que Gradio et Hugging Face. À la fin du cours, vous serez en mesure de créer et de personnaliser votre propre application Web d'IA conversationnelle.

Dans ce module, vous explorerez comment construire un assistant vocal alimenté par l'IA générative en combinant le GPT-3 d'OpenAI avec les services de synthèse vocale et de reconnaissance vocale d'IBM Watson. Vous apprendrez à structurer l'application, à appliquer la conteneurisation à l'aide de Docker pour un déploiement cohérent, et à mettre en œuvre un assistant vocal de base qui peut comprendre les entrées vocales et répondre naturellement par la parole synthétisée. Enfin, vous apprendrez à déployer le chatbot sur un serveur public.

Dans ce module, vous apprendrez à construire un assistant de réunion alimenté par l'IA générative qui peut transcrire, résumer et répondre aux questions en fonction du contenu de la réunion. Vous explorerez des technologies clés telles que IBM watsonx.ai, Meta Llama 2 et OpenAI Whisper, et comprendrez leurs rôles dans la création de solutions d'IA prêtes pour l'entreprise. Grâce à des laboratoires pratiques, vous mettrez en œuvre un assistant de réunion fonctionnel qui présente des applications commerciales réelles de l'IA générative.

Dans ce module, vous apprendrez à construire des applications IA génératives qui résument et répondent à des questions en cours d'utilisation. Vous explorerez le concept de Génération augmentée de récupération (RAG), comprendrez comment des outils comme LangChain et Llama 2 soutiennent ce processus, et appliquerez ces technologies pour créer un chatbot fonctionnel qui récupère et résume des documents privés. Cette expérience pratique vous préparera à mettre en œuvre des assistants IA sécurisés et spécifiques à un domaine dans les entreprises.

Dans ce module, vous allez acquérir les compétences nécessaires pour construire un assistant traducteur vocal en temps réel en utilisant des technologies IA génératives. Vous apprendrez à intégrer de grands modèles de langage, tels que Flan-UL2, avec IBM Watson® Speech Libraries for CONVERT pour convertir l'entrée parlée en sortie vocale traduite. Le flux de travail de l'application comprend la conversion de la parole en texte (STT), la traduction du texte à l'aide d'un LLM et la reconversion en parole (TTS) dans une langue cible. Vous appliquerez également vos connaissances de Python, Flask, HTML, CSS et JavaScript pour créer un assistant vocal Web fonctionnel et convivial qui prend en charge la communication multilingue en temps réel. Pour soutenir votre apprentissage, ce module comprend également un glossaire de cours pour renforcer les termes et technologies clés de l'IA générative. Vous terminerez par une synthèse du cours qui résume les principaux concepts et vous prépare à appliquer vos nouvelles compétences à des applications IA du monde réel.

Dans ce module, vous apprendrez à construire un coach de carrière personnalisé alimenté par l'IA à l'aide de grands modèles de langage (LLM). Vous explorerez comment l'IA générative peut aider les demandeurs d'emploi en leur fournissant des commentaires sur leur CV, des informations sur l'adéquation des emplois et des conseils pour la préparation des entretiens. Grâce à la pratique, vous mettrez en œuvre un assistant de demande d'emploi qui utilise les entrées de l'utilisateur et l'ingénierie de requête pour générer des conseils de carrière sur mesure. Ce module vous aidera également à comprendre comment appliquer les LLM dans des scénarios pratiques, centrés sur l'utilisateur, qui soutiennent le développement professionnel et l'avancement de carrière.