La demande des entreprises pour des compétences techniques en IA explose, et les ingénieurs en IA qui peuvent travailler avec de grands modèles de langage (LLM) sont très demandés. Ce cours Fundamentals of Building IA Agents using RAG and LangChain développe des compétences prêtes à l'emploi qui alimenteront votre carrière en IA. Dans ce cours, vous explorerez la Génération augmentée de récupération (RAG), l'ingénierie de la requête et les concepts de LangChain. Vous découvrirez le processus RAG, ses applications, les encodeurs et les tokenizers, ainsi que la bibliothèque FAISS pour la recherche vectorielle en haute dimension. Ensuite, vous appliquerez l'apprentissage en contexte et les techniques avancées d'ingénierie de requête, y compris les modèles de requête et les sélecteurs d'exemples, pour générer des réponses précises. Vous travaillerez également avec les outils, les composants, les chargeurs de documents, les récupérateurs, les chaînes et les agents de LangChain pour simplifier le développement d'applications basées sur le LLM. Grâce à des travaux pratiques, vous développerez des agents IA qui intègrent les technologies LLM, LangChain et RAG. Vous réaliserez également un projet réel que vous pourrez présenter lors d'entretiens. Une antisèche complète et un glossaire sont inclus pour renforcer votre apprentissage. Inscrivez-vous dès aujourd'hui et construisez des compétences en IA générative en demande en seulement 8 heures !

Vente anticipée ! Débloquez plus de 10 000 cours de Google, Microsoft et autres pour 160 €/an. Économisez maintenant.


Principes de base des agents IA utilisant RAG et LangChain
Ce cours fait partie de plusieurs programmes.
Enseigné en Français (doublage IA)



Instructeurs : Joseph Santarcangelo
16 719 déjà inscrits
Inclus avec
(102 avis)
Expérience recommandée
Ce que vous apprendrez
Compétences en demande et prêtes à l'emploi que les entreprises recherchent pour construire des agents IA à l'aide de RAG et LangChain en seulement 8 heures
Comment appliquer les principes fondamentaux de l'apprentissage en contexte et de l'ingénierie avancée des requêtes pour améliorer la conception des requêtes ?
Les concepts clés de LangChain, y compris les outils, les composants, les modèles de chat, les chaînes et les agents
Comment construire des applications IA en intégrant les technologies RAG, PyTorch, Hugging Face, LLMs, et LangChain
Compétences que vous acquerrez
- Catégorie : IA générative
- Catégorie : Agents IA génératifs
- Catégorie : Prompt engineering
- Catégorie : Traitement du langage naturel (NLP)
- Catégorie : Intelligence artificielle et apprentissage automatique (IA/ML)
- Catégorie : OpenAI
- Catégorie : Grand modèle de langage (LLM)
- Catégorie : ChatGPT
- Catégorie : Intelligence artificielle
Détails à connaître

Ajouter à votre profil LinkedIn
4 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Élaborez votre expertise du sujet
- Apprenez de nouveaux concepts auprès d'experts du secteur
- Acquérez une compréhension de base d'un sujet ou d'un outil
- Développez des compétences professionnelles avec des projets pratiques
- Obtenez un certificat professionnel partageable

Il y a 2 modules dans ce cours
Dans ce module, vous explorerez les principes fondamentaux de la Génération augmentée par récupération (RAG) et la façon dont elle est appliquée pour générer des réponses plus précises et tenant compte du contexte dans des applications telles que les chatbots et les agents IA intelligents. Vous découvrirez le processus complet de RAG, y compris son intégration avec LangChain pour construire des solutions d'IA modulaires et évolutives. Le module couvre des composants clés tels que la récupération de passages denses (DPR), qui utilise un encodeur de contexte et un encodeur de questions, chacun associé à des tokenizers pour convertir le texte dans un format lisible par la machine. Il présente également la bibliothèque Facebook IA similarity search (FIASS), développée par Facebook IA Research, pour effectuer des recherches de similarité efficaces dans des espaces vectoriels à haute dimension. En outre, vous acquerrez une expérience pratique grâce à des laboratoires qui se concentrent sur la mise en œuvre de systèmes basés sur RAG en utilisant deux cadres d'apprentissage automatique majeurs : Hugging Face, pour récupérer des informations à partir d'ensembles de données, et PyTorch, pour évaluer la pertinence du contenu et générer des réponses significatives.
Inclus
3 vidéos3 lectures2 devoirs2 éléments d'application1 plugin
Dans ce module, vous découvrirez l'apprentissage en contexte et les techniques avancées d'ingénierie des requêtes pour concevoir et affiner les requêtes afin de générer des réponses pertinentes et précises de la part de l'IA. Vous explorerez ensuite le cadre LangChain, une interface open source qui simplifie le développement d'applications IA à l'aide de grands modèles de langage (LLM). Les concepts clés couverts incluent les outils, les composants et les modèles de chat de LangChain, ainsi que les modèles d'invite, les sélecteurs d'exemple et les analyseurs de sortie. Vous examinerez également le chargeur et le récupérateur de documents de LangChain, les chaînes et les agents pour construire des applications intelligentes. Grâce à des travaux pratiques, vous appliquerez ces concepts pour améliorer les applications LLM et développer un agent IA qui intègre LLM, LangChain et RAG pour une recherche interactive et efficace de documents. De plus, un glossaire et une antisèche complète sont disponibles pour renforcer votre apprentissage.
Inclus
6 vidéos4 lectures2 devoirs3 éléments d'application2 plugins
Obtenez un certificat professionnel
Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.
Instructeurs

Offert par
En savoir plus sur Apprentissage automatique
- Statut : Essai gratuit
- Statut : Gratuit
DeepLearning.AI
Coursera Instructor Network
- Statut : Essai gratuit
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?




Avis des étudiants
102 avis
- 5 stars
75,72 %
- 4 stars
15,53 %
- 3 stars
4,85 %
- 2 stars
1,94 %
- 1 star
1,94 %
Affichage de 3 sur 102
Révisé le 26 avr. 2025
Course content was good but there was not much for us to do in labs. A hint based lab completely solved by the learner can be a good addition.
Révisé le 9 févr. 2025
The hands-on is manageable, yet allow learners to experience the actual flow of using the tools.
Révisé le 15 mars 2025
The robotic voice of the reader made the experience a little fake, but the content was interesting

Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
Avec 3 à 4 heures d'étude, vous pouvez compléter ce cours et acquérir les compétences professionnelles dont vous avez besoin pour impressionner un employeur en seulement huit heures !
Ce cours est de niveau intermédiaire, donc pour tirer le meilleur parti de votre apprentissage, vous devez avoir des connaissances de base de Python et PyTorch. Vous devriez également être familier avec l'apprentissage automatique et les concepts de réseaux neurones, et il est utile que vous soyez familier avec la modélisation du langage, les modèles transformateurs, GPT, et les principes fondamentaux de la mise au point.
Ce cours fait partie de la spécialisation en ingénierie de l'IA générative avec les LLM. Lorsque vous aurez terminé ce cours, vous aurez les compétences et la confiance nécessaires pour occuper des emplois tels que l'ingénieur IA, l'ingénieur NLP, l'ingénieur en apprentissage automatique, l'ingénieur en apprentissage profond, le scientifique des données ou le logiciel cherchant à travailler avec des LLM.
Plus de questions
Aide financière disponible,