generative_ai_udacity

Udacity Generative AI Nanodegree : notes personnelles

Ce sont mes notes personnelles prises lors du suivi du Udacity Generative AI Nanodegree.

Le Nanodegree suppose des compétences de base en analyse de données avec des bibliothèques et des bases de données Python de science des données, et comprend 4 modules qui s'appuient sur ces compétences ; chaque module a son dossier correspondant dans ce référentiel avec son fichier guide Markdown :

1. Fondamentaux de l'IA générative : 01_Fundamentals_GenAI .
   • Modèles de fondation
   • Réglage fin
2. Grands modèles linguistiques (LLM) et génération de texte : 02_LLMs .
   • Transformateurs et LLM
   • Chatbots de génération augmentée de récupération (RAG)
3. Vision par ordinateur et IA générative : 03_ComputerVision .
   • Réseaux adverses génératifs (GAN)
   • Transformateurs de vision
   • Modèles de diffusion
4. Création de solutions d'IA générative : 04_BuildingSolutions .
   • Bases de données vectorielles
   • LangChain et agents

De plus, il est nécessaire de soumettre et de réussir certains projets pour obtenir la certification :

• Projet 1 : appliquer un réglage fin léger à un modèle de base - à déterminer.
• Projet 2 : Créez votre propre chatbot personnalisé - À déterminer.
• Projet 3 : Édition de photos AI avec Inpainting - À déterminer.
• Projet 4 : Agent immobilier personnalisé - À déterminer.

Enfin, consultez également certains de mes guides personnels sur les outils connexes :

• Mes notes personnelles sur le livre O'Reilly Generative Deep Learning, 2e édition, de David Foster
• Mes notes personnelles sur le livre d'O'Reilly Natural Language Processing with Transformers, de Lewis Tunstall, Leandro von Werra et Thomas Wolf (O'Reilly)
• Guide HuggingFace : mxagar/tool_guides/hugging_face
• Guide LangChain : mxagar/tool_guides/langchain
• Outils LLM : mxagar/tool_guides/llms
• Guide PNL : mxagar/nlp_guide
• Méthodes d'apprentissage profond pour CV et PNL : mxagar/computer_vision_udacity/CVND_Advanced_CV_and_DL.md
• Méthodes d'apprentissage profond pour la PNL : mxagar/deep_learning_udacity/DLND_RNNs.md

Installation

Un environnement python classique avec les packages habituels de science des données devrait suffire (c'est-à-dire scikit-learn, pandas, matplotlib, etc.) ; tous les packages spéciaux/supplémentaires et leurs commandes d'installation sont présentés dans les guides. Une recette pour configurer un environnement conda avec mes packages actuels est la suivante :

conda create --name ds pip python=3.10
conda activate ds
pip install -r requirements.txt

Liens intéressants

• microsoft/generative-ai-pour-les-débutants
• ...

Crédits

De nombreux contenus de ce référentiel ont été créés à la suite du Udacity Generative AI Nanodegree.

Mikel Sagardia, 2024.
Aucune garantie.