Teach on Udemy

Turn what you know into an opportunity and reach millions around the world.

Learn More

Your cart is empty.

Keep shopping

CHATGPT de A à Z : De ses fondations au Prompt Engineering

Name: CHATGPT de A à Z : De ses fondations au Prompt Engineering
Rating: 4.2 (147 reviews)

Maîtrisez ChatGPT (2024) | 3 niveaux dans une formation | Atteignez un niveau avancé | Formation ChatGPT

Created byAbdulghafor Khalid | AG Consulting

Last updated 1/2024

French

French [Auto],

What you'll learn

Maîtriser les bases de l'IA : de sa définition à ses applications
Maîtriser toutes les fonctionnalités de ChatGPT
Maîtriser les techniques OFFICIELLES du PROMPT ENGINEERING (Documents sourcés)
Définir et comprendre les mécanismes de l'apprentissage automatique
Connaître le vaste spectre des méthodes d'apprentissage supervisé, non supervisé et par renforcement
Définir et comprendre les mécanismes de l'apprentissage profond
Définir et comprendre la formation des modèles de langage tels que GPT
Comprendre la dimension probabilistique des applications telles que ChatGPT ou Bard
Disposer des bases nécessaires à une bonne utilisation de ChatGPT
Toutes les autres compétences et connaissances qui seront acquises durant la formations sont également disponibles dans la description avec plus de détails !

Course content

12 sections • 75 lectures • 11h 15m total length

L'intelligence artificielle, c'est quoi ?7:20
Cette session vise à présenter les fondamentaux de l'intelligence artificielle (IA). Elle prépare l'apprenant à approfondir les détails techniques des sessions ultérieures, afin de mieux saisir les nuances et le fonctionnement des IA telles que nous les connaissons aujourd'hui.
Au terme de cette session, l'apprenant sera en mesure de :

Définir avec précision ce qu'est l'intelligence artificielle ;
Cerner son objectif et son mode de fonctionnement ;
Retracer son histoire ;
Discerner les différences entre l'intelligence biologique humaine et l'IA ;
Saisir la diversité de ses domaines d'application ;
Distinguer l'intelligence artificielle en général des outils spécifiques tels que ChatGPT ;
Comprendre les différences entre l'intelligence artificielle faible et l'intelligence artificielle forte.
Les algorithmes, le coeur de l'intelligence artificielle6:58
Cette session vise à familiariser l'apprenant avec la notion essentielle d'algorithme. Il est crucial de comprendre cette notion, car les algorithmes sont à la base de chaque programme informatique, qu'il s'agisse d'une application traditionnelle ou fondée sur l'intelligence artificielle.
À l'issue de cette session, l'apprenant sera capable de :

Définir précisément ce qu'est un algorithme ;
Appréhender son rôle central en intelligence artificielle et dans notre vie quotidienne ;
Assimiler le principe fondamental de l'informatique, à savoir : Entrée (Input) - Programme - Sortie (Output) ;
Reconnaître l'importance de la qualité des données et des consignes dans la conception d'algorithmes ;
S'initier au concept du "Garbage In, Garbage Out", un principe essentiel aussi bien en intelligence artificielle qu'en informatique en général.
Vérifions si vous avez retenu la leçon !

Définition et fonctionnement général de l'apprentissage automatique7:47
Cette session vise à initier l'apprenant à l'une des branches les plus reconnues de l'intelligence artificielle : l'apprentissage automatique, ou "machine learning" en anglais. La maîtrise de cette discipline est fondamentale pour saisir le fonctionnement des outils majeurs basés sur l'intelligence artificielle actuellement en usage.

Cette session pose les fondations nécessaires pour aborder sereinement le reste de la formation, qui développera de manière progressive les concepts de ce domaine au fil des sessions.

Au terme de cette session, l'apprenant pourra :

Définir clairement ce qu'est l'apprentissage automatique ;
Reconnaître le rôle central des mathématiques au sein de cette discipline ;
Cerner les finalités et objectifs majeurs de l'apprentissage automatique ;
Appréhender son champ d'application comme solution à une variété de problématiques ;
Distinguer l'apprentissage automatique de la programmation classique.
Les composantes clés de la formation d'un modèle d'apprentissage5:57
Cette session vise à guider l'apprenant à travers la première étape de compréhension approfondie du fonctionnement d'un modèle d'apprentissage automatique. Nous traiterons des composantes essentielles qui forment le socle de la formation de tout modèle d'apprentissage. Cette base solide est cruciale pour saisir les mécanismes sous-tendant le processus de formation. Elle pave également la voie à une exploration graduelle et détaillée du reste de la formation.

Au terme de cette session, l'apprenant sera en mesure de :

Appréhender les éléments fondamentaux intervenant dans la formation d'un modèle d'apprentissage automatique.
Les étapes préliminaires à la formation d'un modèle d'apprentissage5:59
Cette session s'inscrit dans la continuité de la précédente, emmenant l'apprenant vers la seconde phase d'une compréhension approfondie du fonctionnement d'un modèle d'apprentissage automatique. Après avoir traité des composantes fondamentales au cœur de la formation de tout modèle d'apprentissage, nous nous pencherons ici sur les étapes préalables à cette formation. La maîtrise de ces étapes initiales est essentielle pour poursuivre la formation de manière graduelle, avec un niveau de précision croissant.

À l'issue de cette session, l'apprenant pourra :

Comprendre et gérer les étapes préparatoires à la mise en place d'un modèle d'apprentissage automatique.
Les trois phases durant la formation d'un modèle d'apprentissage8:20
Dans cette session, l'apprenant est invité à poursuivre son immersion dans le fonctionnement détaillé d'un modèle d'apprentissage automatique. Après avoir exploré les éléments centraux à la formation des modèles et les étapes préparatoires, nous nous pencherons spécifiquement sur les trois phases essentielles intervenant pendant la formation. Cette compréhension approfondie pave la voie à une exploration graduelle du reste de la formation.

À l'issue de cette session, l'apprenant pourra :

Appréhender les trois phases cruciales de la formation d'un modèle d'apprentissage automatique.

Nous en profiterons également pour faire le lien entre ces trois phases et les étapes préliminaires abordées lors de la session précédente, consolidant ainsi la vision globale du processus de formation d'un modèle d'apprentissage automatique.
Le concept du Garbage In Garbage Out à l'apprentissage automatique3:10
Cette session vise à permettre à l'apprenant d'intégrer et d'appliquer le principe de "Garbage In, Garbage Out", abordé en début de formation, dans le contexte de la formation d'un modèle d'apprentissage automatique.

À l'issue de cette session, l'apprenant sera capable de :

Relier et mettre en pratique le concept de "Garbage In, Garbage Out" dans la mise en place d'un modèle d'apprentissage automatique.
Vérifions si vous avez retenu la leçon !

Introduction aux méthodes d'apprentissage1:50
Cette session est une courte introduction aux méthodes d’apprentissage qui seront étudiées en détail dans les sessions suivantes.

Cette session n’a donc pas vocation à présenter les points clés mais seulement à vous introduire de manière très générale aux points qui seront abordés juste après, et sur lesquels je vous demanderais d’être très attentifs.
Apprentissage supervisé 1/3 : Définition et fonctionnement général5:21
Cette session marque le début d'une série de trois consacrées à l'apprentissage supervisé, l'une des principales méthodes pour former un modèle d'apprentissage automatique. L'objectif est de permettre à l'apprenant de cerner et de comprendre les fondamentaux de cette approche.

Au terme de cette session, l'apprenant pourra :

Définir précisément ce qu'est l'apprentissage supervisé ;
Saisir son mécanisme global ;
Relier la notion de fonction de coût à cette méthode d'apprentissage ;
Aborder les deux catégories majeures d'algorithmes d'apprentissage supervisé.
Apprentissage supervisé 2/3 : La formation des modèles de régression9:24
Dans cette seconde session d'une série de trois, l'objectif est de guider l'apprenant dans la compréhension du processus de formation d'un modèle d'apprentissage automatique axé sur la résolution de problèmes de régression grâce à l'apprentissage supervisé.

À l'issue de cette session, l'apprenant sera en mesure de :

Définir clairement ce qu'est la régression ;
Appréhender son fonctionnement à travers un exemple concret de formation de modèle.
Apprentissage supervisé 3/3 : La formation des modèles de classification9:59
Dans cette troisième et dernière session d'une série consacrée à l'apprentissage supervisé, nous plongerons dans le processus de formation d'un modèle d'apprentissage automatique dédié à la résolution des problèmes de classification.

À la fin de cette session, l'apprenant sera capable de :

Définir avec précision la notion de classification ;
Saisir son mécanisme à travers un exemple pratique de formation de modèle ;
Synthétiser les atouts, les faiblesses et les limites inhérentes à cette méthode d'apprentissage.
Apprentissage non supervisé 1/2 : Définition et fonctionnement général5:27
Lors de cette première session d'une série de deux dédiées à l'apprentissage non supervisé, l'objectif est de guider l'apprenant dans la découverte et la compréhension de cette seconde grande méthode d'apprentissage.

À la fin de cette session, l'apprenant pourra :

Définir avec précision ce qu'est l'apprentissage non supervisé ;
Saisir son mécanisme global ;
Relier la notion de fonction de coût à cette méthode ;
Aborder les principales catégories de modèles d'apprentissage non supervisé, en particulier le clustering.
Apprentissage non supervisé 2/2 : La formation des modèles de clustering6:36
Dans cette seconde et dernière session consacrée à l'apprentissage non supervisé, nous nous pencherons sur le clustering, l'une des principales familles de modèles dans ce domaine. L'objectif est d'offrir à l'apprenant une vision claire de la formation et du fonctionnement des modèles basés sur cette méthode.

À la fin de cette session, l'apprenant sera en mesure de :

Définir clairement ce qu'est le clustering ;
Comprendre son mécanisme, illustré par un exemple concret de formation de modèle ;
Conclure sur l'apprentissage non supervisé en synthétisant les atouts, les points faibles et les limites associés à cette méthode.
Apprentissage par renforcement 1/4 : Définition et fonctionnement général5:23
Dans cette session, nous nous plongerons dans la troisième méthode majeure d'apprentissage afin de former un modèle d'apprentissage automatique : l'apprentissage par renforcement. C'est le premier volet d'une série de quatre sessions qui décortiqueront progressivement cette méthode d'apprentissage.

À la fin de cette session, l'apprenant pourra :

Définir précisément ce qu'est l'apprentissage par renforcement ;
Comprendre son mécanisme global ;
Distinguer cette méthode des approches d'apprentissage supervisé et non supervisé.
Apprentissage par renforcement 2/4 : La fonction de récompense5:07
Dans cette session, l'accent est mis sur l'un des piliers fondamentaux de l'apprentissage par renforcement : la fonction de récompense. C'est la deuxième étape d'une série de quatre sessions dédiées à décomposer cette méthode d'apprentissage.

À l'issue de cette session, l'apprenant sera capable de :

Saisir pleinement la notion de fonction de récompense ;
Comprendre son mécanisme intrinsèque.
Apprentissage par renforcement 3/4 : La fonction de valeur4:55
Cette session vise à éclairer l'apprenant sur l'importance de la fonction de valeur lors de la formation d'un modèle d'apprentissage automatique via la méthode d'apprentissage par renforcement. Cette session est la troisième d'une série de quatre, chacune offrant une perspective progressive sur le fonctionnement de cette approche d'apprentissage.

Durant cette session, l'apprenant se familiarisera avec :

La définition et le rôle central de la fonction de valeur ;
Une compréhension approfondie de son fonctionnement général.
Apprentissage par renforcement 4/4 : Le dilemme exploration - exploitation7:39
Cette session est dédiée à l'élucidation du concept-clé du dilemme exploration-exploitation inhérent à la méthode d'apprentissage par renforcement. Elle constitue la conclusion d'une série de quatre sessions conçues pour offrir à l'apprenant une compréhension graduelle de cette approche d'apprentissage.

Durant cette session, l'apprenant approfondira :

La définition et les enjeux du dilemme exploration-exploitation ;
Une compréhension détaillée de son fonctionnement général.

De surcroît, comme il s'agit de la session finale sur cette méthode, un récapitulatif des avantages et des éventuelles limitations de l'apprentissage par renforcement sera présenté, offrant ainsi une vue d'ensemble équilibrée sur ce sujet.
Vérifions si vous avez retenu la leçon !

Définition et fonctionnement général de l'apprentissage profond8:39
Cette session est consacrée à l'initiation à l'apprentissage profond (Deep Learning) - un domaine incontournable de l'intelligence artificielle qui alimente bon nombre des innovations technologiques les plus révolutionnaires de notre ère, telles que ChatGPT ou Midjourney. Grâce à cette introduction, l'apprenant pourra mieux comprendre et exploiter les outils basés sur cette technologie.

Cette première approche posera les jalons essentiels pour progresser dans l'univers du Deep Learning. Les sessions ultérieures se plongeront davantage dans les subtilités et la complexité de cette discipline.

Au terme de cette session, l'apprenant sera en mesure de :

Identifier précisément ce qu'est l'apprentissage profond ;
Reconnaître son impact et son omniprésence dans notre quotidien ;
Situer son essor majeur depuis la décennie 2010 ;
Discerner les nuances entre l'apprentissage profond et l'apprentissage automatique traditionnel ;
Saisir les principes fondamentaux sous-tendant son fonctionnement ;
Comprendre l'importance et les implications de la "profondeur" dans les modèles d'apprentissage profond.
Entrainement d'un modèle d'apprentissage profond5:58
Cette session se plonge au cœur de la construction d'un modèle d'apprentissage profond. Elle se fonde sur les connaissances initiales abordées lors de la session précédente, tout en introduisant deux concepts essentiels : la propagation vers l'avant (feed-forward) et la rétropropagation (backpropagation). La maîtrise de ces notions est cruciale pour la formation des modèles d'apprentissage profond et constituera le socle des prochaines sessions.

Au terme de cette session, l'apprenant sera en mesure de :

Visualiser le processus global de formation d'un modèle d'apprentissage profond ;
Comprendre et maîtriser la mécanique de la propagation vers l'avant, son rôle et son impact sur le modèle ;
Réviser l'importance de la fonction de coût et sa pertinence dans le contexte de l'apprentissage profond ;
Saisir le principe de rétropropagation, élément clé pour l'ajustement des poids dans un réseau de neurones ;
Revisiter les étapes de validation et de test qui suivent la phase d'entraînement, afin d'assurer la robustesse et la fiabilité du modèle formé.
Les architectures de réseaux de neurones profonds4:18
Cette session est consacrée à l'exploration des architectures de réseaux de neurones profonds. Bien que chaque modèle d'apprentissage profond ait ses spécificités, ces architectures représentent le squelette sur lequel reposent leurs fonctionnalités. Poursuivant le fil directeur des sessions antérieures, cette rencontre s'inscrit dans la continuité des principes fondamentaux et de la mécanique de formation des modèles d'apprentissage profond.

Toutefois, cette session ne se penchera pas sur les détails techniques, mais offrira plutôt un panorama des architectures majeures, adaptées à différentes tâches telles que le traitement de textes ou d'images.

À l'issue de cette session, l'apprenant sera capable de :

Comprendre la notion essentielle d'architecture de réseau de neurones et son rôle dans la conception d'un modèle d'apprentissage profond ;
Se familiariser avec les architectures phares de réseaux de neurones profonds utilisées dans divers domaines d'application.
L'apprentissage hiérarchique10:20
Cette session se penche sur le cœur même de l'apprentissage profond : comment un tel modèle "apprend". La particularité fondamentale du deep learning réside dans son approche hiérarchique de l'apprentissage, qui le différencie des modèles d'apprentissage automatique classiques.

La beauté de cette session réside dans sa capacité à offrir une perspective intuitive sur la mécanique de cet apprentissage. C'est une opportunité unique pour comprendre, du moins en surface, la magie derrière des outils comme ChatGPT ou Midjourney.

Bien entendu, cette introduction ne dévoilera pas tous les secrets ; des sessions ultérieures approfondiront certains aspects pour assurer une maîtrise complète des subtilités de ces outils.

À la fin de cette session, l'apprenant aura acquis les compétences pour :

Définir précisément ce qu'est l'apprentissage hiérarchique et pourquoi il est essentiel dans le domaine du deep learning ;
Saisir les grandes lignes de son fonctionnement ;
Appréhender la notion de vectorisation des données et son rôle dans le processus d'apprentissage.
Vérifions si vous avez bien retenu la leçon !

Définition et fonctionnement général des modèles de langage5:55
Cette session est dédiée à l'exploration des modèles de langage, ces puissants outils à la base d'applications phares comme ChatGPT d'OpenAI ou Bard de Google. La compréhension des mécaniques sous-jacentes de ces technologies est essentielle pour maximiser leur utilisation.

Il s'agit de la première étape d'un voyage en quatre parties, conçu pour offrir à l'apprenant une connaissance approfondie de ces systèmes. Ce parcours permettra de maîtriser les subtilités des outils dérivés et d'exploiter leur plein potentiel.

À l'issue de cette session, l'apprenant sera capable de :

Définir précisément la notion de modèle de langage ;
Reconnaître la diversité et l'importance des applications de ces modèles ;
Comprendre les principes fondamentaux qui guident leur fonctionnement ;
Discerner le rôle crucial du traitement du langage naturel (NLP) en intelligence artificielle et percevoir son interrelation avec les modèles de langage.
La tokenisation et l'encodage de textes4:50
La formation d'un modèle de langage est un processus complexe et passionnant. Ces modèles sont les architectes derrière des applications emblématiques comme ChatGPT d'OpenAI ou Bard de Google. S'immerger dans les rouages de leur création n'est pas seulement fascinant, mais c'est aussi une compétence essentielle pour optimiser leur utilisation.

Cette session, seconde d'une série de quatre, plonge plus profondément dans le fonctionnement des modèles de langage. Elle s'attache à éclairer l'apprenant sur les mécanismes essentiels qui façonnent ces outils, afin d'en permettre une utilisation optimale.

Au cœur de cette exploration, nous dévoilerons deux étapes cruciales de la formation d'un modèle de langage : la tokenisation des textes et l'encodage des tokens. Ces procédés sont fondamentaux pour assurer la précision prédictive d'un modèle lorsqu'il s'agit de générer des mots.

À l'issue de cette session, l'apprenant sera en mesure de :

Appréhender la tokenisation des textes et saisir son importance ;
Comprendre le processus d'encodage des tokens ;
S'initier à la notion de plongement lexical (ou "word embedding" en anglais), qui sera au cœur de la prochaine session.
Le plongement lexical (word embedding) et l'importance du contexte6:11
La magie derrière des applications emblématiques comme ChatGPT d'OpenAI ou Bard de Google réside en grande partie dans la puissance des modèles de langage. Pourtant, c'est une série de mécanismes complexes qui permet à ces modèles de comprendre et de reproduire fidèlement le langage humain. L'appropriation de ces mécanismes n'est pas juste une source d'émerveillement, elle est aussi un prérequis pour exploiter pleinement le potentiel de ces outils.

Dans cette troisième session d'une série de quatre, nous creusons encore plus profondément les entrailles des modèles de langage. Après avoir découvert la tokenisation et l'encodage, deux étapes fondamentales, nous nous penchons cette fois sur une étape tout aussi cruciale : le plongement lexical. C'est ce processus qui donne aux modèles leur capacité à "comprendre" le langage humain d'une manière qui semble presque intuitive.

À la fin de cette session, l'apprenant sera capable de :

Définir clairement ce qu'est le plongement lexical et saisir son importance au sein d'un modèle de langage ;
Comprendre le mécanisme sous-jacent du plongement lexical et comment il interagit avec les autres composants du modèle ;
Reconnaître le rôle de la probabilité dans la prédiction et la génération de langage par les modèles.
L'ajustement fin (fine-tuning) et les modèles d'instance3:19
Les modèles de langage, dans leur capacité époustouflante à comprendre et générer du langage, peuvent être encore plus spécialisés pour des tâches précises. C'est là qu'intervient le processus d'ajustement fin. Derrière des applications renommées comme ChatGPT d'OpenAI ou Bard de Google se trouvent des bases robustes, à savoir des modèles généralistes comme GPT et BERT. Ces bases, une fois finement ajustées, peuvent être adaptées pour répondre de manière optimale à des besoins spécifiques.

Dans cette dernière session de notre série de quatre, nous allons explorer le cœur du processus d'ajustement fin. Qu'est-ce qui motive le besoin d'ajuster finement un modèle pré-entraîné ? Comment ce processus transforme-t-il un modèle généraliste en un spécialiste ? Ces questions et bien d'autres trouveront leurs réponses au cours de cette session.

À l'issue de cette session, l'apprenant sera en mesure de :

Définir clairement ce qu'est l'ajustement fin et comprendre sa pertinence dans le contexte des modèles de langage ;
Comprendre comment l'ajustement fin modifie un modèle pré-entraîné pour le rendre plus adapté à des tâches spécifiques ;
Saisir l'importance de ce processus dans le développement de solutions basées sur le traitement du langage naturel de pointe.
Zoom sur le modèle de langage GPT et son instance ChatGPT6:13
Les progrès de l'intelligence artificielle ont donné naissance à d'innombrables outils et applications, mais l'un des plus remarquables et souvent discutés est le modèle de langage GPT et son incarnation, ChatGPT. Bien que largement utilisés et reconnus, peu comprennent réellement la machinerie interne de ces systèmes.

Dans cette session, nous dévoilerons le mystère derrière GPT et ChatGPT, en donnant aux apprenants une compréhension approfondie de leur formation, de leur fonctionnement et de leur placement dans l'écosystème plus vaste de l'IA.

À la fin de cette session, les apprenants seront en mesure de :

Définir précisément ce qu'est le modèle GPT et saisir son importance révolutionnaire dans le domaine de l'intelligence artificielle ;
Retracer le parcours historique de GPT, de ses débuts modestes à son rôle actuel de pionnier dans le traitement du langage naturel ;
Comprendre les mécanismes sous-jacents qui alimentent GPT : de l'architecture qui le soutient, aux données qui l'ont nourri, jusqu'à la méthode d'apprentissage qui l'a formé ;
Saisir le concept d'apprentissage auto-supervisé, une clé pour comprendre la puissance et la flexibilité de GPT ;
Appliquer la connaissance de l'ajustement fin pour comprendre la transformation de GPT en ChatGPT, une application plus spécialisée du modèle ;
Intégrer GPT et ChatGPT dans le panorama global de l'intelligence artificielle, comprenant leur relation avec d'autres outils et techniques.
Vérifions si vous avez bien retenu la leçon !

L'écosystème de ChatGPT8:52
Se connecter et découvrir l'interface de ChatGPT36:45
Premiers essais simples avec ChatGPT 3.5 (modèle GPT 3.5)10:12
Initiation au Priming (Amorce)7:48
Appliquer le Priming (Amorce) à ChatGPT12:11
Exercice - Application du Priming à ChatGPT
Utiliser les Customs Instructions (Instructions personnalisées)14:25
Exercice - Paramétrer des Customs Instructions
Vérifions si vous avez bien retenu la leçon !

Utiliser le Web Browsing (Recherche sur internet en temps réel)17:15
Exercice - Créer une Newsletter avec le Web Browsing
Utiliser Advanced Data Analysis (Analyse avancée de données)15:35
Utiliser ChatGPT Vision (Analyse d'images)13:32
Personnaliser ChatGPT en configurant un GPTs44:16
Exercice - Construire son premier assistant personnalisé GPTs
Découvrir le Plugin store17:36
Produire des images avec Dall-E9:51
Vérifions si vous avez bien retenu la leçon !

Les approches par exemples8:15
Prélude aux principales techniques de Prompt engineering11:58
L'amorce ou le Priming avec les méthodes PCPT, PCPT+ et Probing questions7:25
Cas : Priming 1/4 - PCPT : Amorcer une stratégie de développement d'entreprise10:04
Cas : Priming 2/4 - PCPT+ : Améliorer l'amorce de la stratégie de développement11:09
Cas : Priming 3/4 - Probing questions : Elaborer des pistes d'approfondissement3:36
Cas : Priming 4/4 - Redéfinition et itération : Optimiser le prompt initial8:11
Le Prompting Input-Output (IO) ou Prompting standard Entrée-Sortie4:12
Cas : Input-Output (IO) 1/4 - Communiquer simplement sans exemple5:37
Cas : Input-Output (IO) 2/4 - Communiquer simplement avec un (ou +2) exemple(s)4:04
Cas : Input-Output (IO) 3/4 - Générer des réponses sous un format précis2:35
Cas : Input-Output (IO) 4/4 - Explorer des voies avec les probing questions3:43

Requirements

Au minimum un compte d'accès gratuit à ChatGPT (ChatGPT 3.5)
L'abonnement ChatGPT Plus est recommandé pour 6 sessions du module 2 mais tout le reste ne nécessite pas ChatGPT Plus. La formation peut donc être suivie aisément sur les différents modules.
Aucune expérience ou connaissance requise en programmation
Aucune expérience ou connaissance requise en intelligence artificielle, le tout sera expliqué progressivement durant la formation

Description

Modules 2 et 3 sous l’ancienne version de ChatGPT. Cependant, seule l’interface change. 95% du contenu est toujours d’actualité et le module 1 présente les mécanismes de l’IA de manière intemporelle.

ChatGPT et l'IA générative, c'est comme Excel ou la boîte email, ne pas apprendre à l'utiliser, c'est ne pas comprendre l'un des plus gros enjeu stratégique de notre époque. Ici, pas de "Guide ULTIME" ou de titre accrocheur mensonger ! Découvrez la révolution ChatGPT à travers cette formation 3 modules complets en 1 qui se différencie par son approche complète incluant dans le premier module une explication complète des fondations de ce système, connaissance clé qui vous permettra de disposer d'un avantage certain sur les autres, suivi de deux modules pratiques et précis sur l'ensemble des fonctionnalités de ChatGPT et des meilleures techniques OFFICIELLES de Prompt Engineering.

Avec nous, vous évoluerez du niveau de débutant ou intermédiaire standard au niveau intermédiaire avancé grâce à nos 3 modules complets répartis en 11 sections et déclinés en 74 sessions vidéos accompagnées de quiz et d’exercices pratiques.

Vérifiez les notes et les commentaires attribués à ce cours, vous serez ainsi rassurés sur la pertinence et la qualité de cette formation.

Lisez attentivement ce que nous vous proposons et n'hésitez pas à comparer notre formation avec la concurrence, nous vous garantissons que l’écrasante majorité des autres formateurs ne proposerons pas de cours aussi complet.

Ce qui différencie ce cours des autres, c'est son approche étape par étape et en profondeur dans les méandres de l'IA générative qui vous éclaircira bien des concepts et vous dotera de solides connaissances.

Ce Que Vous Obtiendrez avec Nous :

Une solide compréhension des fondements de l'IA.
Une maîtrise approfondie de TOUTES les fonctionnalités de ChatGPT.
Des compétences en Prompt Engineering hautement recherchées.
L’aptitude à transposer ces connaissances dans votre domaine professionnel.
Un accès à vie à toutes les ressources de la formation.

Module 1 - Comprendre les fondations de l’IA générative et de ChatGPT

Ce module vous permettra de comprendre en profondeur tous les mécanismes sous-jacents de ChatGPT grâce à une explication étape par étape de tous les mécanismes qui régissent ces systèmes. Cela démystifiera en profondeur et de manière très pédagogique le fonctionnement intrinsèque de cet outil et vous dotera de solides connaissances pour utiliser au mieux cet outil, notamment à travers la compréhension de la dimension probablistique de ce modèle de langage.

Module 2 – Maîtriser toutes les fonctionnalités de ChatGPT

Ce module explorera toutes les fonctionnalités de ChatGPT, des plus basiques aux fonctionnalités avancées de ChatGPT Plus telles que la recherche sur internet, l’analyse de données avancées, la personnalisation des GPTs ou encore ChatGPT vision et Dall-E. Vous serez ainsi en mesure de maîtriser tout l’écosystème de ChatGPT à la perfection.

Module 3 – Devenez PROFESSIONNEL du PROMPT ENGINEERING

Ce module vous permettra d’explorer en détail toutes les techniques de Prompt Engineering, où l’art de rédiger correctement des prompts selon des besoins précis et pour atteindre un résultats ciblé. Les techniques présentées sont des techniques OFFICIELLES dont l’explication sera accompagnée de cas pratique et dont la documentation officielle des chercheurs en modèles de langages ayant développé ces techniques et issus des plus grands groupes et universités tels que Deepmind ou encore l’université de Princeton sera jointe.

À travers ces trois modules complets, vous évoluerez du niveau débutant à un niveau intermédiaire avancé. La prochaine étape, qui concerne l'automatisation et l'intégration complète de ChatGPT dans des processus systémiques, correspond à un niveau d'expertise qui fera l'objet d'une formation distincte à venir.

Vous sentez que l'Intelligence Artificielle (IA) transforme le paysage professionnel et évolue trop rapidement ? Que son jargon technique et son apprentissage intimidant vous semblent être un labyrinthe insurmontable ? Que vous souhaitez savoir comment adapter cette incroyable révolution dans votre travail quotidien et rester compétitif sur le marché ? Vous n'êtes pas seul(e) !

Distinguez-vous dans votre entreprise et dans vos initiatives personnelles et Ne Ratez Pas cette Opportunité Unique ! Le monde ne va pas attendre. L'IA est là, et elle évolue rapidement. Armez-vous des connaissances nécessaires pour rester compétitif(ve) et pertinent(e) dans votre carrière et inscrivez-vous dès maintenant pour embarquer dans ce voyage transformationnel vers la maîtrise de l'IA et du Prompt Engineering.

Le Format se veut Pédagogique et Engageant : Nos sessions vidéo sont conçues pour vous fournir une expérience d'apprentissage visuelle et interactive étape par étape. Du début à la fin, vous serez guidé(e) par des explications claires, des démonstrations pratiques et des études de cas réelles.

Nul besoin de prendre de notes ! À chaque fin de section, vous trouverez joint un document de synthèse récapitulant les points abordés dans la section ainsi qu'un quiz qui vous permettra de vérifier si vous avez bien compris les sujets abordés.

Alors qu'attendez vous ? Rejoignez-nous pour un parcours pédagogique, allant des grandes lignes aux détails techniques, conçu pour vous fournir une compréhension complète et approfondie de l'IA. Que vous soyez novice ou désireux d'approfondir vos connaissances, cette formation est faite pour vous !

Cette formation est le fruit de plus de 10 mois de travail complet et a été entièrement produite par mes soins, de sa conception aux montages vidéos et audios. Je suis donc le propriétaire des droits d'auteur. De plus, elle se veut évolutive en fonctions des évolutions du marché.

Qui sommes-nous ?

BigBrain Evolution est une entreprise spécialisée dans la formation en ligne portant sur des thèmes d'actualité tels que l'intelligence artificielle, les outils bureautiques et bien d'autres.

Notre mission est de développer une vision profonde et à long terme sur les sujets d'actualité et en développement par la mise à jour des compétences recherchées actuellement et potentiellement dans le futur.

Le formateur :

Abdulghafor Khalid | Fondateur de BigBrain Evolution

Mon ambition est de contribuer au partage de la connaissance car je suis persuadé que l'éducation, à tout âge, est la clé d'une société positive, prospère et visionnaire, axée sur le progrès !

Who this course is for:

Débutants ChatGPT souhaitant comprendre et maîtriser ChatGPT
Personnes ayant des connaissances dans ChatGPT et souhaitant évoluer vers le Prompt Engineering
Personnes ayant des connaissances dans ChatGPT et souhaitant comprendre les mécanismes sous-jacents à ChatGPT
Tout public désireux de comprendre les mécanismes sous-jacents du domaine de l'intelligence artificielle pour accroître ses compétences dans l'utilisation d'outils tels ChatGPT ou Midjourney

CHATGPT de A à Z : De ses fondations au Prompt Engineering

What you'll learn

Explore related topics

Course content

Module 1 - Immersion Générale dans l'Intelligence Artificielle2 lectures • 14min

Module 1 - Plongée Dans l'Apprentissage Automatique (Machine learning)5 lectures • 31min

Module 1 - Les Méthodes d'Apprentissage Démystifiées10 lectures • 1hr 2min

Module 1 - L'Ascension de l'Apprentissage Profond (Deep learning)4 lectures • 29min

Module 1 - Voyage au Coeur des Modèles de Langage5 lectures • 26min

Module 2 - Introduction générale à ChatGPT et informations importantes4 lectures • 51min

Module 2 - Débuter dans ChatGPT - Compréhension des bases6 lectures • 1hr 30min

Module 2 - Utiliser les fonctionnalités avancées de ChatGPT6 lectures • 1hr 58min

Module 3 - Introduction générale au Prompt Engineering4 lectures • 28min

Module 3 - Les premières techniques de base de Prompt Engineering12 lectures • 1hr 21min

Requirements

Description

Who this course is for: