- Objectifs pédagogiques
- Programme complet
- Moyens pédagogiques
- Validation des acquis
Objectifs pédagogiques
Cette formation permet aux participants de comprendre les fondamentaux des LLM (Les modèles de langages massifs), de maîtriser l’interface et les techniques de prompt engineering, et d’exploiter les fonctionnalités avancées pour améliorer leur productivité au quotidien.
Jour 1 : Découverte et premiers usages de ChatGPT
Comprendre le fonctionnement des LLM (Large Language Models)
- Expliquer ce qu’est un LLM et ses principes de base
- Comprendre le processus d’apprentissage : pré-entraînement, fine-tuning supervisé (SFT), et apprentissage par renforcement avec feedback humain (RLHF)
- Identifier les évolutions et générations de modèles (performances, coûts, contextes, interfaces)
- Comprendre la notion de token et son impact sur les capacités et les coûts
Prendre en main une interface de chatbot
- Découvrir les fonctionnalités de base d’un service comme ChatGPT
- Expérimenter le rôle du prompt et son influence sur les réponses générées
- Identifier et comprendre les hallucinations des modèles
Utiliser ChatGPT pour améliorer sa productivité
- Appliquer les principes du prompt engineering (structuration, personnalisation, contextualisation)
- Expérimenter différentes tâches : génération, reformulation, résumé, correction, traduction
- Exploiter ChatGPT pour le brainstorming et la résolution de problèmes
Jour 2 : Fonctionnalités avancées et applications professionnelles
Exploiter les fonctionnalités avancées de ChatGPT
- Explorer les avantages d’un abonnement Plus (GPT-4o)
- Utiliser la recherche web et l’analyse d’images et de fichiers
- Générer des images avec DALL·E 3
- Créer des agents personnalisés avec les GPTs
- Paramétrer ChatGPT pour l’adapter à ses besoins professionnels
Appliquer ChatGPT à des cas d’usage métier
- Adapter l’utilisation de ChatGPT à différents secteurs : développement, vente, RH
- Expérimenter des cas pratiques pour optimiser des tâches professionnelles
- Une pédagogie basée sur l'alternance de phases théoriques, d'ateliers de mise en pratique, de retours d'expériences et de séances d'échanges.
- Le partage de bonnes pratiques de la part d'un formateur experts en Intelligence Artificielle.
- Formateur Docteur et Ingénieur, spécialiste du machine learning.
Evaluation du contrôle des connaissances
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de mises en situation et de travaux pratiques.
Mode de validation de la formation
Attestation de formation.