AQI AIAQI · Veille IA
⌕
Documentation officielleNon testé par AQI AI

LLM Hugging Face : modèles et données

Cours modèles/données avec bases Python et initiation à l’apprentissage profond.

Cours original et portée examinée

Éditeur: Hugging Face · Langue examinée: English / en

Introduction, programme et prérequis examinés ; vidéos et exercices complets non réalisés.

Ouvrir le cours original ↗
Dernière vérification: Date de l’événement: À vérifier
Petit glossaire

Les modèles génèrent du contenu et raisonnent. Les agents utilisent des outils pour accomplir des tâches. Un Harness gère l’environnement d’un agent. MCP relie les outils et les données. Les Skills sont des consignes de travail réutilisables.

Avant de commencer

Prérequis

  • Sans bases de code, revenir au parcours débutant ; lecture sans fine-tuning, téléversement ni calcul.
  • Entrée anglaise examinée ; notre guide en huit langues ne garantit pas la traduction de tous les chapitres originaux.

Durée estimée

Une page d’exercice d’abord ; aucune durée totale garantie.

Étapes de mise en œuvre

  1. Écrire un petit objectif

    Exercice de l’étape: À partir de trois phrases personnelles, écrire une question vérifiable et sa réponse attendue. Sans fichiers professionnels ou privés ; une seule fiche de tâche.

    Sources de cette étape: Hugging Face · LLM Course

  2. Faire un exercice papier

    Exercice de l’étape: Créer une fiche : auteur, tâche, licence, format et provenance inconnue. Séparer tokenisation, inférence et entraînement ; mots ≠ tokens, fichier ≠ mémoire d’exécution.

    Sources de cette étape: Hugging Face · LLM Course

  3. Vérifier avec un contre-exemple

    Exercice de l’étape: Ajouter une question sans réponse dans le texte et exiger un inconnu explicite. Vérifier justification et arrêt faute d’éléments ; fluidité ne vaut pas exactitude.

    Sources de cette étape: Hugging Face · LLM Course

  4. Décider de passer au laboratoire

    Exercice de l’étape: Consigner entrée, attente, résultat réel ou papier, échec et coûts ouverts sur une page. Puis suivre la configuration actuelle du cours ; comptes, API et matériel restent votre choix.

    Sources de cette étape: Hugging Face · LLM Course

Vérifications

Exercice

Consigner entrée, attente, résultat réel ou papier, échec et coûts ouverts sur une page. Puis suivre la configuration actuelle du cours ; comptes, API et matériel restent votre choix.

Coût

À vérifier

Lecture publique gratuite ; vérifier comptes, quotas, hébergement et matériel avant les travaux pratiques. Nos exercices papier n’exigent aucun service payant et n’inscrivent ni n’appellent d’API.

Limites et périmètre

  • Introduction, programme et prérequis examinés ; vidéos et exercices complets non réalisés.
  • Lecture publique gratuite ; vérifier comptes, quotas, hébergement et matériel avant les travaux pratiques. Nos exercices papier n’exigent aucun service payant et n’inscrivent ni n’appellent d’API.

Sources originales

  1. Hugging Face · LLM Course ↗

    huggingface.co · · Documentation officielle