Traitement en cours...
Fermer la notification

SIDE vous souhaite une année 2026 réussie. Nous ferons tous nos efforts pour y contribuer.

Afficher la notification

Les LLM en pratique avec Python et Pytorch

Burkov Andriy
Date de parution 03/06/2026
EAN: 9782100889600
Disponibilité A paraître: 03/06/2026
Les modèles de langage de grande taille ou Large Language Models (LLM) sont une des technologies au coeur de la révolution de l'intelligence artificielle.Ce livre traite de manière concise et complète les principes fondamentaux de la modélisation l... Voir la description complète
Nom d'attributValeur d'attribut
Common books attribute
ÉditeurDUNOD
Nombre de pages224
Langue du livreFrançais
AuteurBurkov Andriy
FormatPaperback / softback
Type de produitLivre
Date de parution03/06/2026
Poids-
Dimensions (épaisseur x largeur x hauteur)0,00 x 17,00 x 24,00 cm
Comprendre les modèles de language
Les modèles de langage de grande taille ou Large Language Models (LLM) sont une des technologies au coeur de la révolution de l'intelligence artificielle.Ce livre traite de manière concise et complète les principes fondamentaux de la modélisation lingusitique des grands modeles de language actuels. Les développeurs, les data scientists et les spécialistes du machine learning y acquéront la compréhension des concepts théoriques et des applications pratiques des LLM.Il permet en particulier de :maîtriser les fondements mathématiques du machine learning et des réseaux neuronaux ;construire et entraîner trois architectures de modèles de langage en Python ;comprendre les modèlesTransformer et d'en coder à partir de zéro dans PyTorch (principale biliothèque open source) ;travailler avec des LLM, y compris le réglage fin des instructions (finetuning) et l'ingénierie des pompts.Grâce à un style résolument accessible et de nombreux exemples de code en Python exécutables sur Google Collab, cet ouvrrage met ces concepts complexes à la portée des chercheurs, développeurs et professionnels souhaitant comprendre les mécanismes avancés du machine learning et du traitement du langage.Des ressources supplémentaires pour les sujets avancés sont disponible via le wiki du livre.