Projets par ordre de la liste:
1. Créer un agent de recherche d'entreprise : Apprenez à créer un agent simple qui
recherche des informations sur une entreprise et génère une courte description.
2. Créer un agent d'examen de CV : Construisez un agent intelligent capable de
modifier et d’évaluer le contenu de votre CV en fonction des paramètres définis, et
de proposer des améliorations pour le rendre plus attractif.
3. Construire un chatbot de gestion des requêtes clients : Développez un chatbot
capable de répondre aux questions des clients et de leur fournir des solutions
adaptées à leurs problèmes.
4. Concevoir un agent de vente : Développez un agent avancé contenant des
informations sur divers produits de l'entreprise. Il analysera les données des clients
pour leur recommander le produit le plus adapté et générer un argumentaire de
vente.
5. Analyste d'avis clients : Analyse des avis clients pour détecter leur sentiment,
identifier les points positifs et négatifs, et générer des réponses par e-mail basées sur
cette analyse.
6. Analyste d'articles de recherche : Analyse et résumé d’articles scientifiques en
fonction de différents profils et contraintes, afin d’extraire des informations utiles et
de générer des synthèses.
7. Analyste en marketing sur les réseaux sociaux : Création de publicités et de
contenus marketing pour une petite entreprise en exploitant les analyses des réseaux
sociaux.
8. Analyste de support informatique : Traitement, traduction et analyse des tickets
de support IT, avec génération de réponses adaptées aux problèmes techniques
rencontrés.
9. Chaînage séquentiel avec LCEL : Ce mini-projet illustre la manière de
connecter plusieurs chaînes LLM de manière séquentielle à l’aide de LCEL, où la
sortie d’une chaîne sert d’entrée pour la suivante afin de produire un résultat final
combiné.
10. Bifurcation et fusion de chaînes avec LCEL : Ce projet montre comment
travailler avec plusieurs chaînes LLM indépendantes en parallèle et fusionner leurs
résultats finaux à l’aide d’une chaîne de fusion.
11. Routage de chaînes avec LCEL : Ce projet consiste à créer des chaînes LLM
spécialisées dans des tâches distinctes (résumé, analyse de sentiment, etc.). Une
chaîne de routage classe les requêtes des utilisateurs et les dirige automatiquement
vers la chaîne appropriée.
12. Construire un chatbot conversationnel multi-utilisateurs pour des
recommandations de produits : Apprenez à concevoir un chatbot conversationnel
multi-utilisateurs capable de mémoriser les interactions et de recommander des
produits de détail en fonction des requêtes des clients.
13. Ingénierie des invites (Prompt Engineering) avec ChatGPT sur des tâches réelles
: Approfondissement des applications pratiques de l’ingénierie des invites pour des
tâches comme la synthèse, l’extraction d’entités, l’analyse de sentiment, la
génération de données synthétiques, etc.
14. Ingénierie des invites multimodale avec Google Gemini : Expérimentation de
l’ingénierie des invites avec Google Gemini sur des données multimodales (texte,
images, audio, vidéo).
15. Ingénierie des invites multimodale avec GPT-4o : Exploration des capacités de
GPT-4o pour des tâches multimodales, y compris l'analyse de texte manuscrit, de
graphiques et de tableaux, ainsi que l’analyse d’images, d’audio et de vidéo.
16. Bonus : Ingénierie des invites avec Llama 3.1 & GPT-4o (Analyse comparative) :
Comparaison de l’ingénierie des invites avec Llama 3.1 et GPT-4o sur des tâches du
monde réel (classification avec quelques exemples, codage, extraction
d’informations, question-réponse, résumé, etc.).
17. Système RAG simple avec sources : Construction d’un système de génération
augmentée par récupération (RAG) de base, qui cite ses sources en
accompagnement des réponses générées.
18. Système RAG conversationnel multi-utilisateurs : Développement d’un système
RAG conversationnel capable de gérer plusieurs utilisateurs et conversations en
conservant la mémoire des échanges pour fournir des réponses pertinentes.
19. Système RAG multimodal : Projet visant à intégrer plusieurs formats de
données (texte, tableaux, images) dans un pipeline RAG afin d’exploiter les modèles
LLM multimodaux pour répondre aux questions en utilisant ces différentes sources
de données.
20. Système de recommandation intelligent pour le e-commerce : Construisez un
moteur de recommandation basé sur l'analyse du comportement des utilisateurs,
leurs préférences et les tendances du marché, afin de proposer des produits
personnalisés et améliorer l'expérience d'achat en ligne.
21. Générateur de réponses automatisé pour le support client : Développez un agent
intelligent capable d'analyser les tickets de support client et de générer des réponses
pertinentes en fonction du problème signalé, en s'appuyant sur une base de
connaissances et des modèles de langage avancés.