Skip to main content
Ctrl+K

DFMEA with LLMs documentation

  • Concepts UtilisĂ©s
  • Introduction Generale
  • Revue de littĂ©rature ✒️
  • MĂ©thodologie
  • Plateforme 📱
  • Concepts UtilisĂ©s
  • Introduction Generale
  • Revue de littĂ©rature ✒️
  • MĂ©thodologie
  • Plateforme 📱

Section Navigation

Technologies utilisée dans ce projet:

  • Finetuning đź”§
    • ComprĂ©hension de l’Affinage : ThĂ©orie et Concepts đź“–
    • Affinage Pratique : Guide Pratique đź–Ą
      • Pretraitement des donnĂ©es
      • La tokenisation et le split
      • Affinage par LUDWIG
      • Evaluation 🔎
  • RAG
    • Guide Pratique pour ImplĂ©menter RAG depuis le DĂ©but
    • Retrieval-Augmented Generation (RAG) Overview in an Industrial Context
  • Web Scraping avec Python
    • C’est quoi le WebScarping ?
    • Web Scraping General Pipeline
    • Comment faire du Web Scraping avec Python : Guide Ă©tape par Ă©tape
  • DĂ©marrer avec Gemini API🚀
  • Plus de concepts utilisĂ©s …
  • Concepts UtilisĂ©s
  • Finetuning đź”§

Finetuning đź”§#

Parties:

  • ComprĂ©hension de l’Affinage : ThĂ©orie et Concepts đź“–
    • C’est quoi d’abord le finetuning?
    • Les avantages du fine-tuning
    • Que fait le finetuning pour vous?
    • Tâches pour affiner un modèle de langage
  • Affinage Pratique : Guide Pratique đź–Ą
    • Pretraitement des donnĂ©es
    • La tokenisation et le split
    • Affinage par LUDWIG
    • Evaluation 🔎
    • Overview

previous

Concepts Utilisés

next

Compréhension de l’Affinage : Théorie et Concepts 📖

Show Source

© Copyright 2024,GIIA,ENSAM-Meknès.

Created using Sphinx 7.2.6.

Built with the PyData Sphinx Theme 0.15.2.