Programme Apprendre à utiliser des LLM avec Python
Durée : 1 journée - 7 heures
Tarif : Nous contacter pour une formation INTER – INTRA ou en COURS PARTICULIER
Apprenez à exploiter les modèles LLM et leurs APIs via Python et frameworks modernes pour créer des agents intelligents, structurer vos prompts et intégrer l’IA dans vos applications concrètes.
La formation est délivrée en présentiel ou distanciel (e-learning, classe virtuelle, présentiel et à distance). Le formateur alterne entre méthodes démonstrative, interrogative et active (via des travaux pratiques et/ou des mises en situation). La validation des acquis peut se faire via des études de cas, des quiz et/ou une certification.
Cette formation est animée par un consultant-formateur dont les compétences techniques, professionnelles et pédagogiques ont été validées par des diplômes et/ou testées et approuvées par l’éditeur et/ou par Audit Conseil Formation.
Les objectifs
pré-requis
Connaissances de base en Python.
Compréhension des API REST.
Maîtrise d’un environnement de développement (Jupyter, VSCode...).
Moyens pédagogiques, techniques et d'encadrement
- 1 poste de travail complet par personne
- De nombreux exercices d'application
- Mise en place d'ateliers pratiques
- Remise d'un support de cours
- Remise d'une attestation de stage
Modalités d'évaluation des acquis
- Evaluation des besoins et objectifs en pré et post formation
- Evaluation technique des connaissances en pré et post formation
- Evaluation générale du stage
Accessibilité handicapés
- Au centre d’affaires ELITE partenaire d’ACF à 20 m.
- Guide d’accessibilité à l’accueil.
Le Programme
Introduction aux LLM et aux APIs d’IA
Introduction aux modèles LLM : GPT, LLaMA, Claude, etc.
Fonctionnement : entraînement, inférence, limitations.
API des LLM : OpenAI, Anthropic, HuggingFace, Cohere.
Authentification, quotas, coûts, gouvernance.
Exemples concrets d’utilisation via API (Python, cURL, Postman).
Atelier : Appels API simples (OpenAI ou HuggingFace) avec gestion de clé.
Environnements de développement et langages
Python comme langage de référence.
Jupyter, VSCode, PyCharm : quel environnement choisir ?
Notions de prompt engineering : structurer ses requêtes.
Bonnes pratiques : logs, erreurs, temps de réponse, sécurité.
Frameworks utiles : LangChain, LlamaIndex, Transformers (HuggingFace).
Atelier : Développer un mini agent en Python avec OpenAI API.
Introduction au RAG
Embeddings
Vectorisation