Parcours Fondamentaux LLM 2.0¶
Construisez une base actuelle et locale pour comportement, récupération, évaluation, sécurité, contexte et coût.
flowchart LR
M[Model mechanics] --> P[Prompt and context]
P --> R[Retrieval]
R --> E[Evaluation]
E --> S[Security]
S --> C[Cost and routing]
| Lab | Title | Level | Time |
|---|---|---|---|
| Lab 004 | Fonctionnement des LLM : tokens, attention, entraînement et hallucination | L50 | 45 min |
| Lab 005 | Prompting et ingénierie du contexte | L50 | 60 min |
| Lab 007 | Embeddings et recherche de similarité locale | L50 | 60 min |
| Lab 017 | Sorties structurées fiables avec validation locale | L100 | 60 min |
| Lab 018 | Appel d'outils avec contrats locaux typés | L100 | 60 min |
| Lab 019 | Réponses en streaming : événements, annulation et UX sûre | L100 | 50 min |
| Lab 022 | RAG local : découpage → embedding → recherche → réponse | L200 | 90 min |
| Lab 097 | Interactif : tokens, Ă©chantillonnage et fenĂŞtres de contexte | L50 | 30 min |
| Lab 098 | Ingénierie du contexte pour les agents | L200 | 75 min |
| Lab 099 | Évaluations LLM 101 : jeux de référence, LLM juge et régression CI | L200 | 90 min |
| Lab 100 | OWASP Top 10 pour LLM et applications agentiques : modélisation des menaces | L200 | 75 min |
| Lab 101 | Économie des tokens : coût, cache, lot et routage | L200 | 60 min |
Free-first route¶
All required exercises run locally with deterministic fixtures. Hosted embedding, generation, evaluation, and observability services are optional adapters.
Ajouts de Phase 3¶
| Lab | Objectif |
|---|---|
| 102 | Prompting vs RAG vs LoRA |
| 103 | Mini-GPT on CPU |
| 042 | Enterprise RAG and evaluations |