{"product_id":"138796","title":"Du concret ! Développement d'une IA générative basée sur RAG ","description":"\u003ccenter\u003e\u003cdiv style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/tmgdisk01.cafe24.com\/images\/vs\/4172\/sv\/3jXPB8jWFwC3mtAyyr8oDvo0DK1PxH.png?v=1765068520\" style=\"max-width:100%;max-height:10px\"\u003e\u003c\/div\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\n\n\u003cdiv style=\"width:95%\"\u003e\n\n\u003cdiv style=\"text-align:center;font-size:30px;font-weight:bolder;line-height:1.6em\"\u003e Du concret ! Développement d'une IA générative basée sur RAG \u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"border-bottom:1px;border-bottom-style:dotted;border-color:;padding-bottom:20px\"\u003e\u003ccenter\u003e\u003ctable align=\"center\" width=\"100%\"\u003e\u003ctbody style=\"border:0px\"\u003e\n\n\u003ctr\u003e\u003ctd align=\"center\" style=\"line-height:1.2em;text-align:center;font-size:18px;color:black;font-weight:bold;padding-bottom:20px;\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\n\u003ctr\u003e\u003ctd style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/image.yes24.com\/goods\/143311442\/XL\" style=\"max-width:100%;height:auto\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\n\n\u003c\/tbody\u003e\u003c\/table\u003e\u003c\/center\u003e\u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"width:95%;{split_style6}padding-top:20px;padding-bottom:20px\"\u003e\n\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003e Description \u003c\/div\u003e\n\n\u003cdiv style=\"text-align:left;word-break:break-all;font-size:14px;line-height:1.6em;\"\u003e\n\n\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eIntroduction au livre\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e\u003cdiv\u003e \u003cb\u003eMinimiser les illusions de l'IA grâce à RAG et intégrer des bases de données vectorielles et des retours humains.\u003cbr\u003e Créez des pipelines d'IA générative précis et personnalisés !\u003c\/b\u003e\u003cbr\u003e \u003cbr\u003e« Pratique ! Développement d'IA générative basé sur RAG » présente une feuille de route pour la construction de systèmes LLM, de vision par ordinateur et d'IA générative efficaces qui équilibrent performance et coût.\u003cbr\u003e Cet ouvrage décrit en détail la conception, la gestion et le contrôle des pipelines RAG et d'IA multimodale. RAG est une technologie qui améliore la précision et la pertinence contextuelle des résultats en les reliant à des documents sources traçables, permettant ainsi une approche dynamique de la gestion de grands volumes d'informations.\u003cbr\u003e Le livre fournit également des connaissances pratiques sur le stockage vectoriel, le découpage en blocs, l'indexation et le classement, et montre comment construire le framework RAG du début à la fin. \u003cbr\u003eVous apprendrez des techniques pour optimiser les performances de vos projets et mieux comprendre vos données, notamment l'amélioration de la précision de la recherche grâce à des RAG adaptatifs et aux retours humains, l'équilibrage des RAG par un réglage fin, la mise en œuvre de RAG dynamiques pour améliorer la prise de décision en temps réel et la visualisation de données complexes à l'aide de graphes de connaissances.\u003cbr\u003e\u003cbr\u003e Il contient de nombreux exemples pratiques utilisant des frameworks tels que RamaIndex, Pinecone et DeepLake, ainsi que des plateformes d'IA générative telles qu'OpenAI et HuggingFace.\u003cbr\u003e En apprenant grâce à ce livre les compétences nécessaires à la mise en œuvre de solutions intelligentes, vous obtiendrez un avantage concurrentiel dans tous vos projets, de la production au service client.\u003cbr\u003e\n\u003c\/div\u003e\u003c\/div\u003e\n\u003cdiv\u003e\u003cul\u003e\u003cli\u003e Vous pouvez consulter un aperçu du contenu du livre.\u003cbr\u003e \u003cspan\u003eAperçu\u003c\/span\u003e\n\n\u003c\/li\u003e\u003c\/ul\u003e\u003c\/div\u003e\n\u003c\/div\u003e \",\"\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eindice\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e \u003cb\u003e▣ Chapitre 1 : Pourquoi la génération d’augmentation de la recherche (RAG) est-elle nécessaire ?\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 1.1 Qu'est-ce que RAG ?\u003cbr\u003e 1.2 Configurations RAG simples, avancées et modulaires\u003cbr\u003e 1.3 RAG vs. Réglage fin\u003cbr\u003e 1.4 Écosystème RAG  \u003cbr\u003e__1.4.1 Moteur de recherche (D)\u003cbr\u003e __1.4.2 Générateur (G)\u003cbr\u003e __1.4.3 Évaluateur (E)\u003cbr\u003e __1.4.4 Formation (T)\u003cbr\u003e 1.5 Implémentations Python simples, avancées et modulaires de RAG\u003cbr\u003e __1.5.1 Partie 1 : Notions de base et mise en œuvre de base\u003cbr\u003e 1.5.2 Partie 2 : Techniques avancées et évaluation\u003cbr\u003e\u003cbr\u003e \u003cb\u003e▣ Chapitre 2 : Référentiel de vecteurs d’intégration RAG utilisant Deep Lake et OpenAI\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 2.1 Des données brutes à l'intégration dans un stockage vectoriel\u003cbr\u003e 2.2 Configuration du système RAG en tant que pipeline unique\u003cbr\u003e 2.3 Pipeline d'IA générative basé sur RAG\u003cbr\u003e 2.4 Mise en place du pipeline RAG\u003cbr\u003e __2.4.1 Préférences\u003cbr\u003e 2.4.2 Composante 1 : Collecte et préparation des données\u003cbr\u003e __2.4.3 Composant 2 : Intégration et stockage des données\u003cbr\u003e __2.4.4 Informations de stockage vectoriel\u003cbr\u003e __2.4.5 Composante 3 : Augmentation des entrées et génération de réponses\u003cbr\u003e 2.5 Évaluation des résultats à l'aide de la similarité cosinus\u003cbr\u003e\u003cbr\u003e \u003cb\u003e▣ Chapitre 3 : Construction d’un RAG indexé à l’aide de RamaIndex, Deep Lake et OpenAI\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 3.1 Pourquoi utiliser RAG basé sur l'index ?\u003cbr\u003e 3.1.1 Architecture  \u003cbr\u003e3.2 Création d'un moteur de recherche sémantique et d'un agent génératif pour l'information sur la technologie des drones\u003cbr\u003e 3.2.1 Installation de l'environnement\u003cbr\u003e 3.2.2 Pipeline 1 : Collecte et préparation des documents\u003cbr\u003e __3.2.3 Pipeline 2 : Préparation du magasin de vecteurs\u003cbr\u003e 3.2.4 Pipeline 3 : RAG basé sur l’index\u003cbr\u003e 3.3 Moteur d'indexation et de requêtes de stockage vectoriel\u003cbr\u003e 3.3.1 Réponse à la requête et vérification de la source\u003cbr\u003e 3.3.2 Segmentation optimisée\u003cbr\u003e __3.3.3 Indicateurs de performance\u003cbr\u003e 3.4 Moteur de requêtes d'index arborescent\u003cbr\u003e 3.4.1 Indicateurs de performance\u003cbr\u003e 3.5 Moteur de requêtes d'index de liste\u003cbr\u003e 3.5.1 Indicateurs de performance\u003cbr\u003e 3.6 Moteur de requêtes d'indexation par mots clés\u003cbr\u003e 3.6.1 Indicateurs de performance\u003cbr\u003e\u003cbr\u003e \u003cb\u003e▣ Chapitre 4 : RAG modulaire multimodal pour la technologie des drones\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 4.1 Qu'est-ce qu'un RAG modulaire multimodal ?\u003cbr\u003e 4.2 Élaboration d'un programme RAG modulaire et multimodal pour la technologie des drones\u003cbr\u003e 4.2.1 Chargement du jeu de données LLM\u003cbr\u003e 4.2.2 Chargement et visualisation des ensembles de données multimodaux\u003cbr\u003e 4.2.3 Structure de l'ensemble de données multimodal\u003cbr\u003e 4.2.4 Construction d'un moteur de requêtes multimodal\u003cbr\u003e 4.2.5 Résumé des résultats de requêtes modulaires multimodales\u003cbr\u003e __4.2.6 Indicateurs de performance\u003cbr\u003e \u003cbr\u003e\u003cb\u003e▣ Chapitre 5 : Améliorer les performances RAG grâce aux retours d’experts\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 5.1 RAG adaptatif\u003cbr\u003e 5.2 Création d'un système RAG adaptatif hybride à l'aide de Python\u003cbr\u003e __5.2.1 Chercheur (Section 1)\u003cbr\u003e __5.2.2 Générateur (Section 2)\u003cbr\u003e __5.2.3 Évaluateur (Section 3)\u003cbr\u003e\u003cbr\u003e \u003cb\u003e▣ Chapitre 6 : Enrichir les données clients de RAG Bank grâce à Pinecon\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 6.1 Extension utilisant une pomme de pin\u003cbr\u003e 6.1.1 Architecture\u003cbr\u003e 6.2 Pipeline 1 : Collecte et préparation des données\u003cbr\u003e __6.2.1 Collecte et traitement des données (Section 1)\u003cbr\u003e __6.2.2 Analyse exploratoire des données (Section 2)\u003cbr\u003e __6.2.3 Entraînement du modèle ML (Section 3)\u003cbr\u003e 6.3 Pipeline 2 : Extension de l’index Pinecone (stockage vectoriel)\u003cbr\u003e 6.3.1 Défis de la gestion du stockage vectoriel\u003cbr\u003e __6.3.2 Installation de l'environnement\u003cbr\u003e 6.3.3 Traitement des ensembles de données\u003cbr\u003e 6.3.4 Segmentation et intégration des données\u003cbr\u003e 6.3.5 Création d'un index en forme de pomme de pin\u003cbr\u003e __6.3.6 Mise à jour\u003cbr\u003e __6.3.7 Requête d'index Pinecone\u003cbr\u003e 6.4 Pipeline 3 : IA générative RAG\u003cbr\u003e __6.4.1 RAG utilisant GPT-4o\u003cbr\u003e 6.4.2 Extraction de texte associé\u003cbr\u003e 6.4.3 Augmentation des entrées et ingénierie des invites  \u003cbr\u003e__6.4.4 Génération augmentée\u003cbr\u003e\u003cbr\u003e \u003cb\u003e▣ Chapitre 7 : Création d’un RAG évolutif basé sur un graphe de connaissances à l’aide de l’API Wikipédia et de RamaIndex\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 7.1 Architecture RAG pour la recherche sémantique basée sur les graphes de connaissances\u003cbr\u003e __7.1.1 Création d'un graphe arborescent avec des nœuds\u003cbr\u003e 7.2 Étape 1 : Collecte et préparation des documents\u003cbr\u003e 7.2.1 Recherche de données et de métadonnées sur Wikipédia\u003cbr\u003e 7.2.2 Préparation des données pour l'insertion\/mise à jour\u003cbr\u003e 7.3 Pipeline 2 : Création et remplissage du magasin de vecteurs Deep Lake\u003cbr\u003e 7.4 Pipeline 3 : RAG basé sur l’index du graphe de connaissances\u003cbr\u003e 7.4.1 Création d'un index de graphe de connaissances\u003cbr\u003e 7.4.2 Affichage graphique\u003cbr\u003e 7.4.3 Interaction avec l'index du graphe de connaissances\u003cbr\u003e 7.4.4 Installation du package de score de similarité et définition des fonctions\u003cbr\u003e __7.4.5 Réorganisation\u003cbr\u003e __7.4.6 Exemples d'indicateurs\u003cbr\u003e\u003cbr\u003e \u003cb\u003e▣ Chapitre 8 : RAG dynamique utilisant la chrominance et des lamas à visage enlacé\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 8.1 Architecture de Dynamic RAG\u003cbr\u003e 8.2 Installation environnementale\u003cbr\u003e 8.2.1 Installation de Hugging Face\u003cbr\u003e 8.2.2 Installation de Chroma\u003cbr\u003e 8.3 Activation de la durée de la session\u003cbr\u003e 8.4 Téléchargement et préparation de l'ensemble de données  \u003cbr\u003e8.5 Intégration et mise à jour de données dans les collections Chroma\u003cbr\u003e 8.5.1 Sélection du modèle\u003cbr\u003e 8.5.2 Intégration et enregistrement de documents\u003cbr\u003e 8.5.3 Intégration de l'affichage\u003cbr\u003e 8.6 Exécution de requêtes sur les collections\u003cbr\u003e 8.7 Invites et recherches\u003cbr\u003e 8.8 RAG utilisant Rama\u003cbr\u003e 8.8.1 Suppression d'une collection\u003cbr\u003e 8,9 Durée totale de la session\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 9 : Amélioration des capacités des modèles d’IA – Affinement des données RAG et des retours humains\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 9.1 Architecture du réglage fin des données RAG statiques\u003cbr\u003e __9.1.1 Écosystème RAG\u003cbr\u003e 9.2 Installation environnementale\u003cbr\u003e 9.3 Préparation de l'ensemble de données pour le réglage fin (Section 1)\u003cbr\u003e __9.3 1 Téléchargement et visualisation de l'ensemble de données (Section 1.1)\u003cbr\u003e __9.3 2 Préparation de l'ensemble de données pour le réglage fin (Section 1.2)\u003cbr\u003e 9.4 Mise au point du modèle (Section 2)\u003cbr\u003e __9.4.1 Surveillance du réglage fin\u003cbr\u003e 9.5 Exécution du modèle OpenAI optimisé (Section 3)\u003cbr\u003e Indicateur 9.6\u003cbr\u003e\u003cbr\u003e \u003cb\u003e▣ Chapitre 10 : Système RAG pour la production de vidéos libres de droits utilisant Pinecone et OpenAI\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 10.1 Architecture RAG pour la production vidéo\u003cbr\u003e 10.2 Environnement de l'écosystème de production vidéo\u003cbr\u003e 10.2.1 Importation de modules et de bibliothèques  \u003cbr\u003e__10.2.2 GitHub\u003cbr\u003e __10.2.3 OpenAI\u003cbr\u003e __10.2.4 Pomme de pin\u003cbr\u003e 10.3 Pipeline 1 : Générateur et rédacteur de commentaires\u003cbr\u003e __10.3.1 Ensemble de données vidéo généré par l'IA\u003cbr\u003e __10.3.2 Générateur et rédacteur de commentaires\u003cbr\u003e 10.4 Pipeline 2 : Gestionnaire de stockage vectoriel\u003cbr\u003e __10.4.1 Requête d'index Pinecone\u003cbr\u003e 10.5 Pipeline 3 : Expert vidéo\u003cbr\u003e\u003cbr\u003e \u003cb\u003e▣ Annexe A : Réponses aux exercices pratiques\u003c\/b\u003e\n\u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\u003c\/div\u003e \",\"\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eImage détaillée\u003c\/b\u003e \u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\u003cdiv\u003e\u003cimg src=\"https:\/\/image.yes24.com\/momo\/TopCate5178\/MidCate4\/517736988.jpg\" border=\"0\" alt=\"Image détaillée 1\"\u003e\u003c\/div\u003e\u003c\/div\u003e \",\"\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eAvis de l'éditeur\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e \u003cb\u003e★ Ce que ce livre aborde ★\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e ◎ Étendre le pipeline RAG pour traiter efficacement de grands ensembles de données.\u003cbr\u003e ◎ Appliquer des techniques pour minimiser les hallucinations et garantir des réponses précises.\u003cbr\u003e ◎ Mettre en œuvre une technique d'indexation qui améliore la précision de l'IA avec une sortie traçable et transparente.\u003cbr\u003e ◎ Personnaliser et étendre les systèmes d'IA génératifs pilotés par RAG dans divers domaines.\u003cbr\u003e ◎ Recherchez des données plus rapidement et plus efficacement grâce à Deep Lake et Pinecone. \u003cbr\u003e◎ Concevoir et contrôler un système d'IA générative robuste basé sur des données réelles.\u003cbr\u003e ◎ Combinez les données textuelles et visuelles pour des réponses d'IA plus riches et plus informatives.\u003cbr\u003e\n\n\u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\u003c\/div\u003e \"]\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"width:95%;padding-top:20px;padding-bottom:20px\"\u003e\n\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003e SPÉCIFICATIONS DES PRODUITS \u003c\/div\u003e\n\n\u003cdiv style=\"text-align:left;font-size:14px;line-height:1.6em;\"\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eDate d'émission :\u003c\/strong\u003e 18 mars 2025\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eNombre de pages, poids, dimensions :\u003c\/strong\u003e 412 pages | 175 × 235 × 17 mm\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eISBN13 :\u003c\/strong\u003e 9791158395919 \u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\u003ccenter\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cspan\u003e\u003c\/span\u003e\n\n\u003c\/center\u003e\n\n\n\u003c\/center\u003e","brand":"LIBRAIRIE COREENNE","offers":[{"title":"Default Title","offer_id":43893314060330,"sku":"138796","price":41.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0683\/2750\/5962\/files\/2ee09dcd336e1831a495df085f779802.jpg?v=1765395747","url":"https:\/\/librairie.coreenne.fr\/products\/138796","provider":"LIBRAIRIE COREENNE","version":"1.0","type":"link"}