{"product_id":"154449","title":"Développement d'une application LLM pratique utilisant l'API Google Gemini Upstage Solar d'OpenAI ","description":"\u003ccenter\u003e\u003cdiv style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/tmgdisk01.cafe24.com\/images\/vs\/4172\/sv\/3jYDPL2Q1F3Qki4iIO14KV8IQXwA9Y.png?v=1765080163\" 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\"\u003eDéveloppement d'une application LLM pratique utilisant les API OpenAI, Google Gemini et Upstage Solar \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\/141128415\/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\u003eApprenez à développer des applications API LLM optimales grâce à la technologie d'IA générative !\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Ce livre présente le développement d'applications d'IA à l'aide des API LLM les plus récentes, notamment OpenAI, Google Gemini et Upstage Solar. Il vous guide pas à pas, de l'intégration des API et de l'ingénierie des prompts à l'implémentation de RAG, au développement d'applications avec LangChain et Flowise, et au développement pratique d'applications web et desktop avec Streamlit et Flet.\u003cbr\u003e Si vous possédez des connaissances de base en programmation, ce livre vous permettra de devenir un développeur professionnel LLM.\u003cbr\u003e Au lieu de théories complexes, vous apprendrez à tirer le meilleur parti de votre LLM grâce à des exemples pratiques.\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\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eindice\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e  \u003cdiv\u003e\n\u003cb\u003e▣ Chapitre 1 : Aperçu de la programmation de l’API LLM\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 1.1 Apprendre les bases du LLM dans un environnement ludique\u003cbr\u003e 1.2 Comment rédiger de meilleures instructions\u003cbr\u003e 1.3 API d'OpenAI, la référence en matière de LLM\u003cbr\u003e 1.4 Exploration de l'API Google Gemini\u003cbr\u003e 1.5 LLM leader en Corée, Upstage Solar API\u003cbr\u003e 1.6 Des bases de la chaîne de langage à la construction de RAG\u003cbr\u003e 1.7 Développement d'applications Web LLM avec Streamlet\u003cbr\u003e 1.8 Développement d'applications LLM multiplateformes\u003cbr\u003e 1.9 Résumé\u003cbr\u003e\u003cbr\u003e \u003cb\u003e▣ Chapitre 2 : Apprendre les bases du LLM dans l’environnement de jeu d’OpenAI\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 2.1 Paramètres d'inscription et de paiement d'OpenAI\u003cbr\u003e __Rejoignez OpenAI\u003cbr\u003e Enregistrez une carte de paiement\u003cbr\u003e __Crédits d'achat\u003cbr\u003e 2.2 Exploration de l'environnement de jeu OpenAI\u003cbr\u003e Entrez dans le terrain de jeu __\u003cbr\u003e __Achèvements\u003cbr\u003e Mode chat\u003cbr\u003e __TTS\u003cbr\u003e 2.3 Comparaison du mode Chat et du mode Complet\u003cbr\u003e Dialogue à un seul tour et à plusieurs tours\u003cbr\u003e __Résumé du texte\u003cbr\u003e __Saisie semi-automatique du code\u003cbr\u003e 2.4 Apprendre en observant divers exemples de consignes\u003cbr\u003e 2,5 jetons\u003cbr\u003e Concept de jeton et nombre de jetons\u003cbr\u003e __Vérification de la tokenisation d'OpenAI\u003cbr\u003e 2.6 Réglage des paramètres\u003cbr\u003e __Modèle\u003cbr\u003e __Température\u003cbr\u003e __Nombre maximal de jetons\u003cbr\u003e __Séquences d'arrêt\u003cbr\u003e __Top P \u003cbr\u003ePénalité de fréquence et pénalité de présence\u003cbr\u003e 2.7 Comparaison simple des performances du modèle\u003cbr\u003e __Résumé du texte\u003cbr\u003e Questions et réponses\u003cbr\u003e Résolution de problèmes de physique\u003cbr\u003e Score au test d'aptitude scolaire universitaire (SCAT) en langue coréenne\u003cbr\u003e 2.8 Créer un assistant qui exploite des outils sans coder\u003cbr\u003e Créer votre premier assistant - Un robot de conseil\u003cbr\u003e Création d'un assistant pour la création de documents PPT avec un interpréteur de code\u003cbr\u003e Création d'un assistant qui répond aux questions en se référant à des « connaissances » issues de fichiers PDF et d'autres sources.\u003cbr\u003e 2.9 Temps réel\u003cbr\u003e Vivez une conversation en temps réel\u003cbr\u003e __Le potentiel des API en temps réel\u003cbr\u003e 2.10 Limite de fréquence de création\u003cbr\u003e 2.11 Résumé\u003cbr\u003e\u003cbr\u003e \u003cb\u003e▣ Chapitre 3 : Rédiger de meilleures questions\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 3.1 Donner des instructions précises\u003cbr\u003e 3.2 Trouver l'expression correcte\u003cbr\u003e __Un exemple de la façon dont le comportement change en fonction du choix des mots\u003cbr\u003e Exemple de spécification du ton d'une phrase\u003cbr\u003e 3.3 Des phrases positives plutôt que négatives\u003cbr\u003e 3.4 Répondre ensemble à la question\u003cbr\u003e 3.5 Apprentissage sans exemple, avec un seul exemple, avec quelques exemples et avec de nombreux exemples\u003cbr\u003e __Zéro coup\u003cbr\u003e __One Shot\u003cbr\u003e __Pewshot\u003cbr\u003e __Plusieurs photos\u003cbr\u003e 3.6 Division des étapes d'exécution\u003cbr\u003e Requête simple\u003cbr\u003e __chaîne prompt \u003cbr\u003e3.7 CoT : Inciter les gens à réfléchir en profondeur\u003cbr\u003e Exemple : Trouver le prix de 12 pommes\u003cbr\u003e Exemple : Représenter un nombre comme le produit de deux nombres\u003cbr\u003e 3.8 Spécification du format de sortie\u003cbr\u003e Questions à réponse courte et subjective avec plusieurs réponses possibles\u003cbr\u003e Format préféré par LLM\u003cbr\u003e __Comment obtenir une sortie structurée\u003cbr\u003e 3.9 Génération d'instructions SQL de programmation avec LLM\u003cbr\u003e Aperçu de SQL\u003cbr\u003e Transformation de requêtes en langage naturel à l'aide de __LLM\u003cbr\u003e Risques et solutions en matière de sécurité et de performance\u003cbr\u003e __Cas d'utilisation\u003cbr\u003e 3.10 Amélioration de la précision de la reconnaissance d'objets dans les modèles multimodaux\u003cbr\u003e 3.11 Réagir\u003cbr\u003e __Qu'est-ce que ReAct ?\u003cbr\u003e __Comment fonctionne ReAct\u003cbr\u003e Avantages de ReAct\u003cbr\u003e Limitations de __ReAct\u003cbr\u003e __Comment rédiger une invite ReAct\u003cbr\u003e __Informations Complémentaires\u003cbr\u003e 3.12 Création de recherche augmentée\u003cbr\u003e Qu'est-ce que __RAG ?\u003cbr\u003e Avantages de __RAG\u003cbr\u003e __Inconvénients et limites du RAG\u003cbr\u003e Solution au problème __RAG\u003cbr\u003e __RAG contre\u003cbr\u003e Contexte large\u003cbr\u003e __organiser\u003cbr\u003e 3.13 Menaces et sécurité de l'ingénierie rapide\u003cbr\u003e Exemple de menace\u003cbr\u003e __Meilleures pratiques\u003cbr\u003e 3.14 Résumé\u003cbr\u003e 3.15 Lectures complémentaires\u003cbr\u003e\u003cbr\u003e \u003cb\u003e▣ Chapitre 4 : Programmation de l’API OpenAI\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 4.1 Obtention d'une clé API OpenAI\u003cbr\u003e 4.2 Protégez votre clé API \u003cbr\u003eEnregistrement d'une clé API dans les secrets de Google Colab\u003cbr\u003e Enregistrement des clés API dans les variables d'environnement de l'ordinateur\u003cbr\u003e 4.3 Essai de l'API OpenAI\u003cbr\u003e 4.4 Élaboration d'un historique de conversation\u003cbr\u003e 4.5 Structuration de la sortie de l'API OpenAI\u003cbr\u003e Aperçu de la structuration des sorties\u003cbr\u003e __Comparaison du mode JSON et des sorties structurées\u003cbr\u003e __S'exercer à structurer la sortie à l'aide de Pydantic\u003cbr\u003e __S'exercer à structurer la sortie à l'aide d'un schéma JSON\u003cbr\u003e 4.6 Intégration à l'aide de l'API OpenAI\u003cbr\u003e __Qu'est-ce que l'intégration ?\u003cbr\u003e Générer des représentations vectorielles avec l'API OpenAI\u003cbr\u003e __Similitude cosinus\u003cbr\u003e __Trouvez des mots\/phrases ayant des significations similaires\u003cbr\u003e 4.7 Compréhension d'images à l'aide de modèles multimodaux\u003cbr\u003e Décrivez une image sur le web\u003cbr\u003e __Décrire les images locales\u003cbr\u003e __Comprendre les images contenant du texte\u003cbr\u003e 4.8 Création d'images\u003cbr\u003e Exemple de base de création d'image\u003cbr\u003e __Créer plusieurs images\u003cbr\u003e 4.9 Synthèse vocale\u003cbr\u003e 4.10 Dictée vocale avec chuchotement\u003cbr\u003e __Sélectionnez et installez les paquets\u003cbr\u003e __Définition de la fonction de dictée\u003cbr\u003e __Transcrire les fichiers audio\u003cbr\u003e Créer des sous-titres pour les vidéos YouTube \u003cbr\u003e__Expliquez le contexte et créez des sous-titres à l'aide d'invites\u003cbr\u003e __Créer une transcription\u003cbr\u003e 4.11 Traitement par lots à l'aide de l'API Batch\u003cbr\u003e __Analyse des sentiments et ensemble de données d'avis de films Naver\u003cbr\u003e Différentes approches de l'analyse des sentiments\u003cbr\u003e Test d'analyse des sentiments sur un seul échantillon\u003cbr\u003e Exemple d'analyse des sentiments à l'aide de l'API par lots\u003cbr\u003e Guide d’analyse des résultats et de sélection du modèle\u003cbr\u003e __Précautions lors de l'utilisation de l'API Batch\u003cbr\u003e 4.12 Vérifier la présence de textes nuisibles\u003cbr\u003e __Catégories de modération\u003cbr\u003e Pratique de la modération\u003cbr\u003e __Limites de la modération coréenne\u003cbr\u003e 4.13 API Assistant\u003cbr\u003e Composantes clés de l'assistant\u003cbr\u003e __Simple Assistant 'Easy Word Recommendation Bot v1'\u003cbr\u003e __Fonction d'appel de fonction de l'API Assistant\u003cbr\u003e « Easy Word Recommendation Bot v2 » qui utilise la fonction __\u003cbr\u003e __Créez un assistant qui rédige des descriptions de termes à l'aide de l'API de recherche Tabili\u003cbr\u003e Éléments à prendre en compte lors de l'utilisation de l'API Assistant\u003cbr\u003e 4.14 Réglage fin\u003cbr\u003e Aperçu du réglage fin, avantages et inconvénients\u003cbr\u003e Aperçu de la pratique du réglage fin\u003cbr\u003e Préparation des données CSV\/TSV\u003cbr\u003e __Informatique\u003cbr\u003e __Téléchargez les données et effectuez un réglage fin \u003cbr\u003e__test\u003cbr\u003e 4.15 Frais d'API OpenAI par modèle\u003cbr\u003e __GPT-4o\u003cbr\u003e __GPT-4o mini\u003cbr\u003e série __o1\u003cbr\u003e __GPT-4 Turbo et GPT-4\u003cbr\u003e __GPT-3.5 Turbo\u003cbr\u003e __Réglage fin\u003cbr\u003e Modèle audio\u003cbr\u003e API en temps réel\u003cbr\u003e 4.16 Résumé\u003cbr\u003e\u003cbr\u003e \u003cb\u003e▣ Chapitre 5 : API Google Gemini\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 5.1 Présentation de l'API Google Gemini\u003cbr\u003e 5.2 Configuration de l'API Gemini\u003cbr\u003e __Émettre une clé API Google Gemini\u003cbr\u003e Principaux modèles et utilisation gratuite\u003cbr\u003e __Configuration des variables d'environnement de Google Gemini AI et installation du SDK\u003cbr\u003e 5.3 Utilisation de base de l'IA Gemini\u003cbr\u003e Utilisation de base 1 - Envoi et réception de messages avec Singleton\u003cbr\u003e __Utilisation de base 2 - Envoi et réception de messages en mode multiturn (1)\u003cbr\u003e __Utilisation de base 3 - Envoi et réception de messages en mode multiturn (2)\u003cbr\u003e 5.4 Utilisation des directives du système\u003cbr\u003e __Créer un Persona\u003cbr\u003e __Précisez le format de la réponse\u003cbr\u003e 5.5 Architecture d'E\/S Gemini AI\u003cbr\u003e Structure de données d'entrée de l'IA Gemini\u003cbr\u003e Structure de données de sortie de l'IA Gemini\u003cbr\u003e 5.6 Contrôle de l'IA Gemini\u003cbr\u003e __Paramètres de configuration\u003cbr\u003e __Vérifier la sécurité\u003cbr\u003e 5.7 Reconnaissance des vidéos YouTube avec l'API Gemini\u003cbr\u003e Pipeline de reconnaissance vidéo YouTube \u003cbr\u003e__Télécharger des vidéos YouTube\u003cbr\u003e __Téléverser des vidéos YouTube\u003cbr\u003e 5.8 Reconnaissance vocale à l'aide de l'API File\u003cbr\u003e __Reconnaissance vocale\u003cbr\u003e 5.9 Appel de fonctions avec Gemini\u003cbr\u003e Principes de base des appels de fonction\u003cbr\u003e Processus d'appel de fonction __LMM\u003cbr\u003e __Implémentation des appels de fonction\u003cbr\u003e __Mise en place d'un chatbot de commande sur smartphone\u003cbr\u003e __Implémentation d'un appel de fonction en deux étapes\u003cbr\u003e 5.10 Améliorer la qualité des réponses grâce à la recherche sur Internet\u003cbr\u003e __Utilisation de la fonction de mise à la terre\u003cbr\u003e Contrôler la recherche Internet\u003cbr\u003e 5.11 Compatibilité avec OpenAI\u003cbr\u003e Comment appeler une API sans SDK ?\u003cbr\u003e __Pourquoi la compatibilité avec OpenAI est possible\u003cbr\u003e Stratégie d'application de compatibilité OpenAI\u003cbr\u003e 5.12 Résumé\u003cbr\u003e\u003cbr\u003e \u003cb\u003e▣ Chapitre 6 : API Upstage\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 6.1 Présentation de l'API Upstage\u003cbr\u003e API basée sur Solar LLM\u003cbr\u003e API pour le traitement des documents\u003cbr\u003e 6.2 Expérimentez le modèle Upstage\u003cbr\u003e __Upstage Playground\u003cbr\u003e Discutez sur __Poe.com\u003cbr\u003e Solar Custom Translate, où vous pouvez découvrir le modèle de traduction solaire\u003cbr\u003e 6.3 Inscrivez-vous à Upstage et obtenez une clé API\u003cbr\u003e 6.4 Mise en œuvre du chat avec Solar LLM\u003cbr\u003e __Consultez l'exemple de code dans la documentation officielle\u003cbr\u003e Pratique de l'API Solar Chat \u003cbr\u003e6.5 Utilisation de l'API de traduction Solr\u003cbr\u003e Utilisation de base de l'API de traduction solaire\u003cbr\u003e __Exemples de traduction d'entrée ensemble\u003cbr\u003e 6.6 API d'intégration Solr\u003cbr\u003e Exemple d'intégration simple\u003cbr\u003e __Définition de la fonction d'intégration\u003cbr\u003e __Trouvez des proverbes similaires\u003cbr\u003e 6.7 Essai de reconnaissance optique de caractères (OCR) de documents\u003cbr\u003e 6.8 Exploration d'images sur le Web, extraction de texte et réponse aux questions\u003cbr\u003e __Préparer la clé API\u003cbr\u003e __Obtenir l'image\u003cbr\u003e Extraire le texte des images\u003cbr\u003e Questions et réponses\u003cbr\u003e 6.9 Présentation des applications utilisant l'API Upstage\u003cbr\u003e 6.10 Résumé\u003cbr\u003e\u003cbr\u003e \u003cb\u003e▣ Chapitre 7 : Langchain et Flowy\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 7.1 Aperçu de Langchain\u003cbr\u003e Cadre __RangeChain\u003cbr\u003e __LangChain pour Python et JavaScript\u003cbr\u003e __Principaux changements selon la version de Langchain\u003cbr\u003e __LCEL\u003cbr\u003e Critique et amélioration de __Rangchain\u003cbr\u003e Outils low-code\/no-code basés sur Langchain\u003cbr\u003e Alternative à Langchain\u003cbr\u003e 7.2 Tirer parti de Langchain sans coder avec Flowwise\u003cbr\u003e __Installation de Node.js\u003cbr\u003e __Installation et exécution de Flowwise\u003cbr\u003e __Créer un chatbot simple\u003cbr\u003e __Différents nœuds sont disponibles dans Flowwise\u003cbr\u003e Créer un chatbot de catalogue de produits avec Flowise \u003cbr\u003e7.3 Composants de la chaîne de Lang\u003cbr\u003e __Modèle E\/S\u003cbr\u003e __recherche\u003cbr\u003e __mélange\u003cbr\u003e __Composants supplémentaires\u003cbr\u003e 7.4 Exercices de base sur Langchain\u003cbr\u003e Questions-réponses et chat simples utilisant l'API __Sola\u003cbr\u003e __Remplacer le modèle de langage\u003cbr\u003e Modèle d'invite\u003cbr\u003e 7,5 LCEL\u003cbr\u003e Aperçu de __LCEL\u003cbr\u003e Pratique __LCEL\u003cbr\u003e 7.6 Agents utilisant l'outil de recherche Tabili\u003cbr\u003e 7.7 Création d'un système RAG à l'aide de Gemini, Langchain et ChromaDB\u003cbr\u003e __Se préparer\u003cbr\u003e Création d'une base de données vectorielle\u003cbr\u003e Création d'un programme de questions-réponses basé sur une base de données vectorielle\u003cbr\u003e 7.8 Extraction et synthèse de données Web\u003cbr\u003e __Configuration de l'environnement de pratique Jupyter\u003cbr\u003e Exercices de Python\u003cbr\u003e 7.9 Création d'un chargeur personnalisé\u003cbr\u003e Installation du paquet __\u003cbr\u003e __Définissez la clé API dans une variable d'environnement\u003cbr\u003e __Définition de la classe Loader\u003cbr\u003e Charger le contenu du livre Wikidocs\u003cbr\u003e Création d'index et réponse aux requêtes\u003cbr\u003e 7.10 Création d'un système d'analyse des sentiments des avis multilingues à l'aide de Runnable\u003cbr\u003e Présentation du concept __Runnable\u003cbr\u003e Aperçu du code de pratique\u003cbr\u003e __Paramètres de détection de la langue\u003cbr\u003e Préparation de la mise en place d'un système d'analyse des sentiments des avis multilingues\u003cbr\u003e __Implémentation de la fonction de traduction\u003cbr\u003e Paramètres d'analyse des sentiments et d'extraction des points clés \u003cbr\u003eDéfinition d'un composant __Runnable\u003cbr\u003e Configurez l'ensemble du flux de travail.\u003cbr\u003e Analyse de l'exécution et des résultats du système\u003cbr\u003e 7.11 Création d'une application web de génération de paroles avec Langservo\u003cbr\u003e __Écrire le code\u003cbr\u003e __Exécution et test du serveur web\u003cbr\u003e Génération automatique de la documentation API\u003cbr\u003e Appel API\u003cbr\u003e __L'entraînement est terminé\u003cbr\u003e 7.12 Langsmith\u003cbr\u003e __Principales caractéristiques de Langsmith\u003cbr\u003e __Obtenir une clé API\u003cbr\u003e Pratique du code\u003cbr\u003e 7.13 Résumé\u003cbr\u003e\u003cbr\u003e \u003cb\u003e▣ Chapitre 8 : Création d’applications Web d’IA avec Streamlet\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 8.1 Principes de base des streamlets\u003cbr\u003e __Créer votre première application Streamlet\u003cbr\u003e Lancement et fermeture de l'application Streamlet\u003cbr\u003e Structure de base d'une application Streamlet\u003cbr\u003e __Création d'un convertisseur de données pour un réglage fin\u003cbr\u003e Créez une application Streamlet qui calcule l'IMC et dessine un graphique.\u003cbr\u003e Stocker les informations confidentielles en toute sécurité\u003cbr\u003e 8.2 Création d'une application Streamlet pour créer des questions de test\u003cbr\u003e 8.3 Création d'une application Streamlet pour classer et visualiser les avis sur les produits\u003cbr\u003e 8.4 Création d'un chatbot Streamlit à l'aide de l'API Gemini\u003cbr\u003e État de la mise en cache et de la session\u003cbr\u003e __Conteneur de messages\u003cbr\u003e __Implémentation étape par étape du chatbot Gemini \u003cbr\u003e__Améliorer la méthode de réponse\u003cbr\u003e 8.5 Création d'une application Streamlet décrivant des images\u003cbr\u003e 8.6 Création d'une application Streamlet générant des images avec DALL·E 3\u003cbr\u003e 8.7 Création d'une application Streamlet qui extrait les sous-titres des vidéos YouTube et génère du contenu\u003cbr\u003e Préparation à l'entraînement\u003cbr\u003e Fonction permettant d'obtenir le titre et la description d'une vidéo YouTube\u003cbr\u003e Fonction permettant d'extraire les mots-clés des descriptions vidéo\u003cbr\u003e Fonction permettant de télécharger l'audio d'une vidéo\u003cbr\u003e Fonction permettant d'extraire du texte de la parole\u003cbr\u003e __Type de contenu\u003cbr\u003e Créez des résumés, des essais, des blogs et des critiques.\u003cbr\u003e Traduction de la transcription\/des sous-titres\u003cbr\u003e __exécution\u003cbr\u003e 8.8 Création d'une application Streamlet qui extrait et résume le texte des images\u003cbr\u003e 8.9 Création d'une application Streamlet pour analyser les images de reçus\u003cbr\u003e Étape 1 : Téléchargez l’image du reçu et affichez-la à l’écran.\u003cbr\u003e Étape 2 : Extraire les informations du reçu et les afficher à l’écran.\u003cbr\u003e Étape 3 : Terminer en ajoutant la fonction de classification automatique des dépenses.\u003cbr\u003e 8.10 Construction d'un correcteur de phrases à l'aide d'un modèle finement ajusté\u003cbr\u003e Présentation du correcteur de phrases\u003cbr\u003e Introduction à __AsyncOpenAI \u003cbr\u003e__Implémentation d'un correcteur de phrases\u003cbr\u003e __Exécuter et utiliser l'application\u003cbr\u003e __Exemples supplémentaires\u003cbr\u003e 8.11 Création d'un chatbot avec Streamlet et Langchain\u003cbr\u003e 8.12 Résumé\u003cbr\u003e\u003cbr\u003e \u003cb\u003e▣ Chapitre 9 : Création d’une application de chat multilingue à l’aide du framework Flet et de l’API LLM\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 9.1 Introduction au cadre Flet\u003cbr\u003e 9.2 Configuration de l'environnement pour le développement de Flet\u003cbr\u003e __Activer l'environnement virtuel\u003cbr\u003e Installation de __Flet\u003cbr\u003e 9.3 Création de votre première application Flet\u003cbr\u003e Créer un projet __Flet\u003cbr\u003e __Description du code\u003cbr\u003e Lancez l'application Flet\u003cbr\u003e 9.4 Création d'une application de chat basique\u003cbr\u003e Comprendre la structure de base d'une application de chat\u003cbr\u003e Création d'une application de chat Flet basique\u003cbr\u003e __Saisissez votre nom d'utilisateur lors de votre inscription\u003cbr\u003e __Distinction entre la connexion et les messages de chat\u003cbr\u003e __Modifier l'affichage des messages\u003cbr\u003e 9.5 Ajout et finalisation de la fonctionnalité de traduction multilingue pour les conversations.\u003cbr\u003e __Créer une application\u003cbr\u003e __Description du code\u003cbr\u003e Lancez l'application\u003cbr\u003e\u003cbr\u003e \u003cb\u003e▣ Annexe A : Comparaison de l’utilisation des jetons par modèle\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e A.1 Modèle OpenAI\u003cbr\u003e __GPT-3.5 Turbo, GPT-4 Turbo, GPT-4\u003cbr\u003e __GPT-4o, GPT-4o mini\u003cbr\u003e A.2 Gemini Pro\u003cbr\u003e A.3 Solaire\u003cbr\u003e A.4 Comparaison\u003cbr\u003e\u003cbr\u003e \u003cb\u003e▣ Annexe B : Utilisation de Vertex Geminai sur Google Cloud\u003c\/b\u003e\u003cbr\u003e \u003cbr\u003eB.1 Chemin logique vers le sommet Gémeaux\u003cbr\u003e B.2 Premiers pas avec Vertex AI sur Google Cloud Platform\u003cbr\u003e Inscrivez-vous à Google Cloud Platform\u003cbr\u003e __Créer un compte de service\u003cbr\u003e __Activation de l'API Vertex AI\u003cbr\u003e L'API Vertex Gemini fonctionne correctement\u003cbr\u003e\u003cbr\u003e \u003cb\u003e▣ Annexe C : Utilisation de l’API OpenAI dans .NET\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e C.1 Préparez votre clé API OpenAI\u003cbr\u003e C.2 Installation de Visual Studio\u003cbr\u003e C.3 Création d'un nouveau projet\u003cbr\u003e C.4 Installation du package OpenAI\u003cbr\u003e C.5 Exemple d'écriture de code\u003cbr\u003e C.6 Exécution du code\u003cbr\u003e\u003cbr\u003e \u003cb\u003e▣ Annexe D : Exercices pratiques sur l’API OpenAI Realtime\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e D.1 Installation de Node.js\u003cbr\u003e D.2 Télécharger l'exemple de code source\u003cbr\u003e Méthode 1 : Téléchargez et décompressez le fichier compressé.\u003cbr\u003e Deuxième méthode : Cloner le dépôt Git\u003cbr\u003e D.3 Préparez votre clé API OpenAI\u003cbr\u003e D.4 Exécution du code d'exemple\u003cbr\u003e Serveur relais en cours d'exécution\u003cbr\u003e __Exécuter la console en temps réel\u003cbr\u003e Tests de console en temps réel\u003cbr\u003e\u003cbr\u003e \u003cb\u003e▣ Annexe E : Garde-fous pour la stabilité des applications LLM\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e E.1 Le concept et la nécessité des garde-corps\u003cbr\u003e __Types de garde-corps\u003cbr\u003e __Différence entre les cas avec et sans garde-fous \u003cbr\u003eE.2 Premiers pas avec Guardrails AI\u003cbr\u003e Inscrivez-vous et obtenez une clé API\u003cbr\u003e Installation et configuration de base\u003cbr\u003e __Guardrails Hub\u003cbr\u003e Détection des numéros de téléphone à l'aide de RegexMath\u003cbr\u003e Détection et masquage des informations personnelles identifiables à l'aide de Dectec PII\u003cbr\u003e Validez les instructions SQL avec __Valid SQL\u003cbr\u003e Masquer les informations personnelles identifiables avec un détecteur personnalisé\u003cbr\u003e E.3 Conclusion\u003cbr\u003e E.4 Références\u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003cbr\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\/TopCate5081\/MidCate10\/508099633.jpg\" border=\"0\" alt=\"Image détaillée 1\"\u003e\u003c\/div\u003e\u003c\/div\u003e\n\u003cbr\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 ★\u003cbr\u003e\u003cbr\u003e ◎ Comment intégrer et utiliser l'API LLM\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e - Présenter les fonctionnalités et les méthodes d'utilisation des principales API LLM telles qu'OpenAI, Google Gemini et Upstage Solr, et acquérir les connaissances de base nécessaires à l'utilisation des API LLM, telles que l'émission de clés API, l'appel d'API et le traitement des réponses.\u003cbr\u003e\u003cbr\u003e \u003cb\u003e◎ Apprenez les bases du LLM grâce à l'OpenAI Playground\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e - Apprenez les bases de l'utilisation des modèles LLM, notamment la rédaction d'invites, la tokenisation et le réglage des paramètres, dans l'environnement de test OpenAI Playground, et comparez et analysez les performances de différents modèles LLM.\u003cbr\u003e\u003cbr\u003e \u003cb\u003e◎ Principes et techniques fondamentaux de l'ingénierie rapide\u003c\/b\u003e\u003cbr\u003e \u003cbr\u003e- Présente les principes fondamentaux de l'ingénierie des prompts qui maximisent les performances du LLM et enseigne des méthodes efficaces de conception de prompts à travers diverses techniques de rédaction de prompts et des cas d'application pratiques.\u003cbr\u003e\u003cbr\u003e \u003cb\u003eComment utiliser les API OpenAI, Google Gemini et Upstage Solar\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e - Apprenez en détail les fonctionnalités et l'utilisation de chaque API LLM, et entraînez-vous à utiliser l'API LLM pour diverses tâches telles que la génération de texte, la légende d'images, la traduction et les chatbots.\u003cbr\u003e\u003cbr\u003e \u003cb\u003e◎ Construction d'un système d'IA basé sur les connaissances utilisant la génération de recherche augmentée (RAG).\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e - Présente la technique de génération de recherche augmentée (RAG) et les exercices de construction d'une application LLM qui exploite les connaissances externes à l'aide de RankChain.\u003cbr\u003e\u003cbr\u003e \u003cb\u003e◎ Développement d'applications LLM avec Langchain et Flowwise\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e - Découvrez les principales fonctionnalités et l'utilisation du framework LangChain, et apprenez à développer des applications LLM sans coder grâce à Flowwise.\u003cbr\u003e \u003cbr\u003e\u003cb\u003e◎ Diverses applications web d'IA implémentées avec Streamlet\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e - Ce cours présente comment développer diverses applications web basées sur LLM à l'aide de Streamlet et permet d'acquérir les compétences nécessaires au développement d'applications web concrètes, telles que la visualisation des données, la conception d'interfaces utilisateur et l'intégration d'API.\u003cbr\u003e\u003cbr\u003e \u003cb\u003e◎ Application de chat multilingue en temps réel créée avec Flet\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e - Mettre en œuvre une application de chat multilingue en temps réel utilisant le framework Flet et ajouter une fonction de traduction automatique utilisant l'API OpenAI pour permettre une communication en temps réel dans un environnement multilingue. \u003cbr\u003e\n\n\u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\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 15 janvier 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 632 pages | 175 × 235 × 26 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 9791158395667 \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":43893428092970,"sku":"154449","price":44.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0683\/2750\/5962\/files\/009277dbd53e779c6d0192fe353ccc22.jpg?v=1765401565","url":"https:\/\/librairie.coreenne.fr\/products\/154449","provider":"LIBRAIRIE COREENNE","version":"1.0","type":"link"}