Travaux pratiques

• TP 1 – Plateformes logicielles pour le deep learning slides notebook
• TP 2 – Fine-tuning pour le texte notebook pyproject.toml
• TP 3 – Fine-tuning pour l’image notebook pyproject.toml
• TP 4 – Représentations pour le texte et l’image notebook fakesearch.py faiss-validation.pickle

Installation de PyTorch

Voir https://pytorch.org/get-started/locally/

GPU

L’utilisation d’un GPU ne sera pas critique pour le cours, mais utile quand même.

• Si vous avez un ordinateur avec GPU et que vous savez le configurer, utilisez-le.
• Sinon, on peut utiliser https://colab.research.google.com (à condition d’accepter d’utiliser un compte Google).

Évaluation

• Examen écrit: 50%
• Projet: 50%

Ces deux notes constitueront la moitié de la note finale, l’autre moitié correspondant à la première partie du cours (B. Wilbertz).

Projet

Le projet consiste à mettre en œuvre un système de Question Answering et de l’évaluer. Le fichier suivant contient une desciption des objectifs, des approches et des attendus du projet:

• Description

Rendu

• Envoi du rapport (un seul fichier pdf) par le lien suivant (pas d’email): https://nuage.isir.upmc.fr/index.php/s/WqTHFTYrNaE4smt
• Uniquement le rapport
• Pas de soutenance
• Pour le 13 février 2026 à 23h59
• À faire par groupe de 3

FAQ

Où est la clée OpenAI ?

Voir le notebook tp-llm.ipynb