Travaux pratiques

• TP 1 – Plateformes pour le deep learning slides notebook
• TP 2 – Deep pour les images: ImageNet et au-delà tp notebook
• TP 3 – Deep pour le texte: représentations et modèles notebook huggingface tsne
• Cours – Apprentissage LLM slides

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%

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:

• projet.pdf

Le module fakesearch permet de faciliter la recherche en utilisant des résultats de recherche pré-calculés:

• fakesearch.py
• faiss-validation.pickle
• lucene-validation.pickle

Le notebook suivant contient du code et des exemples pour les différentes bibliothèques qu’il faudra utiliser:

• annexes.ipynb

Il sera possible d’utiliser ChatGPT avec l’API OpenAI en utilisant la clé contenue dans le fichier:

• openai

Rendu

• Envoi du rapport (un seul fichier pdf) par le lien suivant (pas d’email): https://nuage.isir.upmc.fr/index.php/s/W8Bm6qZ8MicsteQ
• Uniquement le rapport
• Pas de soutenance
• Pour le 15 février 2024 à 23h59
• À faire par groupe de 3