Prêt à donner un coup de pouce à votre portefeuille avec des projets d’IA générative ? Dans un monde transformé par des innovations telles que ChatGPT et DALL-E, les projets standard risquent de ne pas attirer l’attention des employeurs.
Si vous cherchez à impressionner les recruteurs, cet article est exactement ce qu’il vous faut.
J’ai sélectionné des projets d’IA générative fantastiques qui vous permettront de vous démarquer dans le domaine de la science des données. C’est parti !
Bug Fix Assistant
Bug Fix Assistant est un outil ou un assistant conçu pour faciliter le processus d’identification et de correction des bogues de logiciels.
Récemment, GitHub a lancé GitHub Scanning Autofix, une fonctionnalité qui permet à la plateforme de corriger automatiquement les bogues et les failles de sécurité dans le code. Ce projet peut créer une impression unique sur les recruteurs.
Caractéristiques principales
- Analyse automatique du code pour identifier les bogues potentiels, par le biais d’une analyse statique, d’une analyse dynamique ou de techniques d’apprentissage automatique.
- Fournir des suggestions ou des recommandations pour la correction des bogues sur la base des problèmes identifiés.
- L’assistant peut générer et appliquer automatiquement des correctifs pour certains types de bogues avec l’approbation du développeur.
J’utilise les Actions GitHub depuis un certain temps, et voici une idée de projet qui vous aidera à améliorer vos compétences en matière de correction de bogues.
Idée de projet
Construire un projet complet à partir de zéro peut être un défi, mais vous pouvez améliorer votre portfolio en contribuant à un projet open-source.
GitBug-Actions est un outil qui utilise les actions GitHub pour créer des références en matière de correction de bogues. L’outil exploite les dépôts GitHub et navigue à travers leurs commits, exécutant localement les actions GitHub en utilisant act dans chaque commit considéré.
Enfin, l’outil vérifie si un modèle de correction de bogue a été trouvé en examinant les résultats des tests analysés à partir des exécutions d’actions GitHub. Si une correction de bogue est trouvée, GitBug-Actions peut exporter une image Docker avec l’environnement reproductible pour la correction de bogue.
L’environnement reproductible conservera toutes les dépendances nécessaires pour exécuter les tests pour la correction de bogue, évitant ainsi la dégradation du benchmark due à des dépendances indisponibles.
Les compétences que vous pouvez acquérir après avoir contribué à ce projet open-source sont les suivantes :
Compétences que vous pouvez acquérir
- Rencontrer et résoudre les défis pratiques rencontrés au cours du développement du projet GitBug-Actions.
- Vous familiariser avec l’étiquette du développement open-source, y compris le code de conduite, les directives de contribution et les pratiques de collaboration.
Les compétences que vous acquerrez peuvent dépendre des problèmes spécifiques que vous résoudrez ou de vos contributions au projet. Mais ce n’est pas tout, j’ai également prévu d’autres projets passionnants dans cet article.
Assistant de code IA
Un assistant de programmation IA ou un outil de complétion de code est un outil qui utilise l’intelligence artificielle et l’apprentissage automatique pour aider les développeurs à écrire et à modifier le code plus efficacement.
Son objectif principal est d’améliorer la productivité en fournissant des suggestions intelligentes et des recommandations contextuelles pendant le codage.
Caractéristiques principales
- Suggère automatiquement des extraits de code, des noms de fonctions, des noms de variables et d’autres éléments pertinents au fur et à mesure que les développeurs tapent, réduisant ainsi le besoin de taper manuellement et minimisant les erreurs.
- Identifie les erreurs potentielles dans le code en temps réel et propose des suggestions de correction, aidant ainsi les développeurs à détecter les erreurs dès le début du processus de développement.
- Effectue une analyse statique du code afin d’identifier les problèmes potentiels, les odeurs de code et les possibilités d’amélioration.
- Recommande des modèles de code, des idiomes et des extraits de code couramment utilisés afin d’accélérer le développement et d’encourager les meilleures pratiques.
Bien que ce projet puisse sembler difficile, ne vous inquiétez pas. Vous trouverez ci-dessous un tutoriel qui vous guidera dans la construction de votre projet.
Idée de projet
Construire un assistant de code IA avec Pipet Code Agent est un tutoriel de Google pour créer votre propre assistant de code IA. Ce tutoriel vous montre comment étendre Pipet Code Agent, un outil d’assistance au code alimenté par l’IA et conçu par l’équipe AI Developer Relations de Google.
Ce projet open-source est une extension pour VS Code qui vous aide à vous occuper de certaines tâches importantes mais moins amusantes du codage, comme commenter votre code, trouver des erreurs et suggérer des améliorations.
L’extension envoie des demandes d’aide au codage à l’API PaLM et intègre les réponses dans votre fenêtre d’édition de code. PaLM est un modèle génératif de langage à grande échelle créé et entretenu par Google.
Compétences que vous pouvez acquérir
- Acquérir de l’expérience dans l’intégration d’API externes, en particulier l’API PaLM de Google, dans un outil d’aide au codage.
- Apprendre à utiliser Node.js et NPM pour gérer les paquets et exécuter des applications dans le contexte d’une extension VS Code.
- Comprendre comment intégrer de nouvelles commandes dans le code de l’extension existante en mettant à jour les fichiers extension.ts et package.json.
- Comprendre comment interagir avec les modèles de langage de l’IA, façonner les invites et interpréter les réponses pour améliorer les fonctionnalités d’assistance au code.
L’expérience et les compétences acquises dans le cadre de ce projet amélioreront considérablement votre portfolio et le feront ressortir.
Lisez aussi : Les principaux modèles d’apprentissage automatique expliqués
Générateur de documentation de code
Vous avez peut-être travaillé sur de nombreux projets d’apprentissage automatique dans le cadre desquels, une fois le projet terminé, vous devez documenter votre code. Cela peut être un autre casse-tête pour les data scientists ou les développeurs. Il existe donc une solution potentielle : le générateur de documentation de code.
Un générateur de documentation de code est un outil qui crée automatiquement de la documentation pour votre code source. Il aide les développeurs, les utilisateurs et les autres parties prenantes à comprendre, utiliser et maintenir facilement la base de code.
Caractéristiques principales
- Les générateurs de documentation de code extraient automatiquement les informations du code source pour créer la documentation, réduisant ainsi le besoin de documentation manuelle.
- Ils analysent les commentaires du code, y compris les balises ou annotations spéciales, afin de générer une documentation complète et structurée.
- Certains générateurs facilitent les efforts de documentation collaborative, permettant à plusieurs contributeurs de travailler simultanément sur la documentation.
Croyez-moi, pour la reconnaissance industrielle et pour que votre projet se démarque, un projet de code bien documenté avec une documentation appropriée sera excellent.
Idée de projet
La création d’un générateur de documentation de code utilisant un modèle de langage comporte plusieurs étapes. Les détails peuvent varier en fonction du modèle choisi et des exigences du projet. Tout d’abord, vous avez besoin d’un ensemble de données pour entraîner votre modèle :
CodeSearchNet, créé par GitHub en collaboration avec plusieurs partenaires, est une collection d’ensembles de données pour les tâches de traitement du langage naturel liées au code.
Sélectionnez un modèle d’IA génératif pré-entraîné adapté aux tâches liées au code. Entraînez le modèle sur votre ensemble de données. Le réglage fin permet d’ajuster les poids du modèle pré-entraîné afin qu’il corresponde mieux à votre cas d’utilisation spécifique. Une fois le modèle affiné, mettez en place un pipeline d’inférence afin de générer de la documentation pour les nouveaux extraits de code.
Vous pouvez utiliser différents outils de documentation en fonction du langage de programmation. Parmi les générateurs de documentation populaires pour divers langages de programmation, citons Sphinx pour Python, Javadoc pour Java, Doxygen pour plusieurs langages, et bien d’autres encore.
Utilisez ces outils pour générer votre projet, et ils seront utiles pour votre portfolio.
Compétences que vous pouvez acquérir
- C’est l’occasion d’apprendre de nouvelles technologies et de nouveaux outils qui améliorent les capacités de votre générateur de documentation de code.
- Prétraitement des données, sélection et réglage fin du modèle, pipeline d’interférence, déploiement du modèle, gestion de projet et compétences en matière de débogage.
Je travaille actuellement sur la documentation du code et je ne manquerai pas de partager mon expérience avec vous. Pour l’instant, passons à notre prochain projet.
Assistant d’écriture AI
Vous connaissez peut-être les outils d’aide à la rédaction ou les correcteurs grammaticaux comme Grammarly, qui sont disponibles sur le marché. Cependant, vous êtes-vous déjà demandé si vous pouviez en développer un vous-même ?
La réponse est oui ! Vous pouvez désormais créer votre assistant d’écriture à l’aide de l’IA générative. Croyez-moi, ce projet peut considérablement améliorer l’attrait de votre portfolio.
Caractéristiques principales
- Analyse et suggère des améliorations aux structures de phrases, améliorant ainsi la lisibilité globale.
- Il suggère des synonymes ou des expressions alternatives pour améliorer et élargir le langage utilisé dans le texte.
- Vérifie en temps réel les erreurs de grammaire et d’orthographe afin de garantir l’exactitude du contenu écrit.
- Propose des recommandations pour adapter le style et le ton de l’écriture au contexte ou à l’audience souhaitée.
Si vous utilisez un outil d’aide à la rédaction, ces fonctionnalités vous sont peut-être familières. Voyons comment vous pouvez créer la vôtre.
Idée de projet
Construire un assistant d’écriture AI avec Wordcraft est un tutoriel de Google. Ce didacticiel vous guide dans l’extension de Wordcraft, un outil d’écriture d’histoires basé sur l’IA et créé par l’équipe Google People and AI Research.
Cette application web utilise l’API Google PaLM pour vous aider à construire des histoires étape par étape, à générer des idées, à écrire des parties de vos histoires et à réviser le contenu avec plus de détails.
Vous avez maintenant la possibilité de contribuer à Wordcraft ou d’en prendre des références de code pour construire votre projet. Vous pouvez également suivre ce tutoriel, qui vous guidera dans la création de votre propre outil de type Grammarly.
Vous pouvez acquérir les compétences nécessaires pour créer votre propre assistant de rédaction. Toutefois, si vous souhaitez renforcer votre portfolio, envisagez d’adapter le code et de l’améliorer en conséquence.
Compétences que vous pouvez acquérir
- Acquérir une expérience pratique de l’utilisation de différentes bibliothèques, en particulier celles utilisées dans les tâches liées à la langue, telles que Gramformer.
- Concevoir et optimiser des algorithmes pour la vérification grammaticale, les suggestions de style et d’autres fonctions d’amélioration de l’écriture.
- Apprendre à intégrer des API externes, en particulier l’API Google PaLM, dans une application web pour améliorer les fonctionnalités.
- Contribuer éventuellement à un projet open-source tel que Wordcraft, collaborer avec d’autres personnes et comprendre les flux de travail des projets.
Mais il existe de nombreux assistants d’écriture sur le marché. Vous pouvez créer votre propre traducteur de langue ainsi qu’un assistant de rédaction.
Traducteur linguistique
La création de projets de traducteurs linguistiques est importante pour faire tomber les barrières linguistiques et promouvoir la communication mondiale. Ces projets impliquent l’utilisation de techniques de traitement du langage naturel, d’apprentissage automatique et de génie logiciel.
Travailler sur un tel projet peut enrichir votre portfolio et démontrer vos compétences dans ces domaines.
Caractéristiques principales
- Un projet de traducteur de langue implique la conversion de texte ou de parole d’une langue à une autre.
- Utilisation de bibliothèques essentielles telles que tkinter pour la création d’interfaces utilisateur graphiques (GUI) et googletrans pour l’interface avec l’API de Google Translate.
- Acquérir une expérience pratique du développement web en étendant et en personnalisant l’application du traducteur.
C’est l’un des projets les plus faciles à réaliser en quelques étapes. Discutons du projet.
Idée du projet
Dans le projet Language Translator using Python, vous utiliserez des bibliothèques comme Tkinter pour l’interface graphique et googletrans pour l’API Google Translate.
Le didacticiel souligne l’importance de la traduction de textes pour les sites web internationaux et présente le logiciel de traduction. En suivant les étapes, vous pouvez créer votre traducteur de langue en Python et voir une traduction efficace en action.
Vous pouvez apporter des modifications si nécessaire et ajouter une version évoluée à votre portefeuille de science des données.
Compétences que vous pouvez acquérir
- Acquérir de l’expérience dans l’intégration d’API externes, dans ce cas, incorporer l’API Google Translate dans votre projet Python.
- Acquérir des connaissances sur les considérations linguistiques et culturelles lorsque vous travaillez avec des traductions de langues, améliorant ainsi votre compréhension des langues étrangères.
- Créez une zone de texte pour l’entrée et la sortie et créez une fonction pour récupérer les données.
Je vais essayer de créer un projet qui combine un assistant d’écriture et un traducteur de langues. Je ne manquerai pas de le partager avec vous.
Lisez aussi : Les algorithmes de traitement du langage naturel (NLP) expliqués
Générateur de livres audio
Un générateur de livres audio est un outil basé sur l’intelligence artificielle qui transforme un texte écrit en son parlé, automatisant ainsi la création de livres audio.
Les systèmes TTS analysent et convertissent méticuleusement le contenu textuel en discours audible, facilitant ainsi la génération de livres audio, de voix off et de divers autres documents parlés.
Il s’agit de l’un des meilleurs projets d’IA générative que vous pouvez ajouter à votre portefeuille.
Caractéristiques principales
- Intégration d’une technologie avancée de synthèse vocale pour convertir un texte écrit en un son naturel à l’aide de PyPDF2 ou pyttsx3.
- Possibilité de générer des livres audio dans différents formats, compatibles avec différents appareils et plateformes.
- Utilisation d’un modèle d’IA génératif puissant et personnalisable (GPT-3) pour créer un contenu diversifié et attrayant pour les livres audio.
Il s’agit peut-être d’un projet plus simple que d’autres, mais c’est l’un des projets les plus en vogue et qui permet de gagner du temps pour ceux qui préfèrent l’écoute à la lecture.
Idée de projet
Vous pouvez convertir n’importe quel texte en parole à l’aide de Python. Vous pouvez utiliser des bibliothèques telles que PyPDF2 et pyttsx3. Vous avez la possibilité de construire votre propre modèle de générateur de livres audio en vous entraînant sur des livres audio accessibles sur des plateformes comme Kaggle.
Pour mieux comprendre et travailler sur un plus grand ensemble de données, j’aimerais vous suggérer ce document de recherche.
Compétences que vous pouvez acquérir
- Intégrer et travailler avec des systèmes TTS pour convertir du texte généré en audio parlé en utilisant Python.
- Construire et affiner des modèles d’apprentissage automatique, en particulier dans le contexte de l’IA générative.
- Gérer le calendrier, les ressources et les tâches du projet afin d’en assurer l’achèvement dans les délais et avec succès.
Passons maintenant à notre prochain projet.
Résumeur de documents
Le résumé, dans le contexte de la synthèse de documents, consiste à extraire les informations cruciales d’un document pour le présenter de manière concise tout en conservant son sens essentiel et ses points clés.
Ce processus est très utile pour traiter des volumes de texte importants, permettant aux utilisateurs de saisir rapidement les idées principales sans avoir à lire l’intégralité du document. En vous engageant dans un tel projet, vous pouvez améliorer votre portfolio de manière significative.
Caractéristiques principales
- La possibilité de générer des résumés concis à partir de documents PDF, offrant une vue d’ensemble rapide du contenu.
- Exploitation de la puissance de LaMini-LM pour une compréhension robuste des documents, permettant un résumé précis et significatif.
- L’utilisation d’une technologie de pointe garantit que l’application est construite sur les dernières avancées dans le domaine.
Il existe de nombreux tutoriels et documents de recherche sur la documentation PDF ou le résumé d’articles volumineux. J’aimerais vous suggérer celui-ci.
Idée de projet
Il existe plusieurs tutoriels sur le web et sur YouTube. L’un d’entre eux consiste à construire une application de résumé de documents en utilisant LLM sur CPU : Pas d’OpenAI.
Dans ce guide intéressant, vous pouvez vous familiariser avec l’IA générative en créant une application de résumé de documents PDF performante. Nous utiliserons un modèle de langage de premier ordre appelé LaMini-LM, qui est avancé et nous aide à bien comprendre les documents.
J’ai fait partie d’une équipe qui travaillait sur le résumé de documents pendant mon stage. Il s’agit d’un projet à code source ouvert. Si vous souhaitez collaborer à de tels projets dans le cadre de groupes, vous pouvez vous mettre en relation avec des participants intéressés sur LinkedIn.
Compétences que vous pouvez acquérir
- Développez une solide compréhension des concepts de l’IA générative et de la manière dont ils peuvent être appliqués à des projets réels.
- Apprenez à mettre en œuvre et à intégrer des modèles de langage avancés, tels que LaMini-LM, dans des applications de résumé de documents.
- Acquérir des compétences dans le traitement et l’extraction d’informations à partir de documents PDF, une tâche courante et précieuse dans divers domaines.
- Approfondir votre compréhension du traitement du langage naturel en travaillant avec des modèles de langage pour l’analyse et le résumé de textes.
La précision et la qualité d’un résumé dépendent de la qualité de vos données, de votre approche, de vos méthodes et du modèle que vous utilisez. En même temps, cela peut prendre un certain temps pour obtenir des résultats de qualité. Mais je pense que les enseignements tirés de ce processus sont inestimables.
Chatbot personnalisé de réponse aux questions
Selon Tidio, environ 88 % des clients ont eu au moins une conversation avec un chatbot au cours de l’année écoulée. Créer votre propre chatbot est à la fois stimulant et gratifiant.
Les chatbots de questions-réponses sont couramment utilisés dans l’assistance à la clientèle, la recherche d’informations et les applications interactives où les utilisateurs recherchent des informations spécifiques ou de l’aide.
Caractéristiques principales
- Les chatbots de questions-réponses s’appuient sur le NLP pour comprendre et interpréter les requêtes des utilisateurs en langage naturel, ce qui permet des interactions plus proches de l’humain.
- Un chatbot de questions-réponses bien conçu doit être capable de traiter un large éventail de questions et de s’adapter efficacement à une base d’utilisateurs croissante.
- Les chatbots de questions-réponses doivent pouvoir s’adapter à différentes plateformes et canaux de communication, tels que les sites web, les applications de messagerie ou les interfaces vocales.
Il s’agit de l’un des projets les plus en vogue dans le domaine de l’IA générative. Voyons comment vous pouvez créer votre chatbot de questions-réponses.
Idée de projet
Votre projet doit présenter un aspect unique et distinctif pour laisser une impression durable.
J’aimerais vous suggérer le projet“Building a ChatGPT-like Chatbot using Langchain and Hugging Face” (Construire un chatbot similaire à ChatGPT en utilisant Langchain et Hugging Face). Ce projet vous apprend à créer un chatbot et à développer une interface similaire à ChatGPT. Améliorez votre chatbot en lui fournissant différents types de données.
Compétences que vous pouvez acquérir
- Apprenez à créer un chatbot conversationnel en utilisant Langchain et Hugging Face, en acquérant une expérience pratique de la construction et du déploiement d’interfaces de chat.
- Apprenez la technique qui consiste à combiner les modèles Hugging Face avec des messages-guides pour créer des robots conversationnels.
- Explorez l’utilisation de Chainlit pour créer l’interface de chat. Familiarisez-vous avec les fonctionnalités et les capacités de Chainlit dans le développement d’interfaces conversationnelles conviviales.
J’ai construit un chatbot simple en utilisant Python avec les étapes simples que j’ai mentionnées dans l’idée du projet. Cependant, pour un portefeuille d’IA générative, des chatbots avancés avec une plus grande efficacité seraient parfaits.
Vidéo narrative interactive
Vous avez peut-être déjà vu des images et des vidéos générées par l’IA sur YouTube ou Instagram. L’IA générative s’avère utile pour créer de telles vidéos.
La narration interactive est une forme de narration dans laquelle vous permettez à votre public de décider de la fin. Ce projet nécessite de la créativité pour générer un contenu de haute qualité.
Idée de projet
Si vous manquez d’idées sur la manière d’écrire une histoire, vous devez suivre cinq étapes simples.
- Créez une histoire à l’aide de ChatGPT, en apportant les modifications nécessaires
- Générer un message-guide pour la génération d’images à partir d’une histoire à l’aide de ChatGPT
- Créer une image ou une vidéo à l’aide de plateformes de génération d’images
- Modifier et ajouter des effets à la vidéo
- Utiliser des outils de voix off ou des voix générées par l’IA
Pour plus d’informations, vous pouvez lire L’art de raconter des histoires.
Si vous souhaitez accroître votre audience sur n’importe quelle plateforme de médias sociaux tout en apprenant, ce projet est fait pour vous. J’ai créé quelques vidéos en suivant ces étapes, et les résultats sont satisfaisants.
Chatbot IA avec base de connaissances
Une base de connaissances est un stockage centralisé d’informations, systématiquement organisé pour une récupération et une utilisation efficaces. Elle constitue une ressource précieuse pour la collecte et la gestion des connaissances dans un domaine ou une organisation donnés.
Les bases de connaissances peuvent prendre différentes formes : bases de données, wikis, documents ou autres formats structurés. C’est l’un des projets les plus difficiles. Vous pouvez améliorer votre portefeuille grâce à ce projet.
Caractéristiques principales
- Utilisation de l’API OpenAI et du modèle GPT-3
- Interagir avec votre base de connaissances pour récupérer les informations nécessaires
- Décomposition de notre base de connaissances en plus petits morceaux pour l’entraînement.
Avant de travailler sur ce projet, il est nécessaire de vérifier toutes les exigences.
Idée de projet
Créer un chatbot d’IA avec une base de connaissances personnalisée en utilisant l’API OpenAI et l’index GPT est un projet conçu pour vous donner un aperçu du processus complet de construction d’un projet complet, du début à la fin.
Compétences que vous pouvez acquérir
- Interagir avec votre base de connaissances pour récupérer les informations nécessaires
- Créer un chatbot
- Comprendre le fonctionnement des bases de données et le langage naturel vous sera utile.
Vous pouvez travailler sur ce projet en groupe. Cela vous aidera à discuter et à progresser.
Recommandateur de collection de mode
Un recommandateur de collections de mode est probablement un système ou une plateforme qui exploite l’intelligence artificielle (IA) et les algorithmes d’apprentissage automatique pour suggérer des collections de mode aux utilisateurs en fonction de leurs préférences, de leur style et éventuellement d’autres facteurs tels que le temps, l’occasion ou les tendances actuelles.
Voici quelques-unes des principales caractéristiques de Fashion Recommender :
Principales caractéristiques
- Le système de recommandation vise à générer des recommandations de collections de mode personnalisées dans un délai strict.
- Le système de recommandation utilise des encastrements pour représenter les images de manière plus gérable et plus significative, en réduisant la dimensionnalité des variables catégorielles et en permettant un traitement efficace des données d’image.
- S’appuyant sur Fastai et sur des modèles de réseaux neuronaux convolutionnels profonds pré-entraînés tels que ResNet50, le système utilise l’apprentissage par transfert pour affiner le modèle de recommandations de mode.
- Le système crée un objet fantôme en calculant la moyenne des valeurs d’intégration des articles sélectionnés par l’utilisateur.
J’ai travaillé sur ce projet où j’ai généré quelques images de mode en utilisant un ensemble de données de mode. Il s’agissait de la première étape vers la recommandation de mode.
Même après avoir généré des images, vous devez les présenter en fonction des besoins de l’utilisateur. Pour cela, j’aimerais que vous lisiez le projet que j’ai mentionné ci-dessous.
Idée de projet
Building a Personalized Real-Time Fashion Collection Recommender est un article écrit par Kai Xin Thia. L’article offre un aperçu des aspects pratiques de la construction d’une recommandation de collection de mode personnalisée en temps réel, en combinant des outils et des techniques modernes dans le domaine de l’apprentissage profond et des systèmes de recommandation.
L’auteur utilise un sous-ensemble du jeu de données DeepFashion, composé de 280 000 images de mode réparties en 46 catégories, pour entraîner le système de recommandation. L’article met en évidence la construction réussie d’un système de recommandation de collection de mode en temps réel à l’aide d’outils modernes tels que PyTorch, Fastai et Annoy.
Les compétences que vous pouvez acquérir
- Acquérir une expertise dans la conception et la mise en œuvre de systèmes de recommandation adaptés aux besoins spécifiques des entreprises.
- Comprendre et appliquer les concepts d’apprentissage profond, en particulier les réseaux neuronaux convolutifs (CNN), Annoy pour la recherche approximative du plus proche voisin (ANN), et l’apprentissage par transfert pour les tâches liées à l’image.
- Comprendre les cadres d’apprentissage profond comme PyTorch et les bibliothèques spécialisées comme Fastai pour une formation et un développement efficaces des modèles.
Il s’agit de l’un des projets les plus avancés dans le domaine des GAN, et votre portfolio se distinguera si vous souhaitez travailler pour une entreprise de l’industrie de la mode.
À lire également : Réseaux neuronaux convolutifs (CNN) : Une introduction
Parlez à votre base de données
Dans les interactions classiques avec les bases de données, les développeurs composent généralement des requêtes SQL pour interagir avec une base de données (récupération, insertion, mise à jour ou suppression de données).
Cependant, grâce aux progrès réalisés dans le domaine du traitement du langage naturel et à l’intégration de modèles de langage, les développeurs peuvent désormais interagir avec les bases de données en utilisant un langage qui s’apparente davantage à une conversation humaine.
Ce concept vise à permettre aux utilisateurs ou aux applications de poser des questions ou de rechercher des informations dans la base de données de manière conversationnelle et intuitive.
Voici quelques-unes des principales caractéristiques :
Caractéristiques principales
- Le composant Agent de LangChain est décrit comme une enveloppe autour des LLM, chargée de prendre des décisions sur les meilleures actions à entreprendre pour résoudre un problème donné.
- Un exemple de base de données pour le système de commande et d’inventaire d’une société de commerce électronique est créé avec des tables pour les catégories, les produits et les commandes, chacune ayant des relations de clé étrangère.
- Un modèle d’invite est créé pour fournir un contexte et des instructions au LLM sur la structure des requêtes SQL.
- Des extraits de code sont présentés pour démontrer les interactions avec LangChain, la connexion à une base de données SQL et l’initialisation du modèle de chat LangChain à l’aide d’Azure OpenAI.
- Le SQLDatabaseToolkit de LangChain est utilisé pour créer et tester un agent capable d’interagir avec une base de données SQL, équipé d’outils pour construire des requêtes SQL.
Je vous propose un article pour vous aider à comprendre ce projet en détail.
Idée de projet
L’article ‘Talk’ to Your SQL Database Using LangChain and Azure OpenAI par Satwiki De. Cet article explore l’utilisation du framework LangChain, un framework open-source pour le développement d’applications qui traitent le langage naturel à l’aide de grands modèles de langage (LLM).
L’article se concentre sur une étude de cas où LangChain est utilisé pour interagir avec une base de données SQL en utilisant des requêtes en langage naturel.
Vous pouvez utiliser cet article comme référence pour développer votre propre projet, améliorant ainsi la qualité de votre portfolio.
Les compétences que vous pouvez acquérir
- Comprendre comment nous pouvons utiliser LangChain Agent et le modèle Azure OpenAI gpt-35-turbo pour interroger votre base de données SQL en utilisant le langage naturel (sans écrire de SQL du tout !) et obtenir des informations utiles sur les données.
- Apprenez à utiliser le SQL Database Toolkit et l’agent pour convertir les données de l’utilisateur en une requête SQL appropriée, en l’exécutant dans la base de données pour récupérer les réponses.
- Interagir avec votre base de connaissances pour récupérer les informations nécessaires.
Assurez-vous d’acquérir toutes les compétences nécessaires pour améliorer votre connaissance des bases de données SQL, des agents Langchain et des modèles OpenAI et améliorer votre portefeuille.
Conclusion
La concurrence s’est accrue dans le domaine de la science des données avec l’apparition d’outils tels que ChatGPT, qui rendent l’apprentissage automatique et la programmation plus faciles que jamais. Il est donc temps d’améliorer nos compétences en s’engageant dans ces projets.
Dans cet article, je vous propose différents projets d’IA générative qui vous aideront non seulement à vous démarquer dans ce domaine compétitif, mais aussi à acquérir de nouvelles compétences et une expérience précieuse.