Dans ce module, vous apprendrez à créer un chatbot simple avec des LLM open Source et à intégrer votre chatbot dans une interface web. Vous explorerez les différents composants de l'application de chatbot et comprendrez comment fonctionne un chatbot. En outre, vous apprendrez à sélectionner le bon Grand modèle de langage (LLM) pour votre chatbot. Dans ce projet, vous travaillerez avec le modèle Blenderbot de Facebook et la bibliothèque Python de Hugging Face, Transformers.

Dans ce module, vous apprendrez les bases des chatbots et de leurs applications. Vous mettrez en place un environnement de développement pour construire un chatbot. Vous construirez un chatbot qui peut prendre une entrée vocale et générer une réponse parlée en utilisant la fonctionnalité de reconnaissance vocale d'IBM Watson et en l'intégrant au modèle GPT 3 d'OpenAI pour incorporer une intelligence élevée au sein du chatbot. Enfin, vous apprendrez à déployer le chatbot sur un serveur public.

Dans ce module, vous travaillerez sur la création d'une app qui capture de l'audio à l'aide d'OpenAI Whisper et la résume à l'aide de Llama 2 LLM. Ensuite, vous apprendrez à déployer l'application dans un environnement sans serveur à l'aide du moteur de code du cloud IBM. Ce module fournit une base solide pour l'utilisation des LLM pour la génération de texte et les tâches de résumé.

Dans ce module, vous apprendrez comment fonctionnent les grands modèles de langage (LLM) et comment les utiliser pour le résumé de données et l'extraction d'informations. Vous travaillerez sur un projet visant à construire votre propre chatbot qui vous permettra de télécharger un fichier PDF et de répondre aux questions de l'utilisateur basées sur le PDF. Vous apprendrez à utiliser Llama 2 LLM soutenu par la technique de Génération augmentée de récupération (RAG). Enfin, vous travaillerez avec des frameworks populaires comme LangChain pour créer un chatbot intelligent.

Dans ce module, vous allez acquérir les compétences nécessaires pour créer un assistant traducteur vocal en exploitant des modèles IA génératifs comme flan-ul2 et des technologies IA comme IBM Watson® Speech Libraries for Embed. Cette application de traducteur convertira l'entrée vocale en texte, puis fournira la sortie par la parole dans une langue spécifiée. Vous mettrez en œuvre vos compétences en Python, Flask, HTML, CSS et JavaScript pour créer l'assistant vocal basé sur le web.

Dans ce module, vous allez créer un coach de carrière IA pour aider à combler le fossé entre le talent et les opportunités. Dans le cadre de ce coach de carrière IA, vous construirez trois applications : un outil d'amélioration du CV, un générateur de lettres de motivation personnalisées et un conseiller de carrière. Vous tirerez parti du Grand modèle de langage (LLM) intégré à la plateforme IBM watsonx.ai pour construire ces applications. Vous vous appuierez également sur Gradio pour construire l'interface web de ces applications.