Dans ce projet de 2 heures, vous apprendrez à Fine-tuning le modèle GPT-3.5 en utilisant l'API OpenAI en Python. Vous êtes un ingénieur IA employé par PulseNet, une entreprise de télécommunications qui fournit des services Internet, de télévision et de téléphone. PulseNet opère avec une large base de clients et gère un volume important de demandes quotidiennes, de demandes de support et d'évaluations de produits. L'entreprise a reçu de nombreuses plaintes de clients exprimant leur insatisfaction. L'objectif de PulseNet est d'améliorer la satisfaction de ses clients en analysant plus régulièrement leurs réclamations afin de traiter et de résoudre les problèmes liés à ses services. L'entreprise a besoin d'un Grand modèle de langage (LLM) capable d'extraire des détails spécifiques de chaque plainte, notamment le sujet, le problème et l'indice d'insatisfaction du client en temps réel. Cet indice d'insatisfaction sera compris entre 0 et 100, ce qui représente le niveau de colère du client dérivé du texte de la plainte. PulseNet a fourni un ensemble de données contenant les 50 dernières plaintes d'utilisateurs ainsi que les informations extraites dans le format souhaité. Votre rôle en tant qu'ingénieur IA est d'utiliser l'API OpenAI et Python pour affiner le modèle GPT-3.5 et entraîner un nouveau modèle de grand langage (LLM) capable d'extraire les informations nécessaires d'une plainte client donnée dans le format souhaité. Pour tirer le meilleur parti de ce cours, vous devez avoir accès à la clé API OpenAI et avoir une compréhension de base des concepts d'analyse des données, y compris les types de données et la manipulation des données, ainsi qu'une certaine familiarité avec Python. Ce cours s'adresse à ceux qui sont des analystes de données expérimentés avec au moins une connaissance de base de Python et qui veulent explorer les applications passionnantes de l'IA générative dans l'analyse des données.