Fondamentaux de LlamaIndex : Créez des agents AI et des applications RAG

Alors que les large language models (LLMs) deviennent centraux dans les logiciels modernes, la capacité à les connecter à des données privées est une compétence très recherchée. LlamaIndex fournit un framework puissant pour combler le fossé entre les documents bruts et les applications AI intelligentes. Ce cours vous guide à travers le processus de création d'agents AI intelligents et d'implémentation de systèmes de Retrieval-Augmented Generation (RAG). Vous commencerez par les concepts fondamentaux de l'indexation de documents et des vector embeddings, puis vous progresserez vers la conception d'agents autonomes capables d'interroger des ensembles de données complexes pour fournir des réponses précises et contextuelles. Ce que vous apprendrez : - Comprendre les concepts de base de LlamaIndex, des LLMs et de l'indexation de documents. - Créer des pipelines de Retrieval-Augmented Generation (RAG) fondamentaux pour interroger vos propres données. - Intégrer des bases de données vectorielles modernes pour une recherche sémantique et une récupération efficaces. - Concevoir des agents AI intelligents capables de raisonnement multi-étapes et d'utilisation d'outils. - Appliquer des techniques de base de prompt engineering pour améliorer la précision et la fiabilité des agents. - S'entraîner à structurer et à découper (chunking) des documents complexes pour une consommation optimale par l'AI. Le programme progresse logiquement de la terminologie essentielle et de l'ingestion de données de base aux flux de travail agentiques avancés. Grâce à des explications textuelles et des extraits de code pratiques, vous développerez progressivement les compétences nécessaires pour développer des applications AI robustes à partir de zéro. Ce cours est entièrement conçu pour les débutants et les développeurs en herbe ; aucune expérience préalable en machine learning n'est requise. Inscrivez-vous dès aujourd'hui pour commencer à créer vos propres agents AI pilotés par les données avec LlamaIndex.