Techinaire : mise en place d'un RAG-LLM

par Anne Laure Mealier

jeudi 12 déc. 2024, 09:30 → 12:00 Europe/Paris

Zoom

Dans un contexte où les besoins d'interaction avec des données scientifiques complexes se multiplient, ce techinaire propose une introduction pratique à la création d’un chatbot basé sur les modèles de langage (LLM) et des retrievers pour la recherche d’informations. Destiné aux chercheurs, ingénieurs et techniciens de laboratoires ou institut, ce techinaire vise à démontrer comment tirer parti des technologies d’intelligence artificielle pour faciliter l’accès, la synthèse et l’analyse de données scientifiques.

Au cours de cette session, vous serez guidés dans le développement d’un prototype interactif à travers un Notebook Python. Ce support contiendra tous les éléments nécessaires pour :

• Exploiter un LLM pour générer des réponses en langage naturel.
• Configurer un retriever pour interroger des bases de données scientifiques ou des archives ouvertes.
• Intégrer ces outils afin de répondre à des problématiques scientifiques spécifiques.

Le résultat final permettra aux participants de disposer d’un prototype chatbot fonctionnel capable de dialoguer avec un utilisateur tout en s’appuyant sur des données issues de corpus Open Sources (dans le cadre de ce techinaire). Ce projet vise également à illustrer des cas d’usage concrets, notamment dans l’analyse de données et l'extraction d'information pertinente dans des données.

Pré-requis : Connaissances de base en Python

Objectifs :

• Comprendre les principes fondamentaux des LLM et des retrievers.
• Apprendre à concevoir une architecture IA adaptée aux travaux scientifiques.
• Réaliser un outil concret facilement extensible aux données spécifiques des laboratoires.

 

Les orateurs

Anne Laure Mealier

Matériel

https://drive.google.com/file/d/19UjoYdJ8puKxvFUZWg53QGG0BEW-t1H6/view

https://drive.google.com/file/d/1yfAUIPAesaEVmQXu6oRUO-iMZ0i6MRz9/view

Informations de connexion

Les informations de connexion sont données ci-dessous :

https://cern.zoom.us/j/67060862600?pwd=c6Wx5HAIjtQbmeSJqnyWmNk4N9Gfa7.1

Comme pour les éditions précédentes, ce webinaire sera enregistré puis rendu disponible dans la chaîne RI3 du webcast.