Bienvenue au cours đ€ AI Agents L'arriĂšre-plan de l'image a Ă©tĂ© gĂ©nĂ©rĂ© Ă l'aide de Scenario.com Bienvenue dans le sujet le plus passionnant de lâIA aujourdâhui : Les Agents !
Ce cours gratuit vous emmĂšnera dans un voyage, du dĂ©butant Ă lâexpert , pour comprendre, utiliser et construire des agents IA.
Cette premiÚre unité va vous aider à démarrer :
DĂ©couvrez le programme du cours . Choisissez le parcours que vous souhaitez suivre (soit en autoformation, soit en suivant le processus de certification). Obtenez plus dâinformations sur le processus de certification . Faites connaissance avec lâĂ©quipe derriĂšre le cours. CrĂ©ez votre compte Hugging Face . Inscrivez-vous Ă notre serveur Discord et rencontrez vos camarades ainsi que nous. Câest parti !
Que pouvez-vous attendre de ce cours ? Dans ce cours, vous allez :
đ Ătudier les agents IA en thĂ©orie, en conception et en pratique . đ§âđ» Apprendre Ă utiliser des bibliothĂšques dâagents IA Ă©tablies telles que smolagents , LlamaIndex , et LangGraph . đŸ Partager vos agents sur le Hugging Face Hub et explorer les agents créés par la communautĂ©. đ Participer Ă des challenges oĂč vous Ă©valuerez vos agents par rapport Ă ceux des autres Ă©tudiants . đ Obtenir un certificat de rĂ©ussite en complĂ©tant les exercices. Et bien plus encore !
Ă la fin de ce cours, vous comprendrez comment fonctionnent les Agents et comment construire vos propres Agents en utilisant les derniĂšres bibliothĂšques et outils .
Nâoubliez pas de vous inscrire au cours !
(Nous respectons votre vie privée. Nous collectons votre adresse email afin de pouvoir vous envoyer les liens dÚs que chaque unité est publiée et vous fournir des informations sur les challenges et les mises à jour .)
Ă quoi ressemble le cours ? Le cours se compose de :
UnitĂ©s fondamentales : oĂč vous apprenez les concepts des Agents en thĂ©orie . Pratique : oĂč vous apprendrez Ă utiliser des bibliothĂšques dâagents IA existantes pour entraĂźner vos agents dans des environnements uniques. Ces sessions pratiques se feront dans des Hugging Face Spaces avec un environnement prĂ©configurĂ©. Exercices basĂ©s sur des cas dâutilisation : oĂč vous appliquerez les concepts appris pour rĂ©soudre un problĂšme rĂ©el de votre choix. Le Challenge : vous mettrez votre agent en compĂ©tition contre dâautres agents dans un challenge. Il y aura Ă©galement un classement pour comparer les performances des agents. Ce cours est un projet vivant, Ă©voluant avec vos retours et contributions ! NâhĂ©sitez pas Ă ouvrir des issues et des PR sur GitHub et Ă participer aux discussions sur notre serveur Discord.
AprĂšs avoir suivi le cours, vous pouvez Ă©galement nous envoyer vos retours đ via ce formulaire
Quel est le programme ? Voici le programme général du cours . Une liste plus détaillée des sujets sera publiée avec chaque unité.
Chapter Topic Description 0 IntĂ©gration Vous prĂ©parer avec les outils et plateformes que vous utiliserez. 1 Fondamentaux des Agents Expliquer les outils, le raisonnement, les actions, les observations et leurs formats. Expliquer les LLM, les messages, les tokens spĂ©ciaux et les modĂšles de chat. PrĂ©senter un cas dâusage simple en utilisant des fonctions Python comme outils. 2 Frameworks Comprendre comment les fondamentaux sont implĂ©mentĂ©s dans des bibliothĂšques populaires : smolagents, LangGraph, LlamaIndex 3 Cas dâutilisation Construisons quelques cas dâutilisation rĂ©els (les PRs đ€ des constructeurs dâagents expĂ©rimentĂ©s sont les bienvenus) 4 Projet final Construisez un agent pour un benchmark sĂ©lectionnĂ© et dĂ©montrez votre comprĂ©hension des Agents sur le classement Ă©tudiant đ
En plus du programme principal, vous avez 3 unités bonus :
UnitĂ© Bonus 1 : Ajustement fin dâun LLM pour lâappel de fonctions UnitĂ© Bonus 2 : ObservabilitĂ© et Ă©valuation des agents UnitĂ© Bonus 3 : Agents dans les jeux avec Pokemon Par exemple, dans lâUnitĂ© Bonus 3, vous apprendrez Ă construire votre Agent pour jouer aux combats Pokemon đ„.
Quels sont les prérequis ? Pour pouvoir suivre ce cours, vous devez avoir :
Une connaissance de base de Python Une connaissance de base des LLM (nous avons une section dans lâUnitĂ© 1 pour rappeler ce quâils sont) De quels outils ai-je besoin ? Vous nâavez besoin que de 2 choses :
Un ordinateur avec une connexion internet. Un compte Hugging Face : pour pousser et charger des modĂšles, des agents, et crĂ©er des Spaces. Si vous nâavez pas encore de compte, vous pouvez en crĂ©er un ici (câest gratuit). Le processus de certification Vous pouvez choisir de suivre ce cours en mode auditeur libre , ou de rĂ©aliser les activitĂ©s et obtenir lâun des deux certificats que nous dĂ©livrerons .
Si vous suivez le cours en auditeur libre, vous pouvez participer Ă tous les challenges et faire les exercices si vous le souhaitez, et vous nâavez pas besoin de nous en informer .
Le processus de certification est entiĂšrement gratuit :
Pour obtenir une certification des fondamentaux : vous devez complĂ©ter lâUnitĂ© 1 du cours. Ceci est destinĂ© aux Ă©tudiants qui souhaitent se tenir Ă jour avec les derniĂšres tendances en matiĂšre dâAgents. Pour obtenir un certificat de rĂ©ussite : vous devez complĂ©ter lâUnitĂ© 1, lâun des exercices de cas dâutilisation que nous proposerons pendant le cours, ainsi que le challenge final. Il nây a pas de date limite pour le processus de certification.
Quel est le rythme recommandĂ© ? Chaque chapitre de ce cours est conçu pour ĂȘtre complĂ©tĂ© en 1 semaine, avec environ 3 Ă 4 heures de travail par semaine .
Nous vous proposons un rythme recommandé :
Comment tirer le meilleur parti du cours ? Pour tirer le meilleur parti du cours, nous vous donnons quelques conseils :
Rejoignez des groupes d'Ă©tude sur Discord : Ă©tudier en groupe est toujours plus facile. Pour cela, vous devez rejoindre notre serveur Discord et vĂ©rifier votre compte Hugging Face. Faites les quiz et les exercices : la meilleure façon dâapprendre est par la pratique et lâauto-Ă©valuation. DĂ©finissez un planning pour rester en phase : vous pouvez utiliser notre planning de rythme recommandĂ© ci-dessous ou crĂ©er le vĂŽtre. Qui sommes-nous ? Ă propos des auteurs :
Joffrey Thomas Joffrey est ingénieur en machine learning chez Hugging Face et a construit et déployé des agents IA en production. Joffrey sera votre principal instructeur pour ce cours.
Ben Burtenshaw Ben est ingĂ©nieur en machine learning chez Hugging Face et a donnĂ© plusieurs cours sur diverses plateformes. Lâobjectif de Ben est de rendre le cours accessible Ă tous.
Thomas Simonini Thomas est ingénieur en machine learning chez Hugging Face et a animé avec succÚs les cours Deep RL et ML for games . Thomas est un grand fan des Agents et est impatient de voir ce que la communauté va construire.
Remerciements Nous tenons Ă exprimer notre gratitude aux personnes suivantes pour leurs contributions inestimables Ă ce cours :
Pedro Cuenca â Pour ses conseils et son expertise dans la rĂ©vision des supports Aymeric Roucher â Pour ses incroyables espaces de dĂ©monstration (dĂ©codage et agent final) Joshua Lochner â Pour son espace de dĂ©monstration incroyable sur la tokenisation Jâai trouvĂ© un bug, ou je souhaite amĂ©liorer le cours Les contributions sont les bienvenues đ€
Si vous avez trouvĂ© un bug đ dans un notebook , veuillez ouvrir une issue et dĂ©crire le problĂšme . Si vous souhaitez amĂ©liorer le cours , vous pouvez ouvrir une Pull Request . Si vous voulez ajouter une section complĂšte ou une nouvelle unitĂ© , le mieux est dâouvrir une issue et dĂ©crire le contenu que vous souhaitez ajouter avant de commencer Ă lâĂ©crire afin que nous puissions vous guider . Jâai encore des questions Veuillez poser vos questions sur notre serveur Discord #agents-course-questions .
Maintenant que vous avez toutes les informations, embarquons â”
< > Update on GitHub