GenAI & LangChain
LLMs (GPT, Gemini, Claude), prompting, LangChain, chains, agents, RAG, vector stores, embeddings
1Qu'est-ce qu'un LLM (Large Language Model) ?
Qu'est-ce qu'un LLM (Large Language Model) ?
Réponse
Un LLM est un modèle de deep learning entraîné sur d'énormes quantités de texte pour comprendre et générer du langage naturel. Ces modèles utilisent l'architecture Transformer avec des milliards de paramètres, leur permettant de capturer les nuances du langage, de suivre des instructions complexes et de générer du texte cohérent. GPT-4, Claude et Gemini sont des exemples de LLMs utilisés en production.
2Quelle est la différence principale entre le prompting zero-shot et few-shot ?
Quelle est la différence principale entre le prompting zero-shot et few-shot ?
Réponse
Le zero-shot prompting demande au modèle d'effectuer une tâche sans fournir d'exemples préalables, en se fiant uniquement aux instructions. Le few-shot prompting inclut quelques exemples de paires entrée/sortie dans le prompt pour guider le modèle. Le few-shot améliore généralement la performance sur des tâches spécifiques car le modèle peut inférer le format et le style attendus à partir des exemples fournis.
3Qu'est-ce que le chain-of-thought (CoT) prompting ?
Qu'est-ce que le chain-of-thought (CoT) prompting ?
Réponse
Le chain-of-thought prompting est une technique qui encourage le LLM à décomposer son raisonnement étape par étape avant de donner sa réponse finale. En ajoutant des phrases comme 'Réfléchissons étape par étape' ou en montrant des exemples de raisonnement, on améliore significativement la performance sur des tâches de raisonnement logique, mathématique ou multi-étapes. Cette approche rend aussi le processus de décision plus transparent et vérifiable.
Qu'est-ce que LangChain et quel est son principal objectif ?
Qu'est-ce qu'une chain dans LangChain ?
+21 questions d'entretien
Autres sujets d'entretien Data Science & ML
Les bases de Python
Programmation Orientée Objet Python
Structures de données Python
Fondamentaux Git
Les bases de SQL
Fondamentaux NumPy
Les bases de Pandas
Jupyter & Google Colab
SQL Joins & Requêtes avancées
Pandas avancé
Visualisation avec Matplotlib & Seaborn
Visualisations interactives avec Plotly
Statistiques descriptives
Statistiques inférentielles
Web Scraping
BigQuery & Cloud Data
Feature Engineering
ML Supervisé : Régression
ML Supervisé : Classification
Arbres de décision & Ensembles
ML Non supervisé
Pipelines ML & Validation
Séries temporelles & Prévisions
Fondamentaux Deep Learning
TensorFlow & Keras
CNN & Classification d'images
RNN & Séquences
Transformers & Attention
NLP & Hugging Face
MLOps & Déploiement
Maîtrise Data Science & ML pour ton prochain entretien
Accède à toutes les questions, flashcards, tests techniques, exercices de code review et simulateurs d'entretien.
Commencer gratuitement