Avant-Première : Je Découvre Mixtral sur La Plateforme de Mistral AI!

[@baptistecheynel7346]

Super présentation ! Avec l'explication du code python en plus pour l'interface de l'API, génial !

[@pierrebittner]

Merci beaucoup!

[@jeremietoussaint4085]

Mixtral est vraiment très bon et Mistral medium encore meilleur

[@pierrebittner]

On a hate d'en savoir plus sur ce nouveau modèle.

[@Marcus_613]

1:17 Le modèle mistral 7B tourne sans aucun problème sur un simple raspberry

[@dembasy6717]

Bravo pour la présentation très claire.

[@pierrebittner]

Merci.

[@ludos2140]

Arrivée ici par la grâce de l algo KZbin. Bilan : un abonné de plus ;)

[@pierrebittner]

Merci et bienvenue

[@Iskaabuyahya]

Merci pour votre contenu. Abonné immédiatement

[@pierrebittner]

Merci à vous

[@Iskaabuyahya]

La valeur que vous apportez est priceless. Faites vous des consulting? En tout cas, j’ai partagé votre compte, et je pense qu’elle va grossir très vite car votre travail est très propre

[@pierrebittner]

Merci pour votre intérêt. N'hesitez pas à me contacter sur mon linkedin.

[@Iskaabuyahya]

@@pierrebittner ok super merci et à très bientôt

[@AlexandreCastanet]

Toujours de bon sujets bien expliqués

[@pierrebittner]

Merci!

[@FrançoisPARMENTIER-j4e]

Merci beaucoup pour la vidéo. Avez-vous prévu de parler de la partie amont de l'entraînement ou fine-tuning de modèle qui est la préparation des data. J'avoue avoir un peu de mal avec cette partie-là et je n'arrive pas à trouver des explications satisfaisantes... Nous sommes bien d'accord que sur le cas d'un appel à une API, toutes les données renvoyées sont issues de l'entraînement initial du modèle et que nous ne pouvons pas influencer avec un jeu de données personnelles ? Cela est-il réservé au fine-tuning uniquement ? Merci d'avance

[@pierrebittner]

Avez vous regardé la vidéo "Comprendre ChatGPT et les LLMs (kzbin.info/www/bejne/bXyWhHeOptaShc0) ? Le LLM utilise les données de son entrainement et du fine-tuning. Il est possible d'influencer la réponse en ajoutant de l'informations personnelles dans le context (paramètre d'appel) avec la méthodologie RAG (Retrieval Augmented Generation) que je présente dans cette vidéo : kzbin.info/www/bejne/aJOtmYedbqtgeNk Le fine-tuning n'est requis que dans des cas spécifique de spécialisation et requiert beaucoup de données bien structurées et de qualité (cas positif et cas négatif) afin d'améliorer les performances initial du modèle.

[@FrançoisPARMENTIER-j4e]

Merci beaucoup. Je vais en effet me tourner vers le RAG avec votre tutoriel. Bonne continuation@@pierrebittner

[@tetuaoro]

Merci de nous partager ces nouveautés et usages. Le seul soucis que beaucoup de youtubeurs font, c'est que le texte est trop petit. Superbe vidéo.

[@pierrebittner]

Merci pour le commentaire. Je vais trouver comment faire le texte plus grand. 👍

[@BackupSte]

Super JOB 👍

[@pierrebittner]

Merci!

[@fryldupont2655]

Bonjour Je suis très intéressé par le sujet de l’extraction des données Pourriez-vous svp m’indiquer comment trouver votre github que vous mentionnez ? Merci beaucoup

[@fryldupont2655]

Super contenu en tout cas

[@pierrebittner]

Merci, le repo est (enfin) disponible sur GitHub : github.com/BittnerPierre/mistralai-decouverte/ merci pour votre patience.

[@dembasy6717]

Est ce que tu offres des formations sur le développement d'IA? dans l'affirmative, je serais très intéressé.

[@pierrebittner]

Merci pour l'intérêt. Quel type de formation ? En présentiel ? En ligne ?

[@NicoR-Co]

Je suis intéressé par des formations également si vous en proposez, plutôt en ligne

[@Noshiru]

Vidéo très intéressante! Le chatbot - streamlit que tu montres, c'est quelque chose que tu as crée toi même ou c'est de l'existant ? Car quand j'ai cherché "streamlit", je n'ai pas du tout eu de visuel semblable ^^

[@pierrebittner]

Merci pour le commentaire. J’utilise les api de streamlit pour le chat docs.streamlit.io/library/api-reference/chat

[@Noshiru]

​@@pierrebittner Merci pour l'info je vais regarder ça! :) Merci pour la vidéo :)

[@maloukemallouke9735]

Nickel

[@pierrebittner]

Merci.

[@Noshiru]

Désolé j'ai une autre petite question, je ne trouve pas la réponse.. Sais tu s'il est possible d'apprendre des choses à un Mistral installé en local via LM Studio ? Car le but pour pas mal d'entreprises (même si je teste pour l'instant en tant que particulier), ça sera de lui faire manger de la doc pour potentiellement aider derrière ? Merci d'avance pour ta réponse! :)

[@pierrebittner]

Bonjour, je ne suis pas sûr de bien comprendre la question. Il est tout à fait possible de fine-tuner les modèles Mistral. On trouve facilement des tutoriaux sur internet pour cela : towardsdatascience.com/fine-tune-a-mistral-7b-model-with-direct-preference-optimization-708042745aac ou kzbin.info/www/bejne/oZ7OlIGMq6qtY80

[@djcaesar9114]

Merci pour cette vidéo. En revanche attention à ton argument "en Suède donc en UE". Non: c'est Azure donc Microsoft donc la souveraineté des données n'est pas garantie. Pour des données sensibles (i.e. toutes ses données quand on est une entreprise) je préconise de ne pas passer par l'API.

[@pierrebittner]

Merci de votre commentaire. Je donne juste des informations importantes pour permettre à chacun de prendre des décisions selon ses contraintes réglementaires et de sécurité. Pour les données sensibles, je préconise de ne pas les mettre en format numérique. ;)

[@djcaesar9114]

@@pierrebittner Oui, vos vidéos sont très intéressantes, d'ailleurs, merci pour votre travail!

[@fryldupont2655]

@pierrebittner je suis très intéressé par votre cas d’illustration sur le kbis mais je ne trouve pas votre github que vous mentionnez Pourriez-vous svp m’aiguiller pour que je puisse m’en imprégner et comprendre comment vous avez procédé ? Merci par avance

[@pierrebittner]

Bonsoir, j ai ajoute le lien du repo github dans la description. Desole pour l attente.

[@fryldupont2655]

@@pierrebittnermerci beaucoup

[@Den-io6ju]

Je vois que tu as succombé aux vignettes youtube avec les expressions faciales 😂😂. Mais t'as raison il n'y a que ca qui marche. Ta chaîne devient de plus en plus intéressante. Bravo

[@pierrebittner]

Merci beaucoup! Si on ne s'amuse pas en faisant les thumbnails ;)

[@adelbylka5641]

Mixtral il y a pas langue maternelle : Je suis un modèle de langage entraîné par l'intelligence artificielle, je n'ai pas de langue maternelle. Cependant, je suis conçu pour comprendre et générer du texte en plusieurs langues, dont le français. GPT-4 il y a déjà : Oui, je suis conçu pour comprendre et communiquer dans de nombreuses langues. Ma "langue maternelle" pourrait être considérée comme l'anglais, car c'est la langue dans laquelle j'ai été principalement formé et pour laquelle j'ai le plus de données. Cependant, je peux interagir dans d'autres langues également, y compris le français, bien que ma compétence puisse varier en fonction de la complexité de la langue et des nuances culturelles impliquées. Comment puis-je vous aider aujourd'hui ?

[@pierrebittner]

GPT serait plus honnête que Mistral? La majorité du contenu d apprentissage disponible est quand meme en anglais. Ce n’est pas la faute aux créateurs de LLM. Nous sommes moins prompt à partager nos données.

[@adelbylka5641]

@@pierrebittner Il est vrai que la langue anglaise domine souvent dans le domaine de l'apprentissage automatique. Cependant, cela ne signifie pas nécessairement que les créateurs de LLM sont responsables de cette situation. Chacun a ses propres raisons de choisir une langue spécifique pour ses projets.

[@ELECOEST]

Hello, possible de partager tes bouts de codes stp ? Grand merci

[@pierrebittner]

Hello, je les mets au propre et je les mets sur mon github. Je fais ça courant de semaine prochaine.

[@ELECOEST]

@@pierrebittner super grand merci car beaucoup de doc en anglais et trop peu en français. Ça demande un ticket d’entrée assez conséquent pour s’y mettre et les GitHub ou notebook aide grandement. À bientôt

[@pierredavy]

Oh le bout de code de parsing de kbis me fait rêver. 🤩. On peux le faire avec la version de mistral qui tourne en local tu penses?

[@ELECOEST]

@@pierredavy je pense que pui

[@pierrebittner]

En local avec Mistral 7b, mon GPU a bloqué au 2e test (requête BdD). Je peux essayer l'extraction. Par contre, pour faire tourner Mixtral, il faut 100Gb de RAM GPU mini selon la doc.