FR

Dans le contexte des grands modèles de langage, la qualité des données joue un rôle crucial dans la performance des modèles et des applications basées sur ces modèles. Cette présentation explore les meilleures pratiques pour assurer la qualité des données tout au long du processus d'ingestion des données. Nous abordons les défis courants tels que la gestion des biais, la détection et la correction des erreurs, la gestion de la diversité des formats de données, etc. En outre, nous discutons des outils et des techniques qui peuvent être intégrés dans le pipeline d'ingestion pour garantir une qualité optimale. Enfin, nous examinons les implications de la qualité des données sur les résultats des modèles de langage et proposons des stratégies pour surmonter les obstacles rencontrés.

La présentation a été donnée dans le cadre d'une conférence organisée par le groupe de contact FNRS "Analyse critique et amélioration de la qualité de l’information numérique".

NL

In de context van grote taalmodellen speelt de kwaliteit van de gegevens een cruciale rol in de prestaties van de modellen en de toepassingen die daarop gebaseerd zijn. Deze presentatie verkent de beste praktijken om de kwaliteit van de gegevens te waarborgen gedurende het hele proces van gegevensinvoer. We behandelen veelvoorkomende uitdagingen zoals het omgaan met vooroordelen, het opsporen en corrigeren van fouten, het beheren van de diversiteit aan gegevensformaten, enzovoort. Daarnaast bespreken we de tools en technieken die in de invoerpijplijn kunnen worden geïntegreerd om een optimale kwaliteit te garanderen. Tot slot bekijken we de implicaties van de gegevenskwaliteit op de resultaten van taalmodellen en stellen we strategieën voor om de tegengekomen obstakels te overwinnen.

De presentatie werd gegeven in het kader van een conferentie georganiseerd door de FNRS-contactgroep 'Kritische analyse en verbetering van de kwaliteit van digitale informatie'.

Unstructured est un outil d'ingestion de documents pour le développement d'applications basées sur les grands modèles de langue (LLM) telles que les applications de type RAG. L'outil est disponible comme plateforme payante no-code, sous forme d'API payant ou comme package Python open-source.

Unstructured is een documentinvoertool voor de ontwikkeling van applicaties gebaseerd op grote taalmodellen (LLM) zoals RAG-toepassingen. De tool is beschikbaar als een betalend no-code platform, als betalende API of als open-source Python library.

H2O LLMStudio est une plateforme open-source dédiée au réglage fin des grands modèles de langage (LLM), l’objectif étant de rendre ces modèles plus performants pour certaines tâches. H2O LLMStudio permet l’optimisation de modèles tels que Llama2 sans écrire une ligne de code à condition de disposer de ressources computationnelles suffisantes.

H2O LLMStudio is een open-source platform dat zich toelegt op het fine-tunen van grote taalmodellen (LLM), met als doel deze modellen beter te laten presteren voor bepaalde taken. H2O LLMStudio maakt de optimalisatie van modellen zoals Llama2 mogelijk zonder een regel code te schrijven, op voorwaarde dat er voldoende rekenkracht beschikbaar is.

Haystack est une librairie Python open-source qui permet la construction de systèmes de questions-réponses (QA) et de systèmes de recherche sémantique de documents basé sur des modèles de langage type Transformer.
Cette librairie intègre d'autres projets open-source tels que Elasticsearch, FAISS et HuggingFace.

Haystack is een open-source Python library die toelaat om question answering en semantische systemen voor het ophalen van documenten te bouwen. Deze library is gebaseerd op taalmodellen van het type Transformer.
De Haystack library integreert andere open-source projecten zoals Elasticsearch, FAISS en HuggingFace.

Presidio est un outil open source d'anonymisation de données non structurées (texte) qui inclut un module de détection d'informations personnelles identifiables et un module d'anonymisation. L'outil est facilement d'utilisation et donne de bons résultats, après une customisation nécessaire.

Presidio is een open source tool om ongestructureerde data te anonimiseren die een module bevat om persoonsgegevens te detecteren en een module om te anonimiseren. De tool is gemakkelijk te gebruiken en geeft goede resultaten mits de nodige customisatie.

Outil de développement d'API web en Python. FastAPI est un framework intéressant pour la mise en production des applications développées en Python. Il présente de bonnes performances, est facile d’utilisation et bien documenté.

Web API-ontwikkelingstool in Python. FastAPI is een interessant raamwerk voor het naar productie brengen van toepassingen ontwikkeld in Python. De tool werkt goed, is gemakkelijk te gebruiken en goed gedocumenteerd.

spaCy est un outil de traitement automatique du langage naturel (NLP) basé sur le langage de programmation Python. Il est construit pour une application pratique du NLP, notamment pour des tâches telles que l’étiquetage morpho-syntaxique (POS tag), la reconnaissance d’entités (NER) ou l’analyse syntaxique (parser).

spaCy is een tool voor de verwerking van natuurlijke taal (NLP) gebaseerd op de programmeertaal Python. spaCy is gemaakt voor praktische NLP-toepassingen, met name voor taken zoals zinsontleding (POS tagging), herkenning van entiteiten (NER) of syntactische analyse (parsing).

NL

Dat AI een hype is, is een understatement. Waar komt dat vandaan, wat stelt dat nu allemaal voor en wat kan je ermee in de praktijk? Smals Onderzoek experimenteert op verschillende vlakken met AI, soms met veelbelovende resultaten maar soms ook niet. Sowieso zijn er heel wat barrières te overwinnen vooraleer je tot een betrouwbaar, laat staan productieklaar, AI-systeem komt. Op 18 en 24 juni laten onze onderzoekers hun licht schijnen over AI-toepassingen in de overheidssector vanuit de praktijk. Daartoe putten zij uit de in de voorbije 2 jaar gevoerde experimenten als onderdeel van een continu leerproces dat nog niet te einde is. Tipje van de sluier: was het allemaal maar zo gemakkelijk als de marketingafdelingen het laten uitschijnen!

 

FR

Dire que l'IA fait couler beaucoup d'encre est un euphémisme. Pourquoi un tel battage ? Qu'en est-il aujourd'hui ? Que permet l'intelligence artificielle dans la pratique ? Smals Research expérimente l'IA dans divers domaines, parfois avec des résultats prometteurs, parfois non. En tout état de cause, il y a de nombreux obstacles à surmonter avant d'aboutir à un système d'IA fiable, sans même parler d'un système prêt pour la production. Les 18 et 24 juin, nos chercheurs proposeront un retour pratique sur les applications d'IA dans le secteur public. Pour ce faire, ils s'appuieront sur les expériences menées au cours des deux dernières années dans le cadre d'un processus d'apprentissage continu qui n'est pas encore terminé. Petit avant-goût : si seulement c'était aussi simple que les services marketing le laissent entendre !

TextGain est une spin-off du groupe de recherche de l’université d’Anvers qui développe des services d’analyse de textes en real-time. La société propose des Application Programming Interface (API) de type REST pour le traitement automatique du langage naturel / Natural Language Processing (NLP).

TextGain is een spin-off van Universiteit Antwerpen en ontwikkelt diensten voor real-time linguïstische analyse. Via REST-API's (Application Programming Interface) worden services aangeboden voor het automatisch verwerken van natuurlijke taal / Natural Language Processing (NLP).