/ SPEAKER
Pietro Mele
Adelean
I'm Pietro, a highly motivated software engineer with a passion for developing cutting-edge search engine solutions. Throughout my career, I've had the privilege of working at Adelean and the INA (French media institution responsible for preserving and promoting French audio-visual heritage), where I've gained valuable experience and honed my expertise in utilizing Elasticsearch to deliver efficient and effective search results.My background encompasses a strong foundation in machine learning and computer vision, which allows me to incorporate intelligent algorithms into my work. I'm constantly driven to learn and expand my skillset, staying up-to-date with the latest advancements in the field.Outside of work, I find great pleasure in reading, engaging in sports activities, and even coding for fun. These hobbies not only help me relax and recharge but also provide me with opportunities to explore new ideas and experiment with different programming techniques.Overall, I am an enthusiastic and dedicated software engineer who thrives on solving complex problems and pushing the boundaries of what's possible in search engine development.
Les systèmes RAG, tels que Copilot de Microsoft et Bard de Google, jouent un rôle de plus en plus crucial dans notre vie quotidienne numérique, utilisés chaque jour par des centaines de millions d'utilisateurs.
Alors que ces géants rivalisent pour la suprématie dans le domaine de l'intelligence artificielle, émerge-t-il une voie vers un système RAG open source respectueux de la confidentialité des données?
Cette présentation vise à répondre à cette question en explorant l'utilisation de la bibliothèque Langchain et d'OpenSearch, en tant que bases de données vectorielles.
Nous débuterons par une analyse rapide des fondements de l'architecture RAG. Ensuite, nous nous concentrerons sur l'implémentation, en examinant également d'autres alternatives à Langchain et OpenSearch. Enfin, nous conclurons en présentant le fonctionnement d'un système RAG entièrement open source et local au sein d'un cas d'utilisation concret.
More Alors que ces géants rivalisent pour la suprématie dans le domaine de l'intelligence artificielle, émerge-t-il une voie vers un système RAG open source respectueux de la confidentialité des données?
Cette présentation vise à répondre à cette question en explorant l'utilisation de la bibliothèque Langchain et d'OpenSearch, en tant que bases de données vectorielles.
Nous débuterons par une analyse rapide des fondements de l'architecture RAG. Ensuite, nous nous concentrerons sur l'implémentation, en examinant également d'autres alternatives à Langchain et OpenSearch. Enfin, nous conclurons en présentant le fonctionnement d'un système RAG entièrement open source et local au sein d'un cas d'utilisation concret.
Construire son Assistant Intelligent avec Hugging Face et Elasticsearch
Deep Dive (INTERMEDIATE level)
Nous explorerons comment utiliser Elasticsearch et Hugging Face pour créer un assistant intelligent personnalisé. Nous utiliserons les modèles pour le traitement du langage naturel (NLP), les modèles open source de langage de grande taille (LLMs) et l’indexation et la recherche vectorielle. Elasticsearch, moteur de recherche avancé et base de données NoSQL, permet d'indexer et d'analyser des données de manière efficace, tandis que Hugging Face offre une plateforme collaborative pour le développement et le déploiement de modèles de machine learning open source. Cette session approfondira la manière d'intégrer ces deux technologies pour construire des assistants intelligents sur mesure. Les participants auront l'occasion d'apprendre à travers des exemples concrets et des prototypes, de comprendre les subtilités des modèles de langage naturel disponibles sur Hugging Face, de revisiter les fonctionnalités d'Elasticsearch et de découvrir comment ces outils peuvent être combinés pour créer des versions personnalisées d'assistants intelligents comme ChatGPT.
More 
English 
Français