Aller au contenu
NeuraLIA Labs
Se connecterCommencer

David Vicente Campos

Fondateur de NeuraLIA Labs et cofondateur de MyRealFood

Je suis ingénieur en informatique, diplômé de l’Université de León. J’ai cofondé MyRealFood, où, en tant que CTO, j’ai construit l’application que des millions de personnes ont utilisée pour mieux manger, et j’ai fondé NeuraLIA Labs, où je développe des produits d’IA. Ici, j’écris sur ce que j’ai dû comprendre en chemin, comme j’aurais aimé qu’on me l’explique.

L’IA à partir de zéro

30 chapitres

  1. Le perceptron à partir de zéro : ce que calcule un neurone
  2. D’où vient une fonction de perte : de la vraisemblance, pas d’une convention
  3. En descente : gradient descent et les deux étapes que tout le monde saute
  4. Classification, entropie croisée et l’art de ne pas se raconter d’histoires
  5. Backpropagation de zéro : le moteur, puis le réseau
  6. Le faire apprendre, puis le faire généraliser
  7. Construire un tokenizer BPE : pourquoi votre modèle ne compte pas les « r »
  8. Prédiction du token suivant : embeddings et sens de la perplexité
  9. Attention et bloc transformer, dérivés d’une moyenne
  10. Pré-entraîner un LLM : données, calcul, scaling laws et coût
  11. Du modèle de base à l’assistant : SFT, RLHF, DPO et GRPO
  12. Chain of Thought, RLVR et test-time compute, mesurés
  13. Rendre l’inférence moins chère : KV cache, batching et quantification
  14. Votre premier appel LLM en production : streaming, retries, timeouts
  15. Prompt engineering, mesuré : ce qui change la sortie
  16. Context window, tokens et facture : les chiffres
  17. Température, top-p et le déterminisme que vous n’avez pas
  18. Tool calling et sorties structurées : le contrat qui tient
  19. RAG en production : chunking, retrieval et citations honnêtes
  20. Fine-tuning, retrieval ou prompt ? La décision est économique
  21. Tarification multimodale : ce que facturent vraiment images, audio et vidéo
  22. Qu’est-ce qu’un agent IA : cinq types classiques, deux définitions rivales
  23. Construire un agent harness : la boucle et ses cinq issues
  24. Context Engineering : pourquoi votre agent devient moins fiable au tour 40
  25. Orchestration multi-agent : cinq schémas, et quand l’un l’emporte
  26. MCP expliqué à partir de la spec : ce qu’est vraiment un serveur
  27. Livrer un serveur MCP : TypeScript et Python, mesurés
  28. Agent Skills et SKILL.md : la divulgation progressive, mesurée
  29. Évaluer les LLM : des benchmarks publics à votre golden set
  30. Prompt Injection et trifecta létal : sécuriser un vrai agent