LLM Fine-Tuning & ENIAD Assistant (2025)
Collection
Fine-tuned LLaMA-3.1-8B PEFT/LoRA models, instruction datasets, and streaming conversational spaces. • 8 items • Updated
id stringclasses 5
values | instruction stringclasses 5
values | input stringclasses 1
value | output stringclasses 5
values | domain stringclasses 4
values | language stringclasses 2
values |
|---|---|---|---|---|---|
eniad-001 | Quelles sont les compétences fondamentales visées par le cycle d'ingénieur d'État en Intelligence Artificielle à l'ENIAD ? | Le cycle d'ingénieur d'État en Intelligence Artificielle à l'École Nationale d'Intelligence Artificielle et du Digital (ENIAD) forme des ingénieurs hautement qualifiés maîtrisant : 1) La conception et l'entraînement d'architectures de Deep Learning (Transformers, CNN, GNN) et de modèles génératifs ; 2) Les systèmes mul... | curriculum | fr | |
eniad-002 | Explain the role and architecture of FlowWatcher in the Power Automate ALM framework developed at Circet Morocco. | FlowWatcher is an automated telemetry and governance engine engineered to monitor cloud flow executions across Microsoft Power Platform environments. It captures runtime histories from Dataverse 'componentversions', extracts execution metrics (status code, duration, trigger inputs, stack traces), and streams logs to Az... | enterprise_alm | en | |
eniad-003 | Comment l'expérience en physique fondamentale (notamment sur la fusion par confinement inertiel) influence-t-elle la pratique de l'ingénierie en IA ? | L'étude de la physique fondamentale (thermodynamique statistique, mécanique quantique, modélisation de plasmas de fusion inertielle) inculque une discipline intellectuelle axée sur les premiers principes : 1) Rigueur mathématique stricte et méfiance envers les corrélations superficielles ; 2) Modélisation causale et an... | physics_ai | fr | |
eniad-004 | How was LLaMA-3.1-8B adapted for the ENIAD Assistant, and what role does LoRA play in this deployment? | The ENIAD Assistant employs Low-Rank Adaptation (LoRA / PEFT) applied to meta-llama/Meta-Llama-3.1-8B-Instruct. Instead of updating all 8 billion parameters, LoRA freezes the pre-trained weights and injects trainable rank decomposition matrices (rank r=16, alpha=32) into the attention projection layers (q_proj, k_proj,... | curriculum | en | |
eniad-005 | Quelles sont les modalités de validation d'un Projet de Fin d'Études (PFE) en ingénierie à l'ENIAD ? | La validation du PFE à l'ENIAD requiert : 1) La réalisation d'une mission d'ingénierie d'une durée minimale de 5 à 6 mois en entreprise ou en laboratoire de R&D ; 2) La rédaction d'un mémoire technique rigoureux respectant les standards académiques et industriels ; 3) La soutenance orale devant un jury mixte composé d'... | institutional | fr |
📚 ENIAD Academic & Enterprise Instruction Dataset
🤝 Curated by the ENIAD AI Engineering Team (May 2025)
A curated, bilingual (French 🇫🇷 and English 🇬🇧) instruction-tuning dataset designed for training institutional AI assistants in Moroccan higher education.
👥 Engineering Team
- Abdellah ENNAJARI (@abdennajari • GitHub @ennajari)
- Ahmed OUKACHA (@ahmed-ouka)
- Oussama EL HADJI (HF @bosaj • GitHub @Bosaj)
- Abdelilah OURTI (@abdelilahou)
🔗 Companion Assets
- Original Model Weights (May 2025):
ahmed-ouka/my-llama3.1-8B-with-lora-Eniad-Assistant - Companion LoRA Model:
bosaj/eniad-llama3.1-8b-assistant-lora - Live Assistant:
bosaj/chat_model
- Downloads last month
- 26