Cours
Develop Custom Copilots with Azure AI Studio – Intensive Training («AI316»)
AI-3016
Description de la formation
- Décrire les fonctionnalités centrales d'Azure AI Studio
- Utiliser Azure AI Studio pour déployer et gérer les ressources IA d'Azure
- Utiliser Azure Ai Studio pour créer et gérer des projets d'IA
- Savoir quand utiliser Azure AI Studio
- Comprendre le cycle de vie du développement lors de la construction d'applications de modèle de langage
- Comprendre ce qu'est un flux de prompts
- Explorer les composants centraux du travail avec un flux de prompts
- Connaître la nécessité de fonder votre modèe linguistique sur la RAG (Retreval Augmented Generation)
- Indexer vos données avec Azure Ai Search afin de pouvoir rechercher par modèle de langage
- Créer un copilot avec RAG et vos propres données sur Azure AI Studio
- Décrire le processus général de séveloppement de solutions d'IA générative responsable
- Identifier et prioriser les dommages potentiels relatifs aux solutions d'IA générative
- Mesurer la présence de dommages dans des solutions d'IA générative
- Atténuer les dommages dans une solution d'IA générative
- Préparer un déploiement et une exploitation responsable d'une solution d'IA générative
Module 1 : Présentation d'Azure AI Studio
Microsoft Azure propose plusieurs services qui permettent aux développeurs de créer des solutions optimisées pour l’IA étonnantes. Azure AI Studio réunit ces services dans une expérience unifiée unique pour le développement d’IA sur la plateforme cloud Azure.
Chapitres :
- Qu'est-ce qu'Azure AI Studio ?
- Fonctionnement d'Azure AI Studio
- Quand utiliser Azure Ai Studio
- Exercice : Explorer Azure Ai Studio
Module 2 : Explorer et déployer des modèles du catalogue de modèles dans Azure Ai Studio
Explorez les différents modèles de langage disponibles via le catalogue de modèles d’Azure AI Studio. Comprenez comment sélectionner, déployer et tester un modèle et améliorer ses performances.
Chapitres :
- Explorer les modèles de langage dans le catalogue de modèles
- Déployer un modèle sur un terminal
- Améliorer les performances d'un modèle de langage
- Exercice : Explorer, déployer et converser avec des modèles de langage
Module 3 : Prise en main du flux d'invite pour développer des applications de modèle de langage dans Azure AI Studio
Découvrez comment utiliser le flux d’invite pour développer des applications qui tirent parti des modèles de langage dans Azure AI Studio.
Chapitres :
- Comprendre le cycle de vie du développement d'une application de grand modèle de langage (LLM)
- Comprendre les principaux composants et explorer les types de flux
- Explorer les connexions et les runtimes
- Explorer les variantes et les options de surveillance
- Exercice : Bien démarrer avec les flux d'invite
Module 4 : Créer une solution copilot basée sur RAG avec vos propres données à l'aide d'Azure AI Studio
Les copilotes peuvent collaborer avec vous pour fournir des suggestions, générer du contenu ou vous aider à prendre des décisions. Les copilotes utilisent les modèles de langage comme une forme d’intelligence artificielle (IA) générative, et répondront à vos questions à l’aide des données sur lesquelles ils ont été entraînés. Pour vous assurer qu’un copilote récupère des informations à partir d’une source spécifique, vous pouvez ajouter vos propres données lors de la création d’un copilote avec Azure AI Studio.
Chapitres :
- Comprendre comment ancrer votre modèle de langage
- Rendre vos données accessibles à la recherche
- Créer un copilote avec un flux d'invite
- Exercice : Créer un copilote personnalisé qui utilise vos propres données
Module 5 : Intégrer un modèle de langage affiné à votre copilote dans Azure AI Studio
Effectuer l’apprentissage d’un modèle de langage de base sur une tâche d’achèvement de conversation. Le catalogue de modèles dans Azure AI Studio offre de nombreux modèles open source qui peuvent être optimisés pour vos besoins spécifiques en matière de comportement du modèle.
Chapitres :
- Comprendre quand ajuster un modèle de langage
- Préparer vos données pour affiner un modèle de complétion de conversation
- Explorer l'optimisation de modèles de langage dans Azure Ai Studio
- Exercice : Optimiser un modèle de base
L’évaluation des copilotes est essentielle pour veiller à ce que vos copilotes personnalisés répondent aux besoins des utilisateurs, fournissent des réponses précises et s’améliorent continuellement au fil du temps. Découvrez comment évaluer et optimiser le niveau de performance de votre copilote personnalisé en utilisant les outils et fonctionnalités disponibles dans le service Azure AI Studio.
Chapitres :
- Évaluer les performances du modèle
- Évaluer manuellement le niveau de performance d'un modèle
- Évaluer le niveau de performance de votre copilote personnalisé
- Exercice : Évaluer le niveau de performance de votre copilote personnalisé
L’IA générative permet de développer des solutions créatives étonnantes, mais elle doit être implémentée de manière responsable pour réduire le risque de génération de contenu dangereux.
Chapitres :
- Planifier une solution d'IA générative responsable
- Identifier les dommages potentiels
- Mesurer les dommages potentiels
- Atténuer les dommages potentiels
- Exploiter une solution d'IA générative responsable
- Exercice : Explorer les filtres de contenu dans Azure AI Studio
Fait partie des cours suivants
- Develop Custom Copilots with Azure AI Studio – Intensive Training
- connaître les concepts de base de l'IA et les services IA d'Azure
- avoir de l'expérience pratique avec le langage de programmation Python