Developing Generative AI Applications on AWS – Formation intensive («AWSD03»)

Jour 1 
Module 1 : Introduction à l’IA générative - le monde des possibles 

• Aperçu du ML 
• Les bases de l’IA générative 
• L’utilisation de l’IA générative 
• L’IA générative dans la pratique 
• Les risques et les avantages 

Module 2 : Planifier un projet d’IA générative 

• Les bases de l’IA générative 
• L’IA générative dans la pratique 
• Le contexte de l’IA générative 
• Étape de planification d’un projet d’IA générative 
• Les risques et leur neutralisation 

Module 3 : Démarrer avec Amazon Bedrock 

• Introduction à Amazon Bedrock 
• Architecture et utilisation 
• Comment utiliser Amazon Bedrock 
• Démonstration : Installer un accès à Amazon Bedrock et utiliser les playgrounds 

Module 4 : Les bases du prompt engineering 

• Les bases des modèles de base 
• Les bases du prompt engineering 
• Les techniques de prompt de base 
• Les techniques avancées de prompt
• Démonstration : Affiner un prompt textuel de base 
• Les techniques de prompt spécifiques aux modèles 
• Lutter contre les abus de prompts 
• Neutraliser les biais 
• Démonstration : Neutraliser un biais d’image 

Jour 2 
Module 5 : Les composants d’application Amazon Bedrock 

• Architecture et cas d’utilisation 
• Aperçu des composants d’application d’IA générative 
• Les modèles de base (FM) et l’interface FM 
• Travailler avec des sets de données et des intégrations 
• Démonstration : Intégration de mot 
• Composants d’application supplémentaires 
• RAG 
• Ajustement du modèle 
• Sécuriser les applications d’IA générative 
• Architecture d’une application d’IA générative

Module 6 : Les modèles de base (FM) Amazon Bedrock 

• Introduction aux modèles de base (FM) Amazon Bedrock 
• Utiliser les FM Amazon Bedrock pour l’inférence 
• Les méthodes Amazon Bedrock 
• Protection des données et auditabilité 
• Lab : Invoquer un modèle Amazon Bedrock pour la génération de texte en utilisant un prompt zero-shot 

Module 7 : LangChain 

• Optimiser les performances LLM 
• Intégration d’AWS et LangChain 
• Utiliser des modèles avec LangChain 
• Construire des prompts 
• Structurer des documents avec des indexes 
• Stocker et extraire des données avec mémoire 
• Utiliser des chaines pour classer des composants 
• Gérer les sources externes avec des agents LangChain 

Module 8 : Modèles d’architecture 

• Introduction aux modèles d’architecture 
• Récapitulation de texte 
• Lab : Utiliser Amazon Tital Text Premier pour récapituler du texte de petits fichiers 
• Lab : Récapituler de longs textes avec Amazon Titan 
• Répondre aux questions 
• Lab : Utiliser Amazon Bedrock pour répondre aux questions 
• Chatbots 
• Lab : Construire un chatbot 
• Génération de code 
• Lab : Utiliser les modèles Amazon Bedrock pour la génération de code 
• LangChain et les agents pour Amazon Bedrock 
• Lab : Construire une application conversationnelle avec Converse API

Cette formation comprend des présentations, démonstrations et exercices en groupe.

Cette formation s'adresse aux développeuses et développeurs de logiciels qui désirent utiliser les LLM sur AWS.

Les participantes et participants doivent avoir :

• des connaissances de Python d'un bon niveau (intermédiaire)
• Avoir suivi la formation AWS Technical Essentials

COURS
AWS Technical Essentials – Formation intensive («AWSE01»)
1 jour
• Bâle, Berne, Formation virtuelle, Genève, Lausanne, Zurich
CHF
900.–
Plus d’informations

Cette formation peut aider à se préparer à l'examen MLS-C01 qui permet de décrocher la certification « AWS Certified Machine Learning – Specialty ».

L’examen ne fait pas partie de la formation. Nous conseillons de vous inscrire à l’examen lorsque vous aurez au moins 2 ans d’expérience avec le Machine Learning et la technologie AWS. L’inscription à l’examen se fait directement auprès d’AWS, dure 180 minutes et coûte USD 300.

Nous vous conseillons de suivre également les formations suivantes pour vous préparer à cet examen :

• The Machine Learning Pipeline on AWS
• MLOps Engineering on AWS