Cours
Developing Generative AI Applications on AWS – Formation intensive («AWSD03»)
Cette formation permet aux développeuses et développeurs de logiciels intéressés par l’utilisation de grands modèles de langage (LLM) de découvrir l’intelligence artificielle (AI) générative sur AWS.
Durée
2 jours
Prix
1'800.–
excl. 8.1% TVA
Labs:
Cette formation comprend aussi des exercices pratiques
Description de la formation
- Décrire l’IA générative et comment elle est liée au machine learning
- Définir l’importance de l’IA générative et expliquer ses potentiels risques et avantages
- Identifier la valeur commerciale des cas d’utilisation de l’IA générative
- Discuter les fondements techniques et la terminologie de l’IA générative
- Expliquer les étapes de planification d’un projet d’IA générative
- Identifier les risques et leur neutralisation lors de l’utilisation de l’IA générative
- Comprendre comment fonctionne Amazon Bedrock
- Se familiariser avec les principes de base d’Amazon Bedrock
- Reconnaître les avantages d’Amazon Bedrock
- Lister les utilisations typiques d’Amazon Bedrock
- Décrire l’architecture typique associée à une solution Amazon Bedrock
- Comprendre la structure des coûts d’Amazon Bedrock
- Mettre en œuvre une démo d’Amazon Bedrock dans AWS Management Console
- Définir l’ingénierie des invites (prompt engineering) et appliquer de bonnes pratiques lors de l’interaction avec les FM
- Identifier les techniques de prompt de base, y compris l’apprentissage zero-shot et few-shot
- Appliquer des techniques avancées de prompt lorsque cela est nécessaire
- Identifier les techniques de prompt les mieux adaptées à un modèle spécifique
- Identifier les mauvais usages potentiels des prompts
- Analyser les biais potentiels des réponses FM et créer des prompts capables de neutraliser ces biais
- Identifier les composants d’une application d’IA générative et comment personnaliser un modèle de base (Foundation Model (FM))
- Décrire les modèles de base d’Amazon Bedrock, les paramètres d’inférence et les APIs Amazon Bedrock clés
- Identifier les offres AWS qui aident à surveiller, sécuriser et contrôler vos applications Amazon Bedrock
- Décrire comment intégrer LangChain avec de grands modèles de langage (LLM), des modèles de prompt, chaines, modèles de chat, modèles de texte imbriqué, chargeurs et récupérateurs de documents et agents sur Amazon Bedrock
- Décrire les modèles d’architecture qui peuvent être utilisés avec Amazon Bedrock pour construire des applications d’IA générative
- Appliquer les concepts pour construire et tester des exemples d’utilisation qui exploitent les différents modèles d’Amazon Bedrock, LangChain et l’approche RAG (Retrieval Augmented Generation)
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
- 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
- Introduction à Amazon Bedrock
- Architecture et utilisation
- Comment utiliser Amazon Bedrock
- Démonstration : Installer un accès à Amazon Bedrock et utiliser les playgrounds
- 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
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
- 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
- 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
- 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
- des connaissances de Python d'un bon niveau (intermédiaire)
- Avoir suivi la formation AWS Technical Essentials
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 :