← Retour aux formations

Intelligence Artificielle & Data

Développer des applications d'IA générative sur AWS : Amazon Bedrock, LangChain, RAG et modèles d'architecture

Intermédiaire
Intelligence Artificielle & Data

À propos de cette formation

Développeurs de logiciels souhaitant exploiter des modèles de langage volumineux (LLM) sans procéder à des ajustements, en s'appuyant sur Amazon Bedrock et LangChain.

Objectifs de la formation

  • check_circleExpliquer les principes de l'IA générative et son rapport au Machine Learning
  • check_circleStructurer un projet d'IA générative en identifiant les étapes clés et les risques
  • check_circleAppréhender le fonctionnement d'Amazon Bedrock et ses principaux cas d'usage
  • check_circleMaîtriser les concepts fondamentaux d'Amazon Bedrock
  • check_circleDécrire l'architecture d'une application typique basée sur Amazon Bedrock
  • check_circleAppliquer les bonnes pratiques du prompt engineering avec les Foundation Models (FMs)
  • check_circleMaîtriser les principales techniques de prompting : zero-shot et few-shot learning
  • check_circleCaractériser les Foundation Models d'Amazon Bedrock, leurs paramètres d'inférence et leurs APIs
  • check_circleIntégrer LangChain avec des LLMs, prompts, embeddings, agents et chaînes dans Amazon Bedrock
  • check_circleSélectionner les modèles d'architecture appropriés pour concevoir des applications Gen AI avec Amazon Bedrock
  • check_circleImplémenter des cas d'usage concrets avec Amazon Bedrock, LangChain et l'approche RAG

Programme détaillé

Module 1 — Introduction à l'IA générative

  • Aperçu du Machine Learning
  • Principes de base de l'IA générative
  • Cas d'usage de l'IA générative
  • L'IA générative en pratique
  • Risques et avantages de l'IA générative

Module 2 — Planification d'un projet d'IA générative

  • Fondamentaux de l'IA générative et contexte d'usage
  • Étapes pour planifier un projet d'IA générative
  • Risques identifiés et mesures d'atténuation

Module 3 — Prise en main d'Amazon Bedrock

  • Introduction à Amazon Bedrock : architecture et cas d'usage
  • Utilisation d'Amazon Bedrock
  • Démonstration : configuration de l'accès à Amazon Bedrock et utilisation des Playgrounds

Module 4 — Fondamentaux du prompt engineering

  • Principes de base des Foundation Models
  • Fondamentaux du prompt engineering
  • Techniques de base et avancées pour la conception de prompts
  • Techniques de prompt spécifiques à certains modèles
  • Identifier et corriger les mauvaises pratiques de prompting
  • Réduire les biais dans les résultats générés
  • Démonstration : ajustement d'un prompt texte ; atténuation des biais dans les images générées

Module 5 — Composants d'une application Amazon Bedrock

  • Vue d'ensemble des composants et de l'architecture d'une application Gen AI
  • Foundation Models (FMs) et interface FM
  • Utilisation des jeux de données et des embeddings
  • RAG (Retrieval-Augmented Generation)
  • Ajustement de modèle (Model fine-tuning)
  • Sécurisation des applications d'IA générative
  • Démonstration : embeddings de mots

Module 6 — Modèles de fondation Amazon Bedrock

  • Introduction aux Foundation Models d'Amazon Bedrock
  • Utilisation des FMs pour l'inférence
  • Méthodes proposées par Amazon Bedrock
  • Protection des données et traçabilité
  • Travaux pratiques : appel d'un modèle Amazon Bedrock pour générer du texte via un zero shot prompt

Module 7 — LangChain

  • Optimisation des performances des modèles LLM
  • Intégration d'AWS et LangChain
  • Utilisation des modèles avec LangChain
  • Construction des prompts et structuration des documents avec des index
  • Stockage et récupération des données avec la mémoire
  • Utilisation des chaînes pour séquencer les composants
  • Gestion des ressources externes avec les agents LangChain

Module 8 — Modèles d'architecture

  • Introduction aux modèles d'architecture Gen AI
  • Résumé de texte, réponses aux questions, chatbots, génération de code
  • LangChain et agents pour Amazon Bedrock
  • Travaux pratiques : génération de texte avec Amazon Titan ; résumé de longs textes ; système de questions-réponses ; chatbot ; génération de code ; applications avec Converse API

Prérequis

Maîtrise intermédiaire de Python. Connaissances de base sur AWS recommandées. Support de cours officiel en anglais — bonne compréhension de l'anglais écrit requise.