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'AI générative.
Planification d’un projet d’IA générative
- Fondamentaux de l’IA générative.
- L’IA générative en pratique.
- Contexte de l’IA générative.
- Étapes pour planifier un projet d’IA générative.
- Risques et mesures d’atténuation.
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.
Fondamentaux du prompt engineering
- Principes de base des foundation models.
- Fondamentaux du prompt engineering.
- Techniques de base pour les prompts.
- Techniques avancées pour les prompts.
- Techniques de prompt spécifiques à certains modèles.
- Identifier et corriger les mauvaises pratiques liées aux prompts.
- Réduire les biais dans les résultats générés.
Démonstration
Ajustement d’un prompt texte simple.
Atténuer les biais dans les images générées
Composants d’une application Amazon Bedrock
- Applications et cas d’usage.
- Vue d’ensemble des composants d'une application d’IA générative.
- Architecture des applications d’IA générative.
- Modèles de fondation (Foundation Models) et interface FM.
- Utilisation des jeux de données et des embeddings.
- Composants d’applications supplémentaires.
- RAG (Retrieval-Augmented Generation).
- Ajustement du modèle (Model fine-tuning).
- Sécurisation des applications d’IA générative.
- Architecture d’une application d’IA générative.
Démonstration
Embeddings de mots.
Modèles de fondation Amazon Bedrock
- Introduction aux modèles de fondation d’Amazon Bedrock.
- Utilisation des modèles FM d’Amazon Bedrock pour l’inférence.
- Méthodes proposées par Amazon Bedrock.
- Protection des données et traçabilité.
Travaux pratiques
Appeler un modèle Amazon Bedrock pour générer du texte à l’aide d’un zero-shot prompt.
LangChain
- Optimisation des performances des modèles LLM.
- Intégration d’AWS et LangChain.
- Utilisation des modèles avec LangChain.
- Construction des prompts.
- 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.
Modèles d’architecture
- Introduction aux modèles d’architecture.
- Résumé de texte.
- Réponses aux questions.
- Chatbots.
- Génération de code.
- LangChain et agents pour Amazon Bedrock.
Travaux pratiques
Utilisation d’Amazon Titan Text Premier.
Résumer des textes longs avec Amazon Titan.
Utilisation d’Amazon Bedrock pour répondre à des questions.
Construire un chatbot.
Utilisation des modèles Amazon Bedrock pour générer des codes.
Construire des applications avec Converse API.
2j
- 14h 
