A l’issue de cette formation, vous serez capable de :

• Décrire les modèles génératifs et les apports concrets de GPT-4 et ChatGPT
• Expliquer les architectures des solutions d'IA avec Azure Cognitive Services et Azure OpenAI
• Invoquer les API Cognitive Services et OpenAI pour créer des applications en Python
• Implémenter les meilleures pratiques d'Azure Cognitive Services et Azure OpenAI
• Mettre en pratique les principes de DevOps, MLOps et IAOps
• Déployer et héberger des services IA sur Azure grâce à des conteneurs.

Jour 1

Les bases de l'IA

• Qu'est-ce que l'IA ?
• Similarités et différences entre IA et le développement d'applications traditionnelles
• Machine Learning vs Deep Learning
• Les différents types d'apprentissage de modèles
• Les grands modèles de langage
• De GPT-1 à GPT-4
• Etudes de cas d'utilisation des grands modèles de langage et des modèles génératifs
• Avantages et limites
• Vue d'ensemble de l'offre IA sur Azure
• Les différents services
• D'Azure Cognitive Services
• D'Azure OpenAI

Exemples de travaux pratiques (à titre indicatif)

• Prise en main d'Azure Cognitives Services, création d'une application de reconnaissance d'images
• Prise en main d'Azure OpenAI, création d'une application à base de GPT-4

Jour 2

Approfondissement des API Azure Cognitive Services

• Modèles disponibles via l'API Cognitives Services
• Analyser des images et vidéos avec l'API Vision
• Traduire en temps réel dans votre application avec l'API Speech
• Obtenir du sens de textes et de modèles non-structurés avec l'API Language
• Ajouter des fonctionnalités de recherche dans votre application avec l'API Web Search
• Prendre des meilleures décisions dans votre application avec l'API Decision

Exemples de travaux pratiques (à titre indicatif)

• Développement d'applications de vision par ordinateur pour le contrôle qualité, de reconnaissance vocale (speech-to-text), de modération de contenu

Jour 3

Approfondissement des API Azure OpenAI

• Modèles disponibles via l'API OpenAI
• Prise en main des modèles avec Playground
• Premiers pas avec la librairie Python d'OpenAI
• Utilisation de ChatGPT et GPT-4: options d'inputs et résultat d'outputs
• Utilisation d'autres modèles de complétion de texte
• Maîtriser l'édition de texte avec GPT
• Les modèles de modération
• Aspects coûts
• Aspects sécurité et confidentialité

Exemple de travaux pratiques (à titre indicatif)

• Développement d'applications NLP (Natural Language Processing) à base de GPT

Jour 4

Fonctionnalités avancées

• Autres API OpenAI (DALL-E, embeddings, whisper)
• Introduction au prompt engineering
• Maîtriser les techniques de prompt engineering
• Explorer le paramétrage de fin des applications
• Préparer ses jeux de données de façon optimale
• Adapter GPT à des domaines spécifiques
• Maîtriser le paramétrage de fin de l'API OpenAI

Exemples de travaux pratiques (à titre indicatif)

• Développement d'applications à base de DALL-E
• Mise en oeuvre du prompt engineering à travers un exemple

Jour 5

Déploiement en production et maintenance

• Introduction à DevOps / MLOps / IAOps
• Le pipeline CI : l'intégration continue
• Le pipeline CD : le déploiement continu
• Le pipeline CT : l'apprentissage continu
• Microservices, agilité et DevOps / MLOps / IAOps
• Technologies Cloud et microservices
• Conteneurisation, orchestration, IaC

Exemples de travaux pratiques (à titre indicatif)

• Déploiement, surveillance et réapprentissage d'un modèle IA avec les pipelines CI-CD-CT