Microsoft Azure AI Studio - Développer des copilotes personnalisés

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

• Créer des applications IA Génératives telles que des copilotes personnalisés qui utilisent des modèles de langage et un flux d'invite pour fournir de la valeur à vos utilisateurs.

Présentation d'Azure AI Studio

• Décrire les principales fonctionnalités d'Azure AI Studio
• Utiliser Azure AI Studio pour approvisionner et gérer une ressource Azure AI
• Utiliser Azure AI Studio pour créer et gérer un projet d'IA
• Comprendre quand utiliser Azure AI Studio

Exemple de travaux pratiques (à titre indicatif)

• Explorer Azure AI Studio

Explorer et déployer des modèles à partir du catalogue de modèles dans Azure AI Studio

• Sélectionner un modèle de langage dans le catalogue de modèles
• Déployer un modèle sur un point de terminaison
• Tester un modèle et améliorer les performances du modèle

Exemple de travaux pratiques (à titre indicatif)

• Explorer, déployer et converser avec des modèles de langage

Prise en main du flux d'invite pour développer des applications de modèle de langage dans Azure AI Studio

• Connaître le cycle de vie de développement lors de la création d'applications de modèle de langage
• Comprendre ce à quoi ressemble un flux dans un flux d'invite
• Explorer les principaux composants lors de l'utilisation du flux d'invite

Exemple de travaux pratiques (à titre indicatif)

• Démarrage des flux d'invites

Créer une solution copilote basée sur RAG (Retrieval Augmented Generation) avec vos propres données à l'aide d'Azure AI Studio

• Identifier la nécessité de baser votre modèle de langage avec RAG
• Indexer vos données à l'aide de "Recherche Azure AI" afin qu'elles puissent faire l'objet d'une recherche pour les modèles de langage
• Créer un copilote à l'aide de RAG sur vos propres données dans Azure AI Studio

Exemple de travaux pratiques (à titre indicatif)

• Créer un copilote personnalisé qui utilise vos propres données

Intégrer un modèle de langage affiné à votre copilote dans Azure AI Studio

• Comprendre quand optimiser un modèle
• Préparer vos données pour optimiser un modèle de complétion de conversation
• Optimiser un modèle de base dans Azure AI Studio

Exemple de travaux pratiques (à titre indicatif)

• Optimiser un modèle de base

Evaluer le niveau de performance de votre copilote personnalisé dans le service Azure AI Studio

• Maîtriser les Benchmarks de modèles
• Effectuer des évaluations manuelles
• Evaluer les mesures assistées par IA de votre copilote
• Configurer les flux d'évaluation dans le service Azure AI Studio

Exemple de travaux pratiques (à titre indicatif)

• Evaluer le niveau de performance de votre copilote personnalisé

IA Générative responsable

• Décrire un processus global pour le développement d'une solution d'IA Générative responsable
• Identifier et hiérarchiser les dommages potentiels associés à une solution d'IA Générative
• Mesurer la présence de dommages dans une solution d'IA Générative
• Atténuer les dommages dans une solution d'IA Générative
• Préparer le déploiement et l'exploitation d'une solution d'IA Générative de manière responsable

Exemple de travaux pratiques (à titre indicatif)

• Explorer les filtres de contenu dans Azure AI Studio