Mise en place d'une IA générative (Front et back)

Cette formation donne les outils nécessaires pour déployer une Intelligence Artificielle générative. Elle s'adresse à des programmeurs avancés en python, ayant des connaissances en infrastructure et développement web.

Elle couvre des thèmes essentiels tels que l'architecture des systèmes, la gestion des données, le développement d'interfaces utilisateur, et le déploiement sécurisé.

À travers des ateliers pratiques et des études de cas, les participants acquerront des compétences concrètes pour mettre en œuvre en solutions efficaces adaptées aux exigences de leurs environnements.

• Concevoir des architectures complètes pour applications d'IA générative
• Développer des interfaces frontend efficaces pour l'IA générative
• Implémenter des systèmes backend robustes pour le service de modèles
• Créer une infrastructure évolutive pour charges de travail IA
• Appliquer les meilleures pratiques de sécurité et gouvernance

1. Patterns architecturaux pour systèmes d'IA

• Considérations de conception
• Modèles de communication frontend-backend
• Traitement synchrone vs asynchrone
• Conception pour fiabilité et résilience

Atelier : Architecture d'une application IA selon spécifications

2. Infrastructure backend pour l'IA

• Frameworks de service de modèles (TorchServe, Triton, solutions personnalisées)
• Conception d'API pour endpoints IA
• Authentification et gestion des accès

Atelier : Configuration d'une API de service de modèle

3. Gestion et prétraitement des données

• Bases de données vectorielles pour applications IA
• Pipelines de traitement de documents
• Workflows ETL pour données IA

Atelier : Implémentation d'un pipeline d'ingestion de documents

4. Conception frontend pour applications IA

• Expérience utilisateur pour interfaces IA
• Gestion de l'incertitude dans les réponses IA
• Implémentation de réponses en streaming

Atelier : Construction d'une interface de chat avec réponses en streaming

5. Patterns frontend avancés

• Fonctionnalités d'autocomplétion et suggestions
• Interactions multimodales (texte, images, audio)
• Expériences collaboratives avec IA

Atelier : Ajout de fonctionnalités intelligentes à un éditeur

6. Tests et assurance qualité pour systèmes IA

• Stratégies de test pour composants IA
• Gestion des sorties non-déterministes
• Frameworks de test automatisé pour applications IA

Atelier : Configuration de tests pour une application IA

7. Déploiement et DevOps pour systèmes IA

• Conteneurisation d'applications IA
• Orchestration avec Kubernetes
• Pipelines CI/CD pour systèmes IA
• Gestion des ressources GPU

Atelier : Création d'un pipeline de déploiement

8. Mise à l'échelle et performance

• Équilibrage de charge pour workloads IA
• Stratégies de mise en cache pour résultats d'inférence
• Surveillance des performances et optimisation

Atelier : Implémentation de cache et gestion de charge

9. Gouvernance, sécurité et conformité

• Gouvernance des données pour systèmes IA
• Journalisation d'audit et explicabilité
• Gestion des versions de modèles
• Meilleures pratiques de sécurité

Atelier : Implémentation de contrôles de gouvernance

10. Projet final

• Intégration des concepts de tous les modules
• Implémentation d'une application IA générative complète
• Présentation et revue

• Alternance d'exposés, de discussions avec le formateur et entre participants.
• Nombreux exercices et cas pratiques issus de plusieurs domaines d'application (au moins 40% du temps de formation).
• Utilisation de python
• Remise des supports pédagogiques et de fiches réflexes

• Evaluation de fin de formation sous la forme d'un QCM.
• Evaluation de la satisfaction en fin de formation.