Concevoir, développer et déployer une architecture microservices à base d'Intelligence Artificielle (IA)

Qualiopi
À partir de 4250 €
Durée 35h en 5 jours
Localisation Partout en France
Logo de M2I - Concevoir, développer et déployer une architecture microservices à base d'Intelligence Artificielle (IA)

Proposé par

M2I

Prérequis

Avoir des connaissances en Python et en SI.

Public admis

  • Salarié en Poste
  • Entreprise

Demandeur d'emploi et Etudiant non admis

Financement

  • Votre OPCO
  • Financement personnel

Financement CPF non pris en charge

Modalités

  • En centre
  • À distance

Objectifs pédagogiques

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

  • Décrire les avantages des architectures microservices (AMS) et de la valeur ajoutée de l'IA
  • Développer et tester des AMS à base d'IA selon les meilleures pratique et en évitant les pièges
  • Migrer des applications monolithiques vers des AMS à base d'IA
  • Décrire le cycle de vie des applications AMS à base d'IA grâce à l'agilité et DevOps / MLOps / IAOps.

Programme de la formation

Jour 1

Introduction aux architectures microservices

  • Pourquoi les microservices ?
    • Flexibilité
    • Scalabilité
    • Résilience
    • Aisance de déploiement
    • Qualité de service
  • Microservices, agilité, et DevOps / MLOps / IAOps
  • Technologies Cloud et microservices
  • Conteneurisation, orchestration, IaC
  • Modèles architecturaux : service-driven vs event-driven vs domain-driven
  • Refactoring du monolithe
    • Décomposition des fonctions
    • Données
    • Requêtes
  • Points sensibles des AMS et comment les maîtriser
    • Expérience des développeurs
    • Surcharge technologique
    • Diagnostic et dépannage
    • Sécurité
  • Technologies DevOps
    • Kubernetes
    • Docker
    • Ansible
    • Terraform
    • Jenkins
  • Technologies MLOps / IAOps
    • MLflow
    • Kubeflow
    • Services Cloud
    • Plateformes d'analytics
  • Apports de l'IA à une AMS
Exemples de travaux pratiques (à titre indicatif)
  • Prise en main d'Azure
  • Conception d'une AMS
  • Prise en main des outils DevOps et MLOps / IAOps
  • Déploiement de l'AMS avec des microservices simples, puis ajout de fonctionnalités à base d'IA

Jour 2

Fondamentaux de l'IA

  • Qu'est-ce que l'IA ?
  • Similarités et différences entre l'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
    • OpenAI
Exemples de travaux pratiques (à titre indicatif)
  • Prise en main d'Azure Cognitives Services
  • Création d'une application de reconnaissance d'images

Jour 3

Exemples de travaux pratiques (à titre indicatif) - Suite
  • Prise en main d'Azure OpenAI, création d'une application à base de GPT-4
  • Enrichissement de l'AMS déployée avec des fonctionnalités IA avancées

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 microservices de vision par ordinateur pour le contrôle qualité, de reconnaissance vocale (speech-to-text), ou de modération de contenu

Jour 4

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'output
  • 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 à base de GPT

Jour 5

Déploiement et maintenance d'une AMS à base d'IA en environnement de production

  • 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

Le contenu de ce programme peut faire l'objet d'adaptation selon les niveaux, prérequis et besoins des apprenants.

Modalités d’évaluation des acquis

  • En cours de formation, par des études de cas ou des travaux pratiques
  • Et, en fin de formation, par un questionnaire d'auto-évaluation
Logo de M2I - Formation Concevoir, développer et déployer une architecture microservices à base d'Intelligence Artificielle (IA)

Proposé par

M2I

"Un leadership dans le domaine de la formation"

Voir la fiche entreprise
À partir de 4250 €
Logo de M2I - Concevoir, développer et déployer une architecture microservices à base d'Intelligence Artificielle (IA)

Concevoir, développer et déployer une architecture microservices à base d'Intelligence Artificielle (IA)

0 ville proposant cette formation
Logo

La 1ère plateforme pour trouver une formation, choisir son orientation ou construire son projet de reconversion.

© 2024 France Carrière. Tous droits réservés.