Ce cours couvre l'ingénierie de l'IA générative sur la plateforme Azure Databricks utilise Apache Spark pour explorer, affiner, évaluer et intégrer des modèles de langage avancés. Les participants apprendront à mettre en œuvre des techniques telles que la génération augmentée par récupération (RAG) et le raisonnement multi-étapes, à ajuster les modèles de langage pour des tâches spécifiques et à évaluer leurs performances. La formation met également l'accent sur les principes de l'IA responsable et la gestion des modèles en production grâce aux LLMOps (Opérations sur les modèles de langage à grande échelle). Azure Des briques de données.
Le cours est recommandé pour :
- Data Scientists qui développent et évaluent des applications d'IA générative.
- Ingénieurs en IA qui mettent en œuvre des modèles de langage à grande échelle Azure Des briques de données.
- Professionnels de l'apprentissage automatique et de l'intelligence artificielle familiarisés avec les concepts de base de l'IA et la plateforme Azure Des briques de données.
Après avoir terminé le cours, vous saurez comment :
- Explorer et utiliser les grands modèles de langage (LLM) dans Azure Des briques de données.
- Mettre en œuvre des techniques de génération augmentée de récupération (RAG) pour des résultats plus précis et contextuels.
- Vous construisez des systèmes de raisonnement à plusieurs étapes pour résoudre des problèmes complexes.
- Vous affinez les modèles linguistiques et les spécialisez pour des tâches spécifiques.
- Évaluer la performance des LLM en utilisant des mesures, des techniques et des méthodes de LLM en tant que juge.
Les participants doivent avoir :
- Connaissances fondamentales de l'intelligence artificielle et de l'apprentissage automatique.
- Connaissance des concepts de base de Azure Des briques de données.
- Introduction aux grands modèles de langage (LLM) en Azure Databricks
- Notions de base sur les LLM et leurs applications (résumé de texte, analyse des sentiments, traduction, etc.)
- Créer et utiliser des rapports interactifs avec les LLM
- Mise en œuvre de la génération augmentée par récupération (RAG)
- Intégration des moteurs de recherche avec des modèles génératifs
- Créer des résultats plus précis et contextuellement pertinents
- Mise en œuvre du raisonnement en plusieurs étapes
- Aborder des problèmes complexes par étapes séquentielles
- Intégrer des résultats partiels dans un processus de raisonnement complet
- Réglage fin pour les grands modèles de langage
- Adapter les LLM à des tâches spécifiques
- Réduire les coûts et améliorer la pertinence du modèle
- Évaluation des modèles linguistiques
- Mesures et méthodes d'évaluation des LLM
- Défis et bonnes pratiques en matière d'évaluation
- Techniques automatisées, y compris le LLM en tant que juge
- IA responsable des modèles de langage
- Principes de mise en œuvre responsable
- Considérations éthiques et réduction des risques
- Utiliser des outils de sécurité pour les LLM
- Mise en œuvre de LLMOps dans Azure Databricks
- Les bases du LLMOps
- Suivi, gestion et maintenance des LLM en production
- Microsoft AI-3026 : Développer des agents d'IA sur Azure
- Microsoft DP-3011 : Mise en œuvre d'une solution d'analyse de données avec Azure Databricks
- Microsoft DP-500 : Conception et mise en œuvre de solutions d’analyse à l’échelle de l’entreprise à l’aide Microsoft Azure et Microsoft Power BI
Il n’existe actuellement aucun programme de certification.
