Audience

Ce cours est destiné aux :

• Développeurs logiciels

Pré-requis

Nous recommandons que les participants :

• Aient suivi la formation Generative AI Essentials (formation instructeur AWS)
• Possèdent un niveau intermédiaire en Python
• Soient familiers avec le cloud AWS

Objectifs

Ce cours comprend des présentations, des démonstrations, des laboratoires pratiques (hands-on labs) et des exercices de groupe.

Dans ce cours, vous apprendrez à :

• Développer des applications d’IA générative avec Amazon Bedrock
• Concevoir des patterns d’architecture pour des applications d’IA générative
• Configurer les API Amazon Bedrock pour invoquer des Foundation Models (FMs) de manière programmatique
• Développer des applications IA agentiques en intégrant les outils Amazon Bedrock et des frameworks open source
• Construire des solutions personnalisées avec Retrieval Augmented Generation (RAG) et Amazon Bedrock Knowledge Bases
• Intégrer des SDK open source avec Amazon Bedrock pour développer des applications métier
• Optimiser les réponses des modèles grâce aux techniques de prompt engineering
• Évaluer les composants d’une application d’IA générative
• Mettre en œuvre des pratiques d’IA responsable pour sécuriser les applications d’IA générative

Plan du cours

Jour 1

Module 1 : Exploration des composants des applications d’IA générative sur AWS

• Comprendre les concepts de l’IA générative
• Identifier les composants de la stack IA générative AWS
• Concevoir les composants d’une application d’IA générative

Module 2 : Programmation avec Amazon Bedrock

• Guider la génération des réponses des modèles
• Utiliser Amazon Bedrock de manière programmatique

Laboratoires pratiques :

• Développer avec les API Amazon Bedrock
• Développer des patterns de streaming avec les API Amazon Bedrock

Module 3 : Appliquer le Prompt Engineering pour les développeurs

• Introduction au prompt engineering
• Présentation des techniques de prompting
• Optimisation des prompts pour de meilleurs résultats

Module 4 : Utiliser les API Amazon Bedrock dans des architectures courantes

• Implémenter des patterns d’architecture avec les API Amazon Bedrock
• Explorer des cas d’usage courants
• Ajouter une mémoire conversationnelle pour étendre le contexte
• Laboratoire pratique :
  • Développer des patterns conversationnels avec les API Amazon Bedrock

Module 5 : Personnaliser les réponses IA avec le RAG

• Implémenter Retrieval Augmented Generation (RAG)
• Utiliser Amazon Bedrock Knowledge Bases
• Laboratoire pratique :
  • Développer des applications RAG avec Amazon Bedrock Knowledge Bases

Module 6 : Intégrer des frameworks open source avec Amazon Bedrock

• Invoquer un Foundation Model via LangChain avec Amazon Bedrock
• Utiliser LangChain pour des réponses contextualisées
• Laboratoire pratique :
  • Développer un pattern d’application IA générative avec des frameworks open source et Amazon Bedrock Knowledge Bases

Jour 2

Module 7 : Évaluer les composants d’une application d’IA générative

• Évaluer les composants applicatifs
• Évaluer les sorties des modèles
• Évaluer les sorties RAG
• Optimiser la latence et les coûts
• Laboratoire pratique :
  • Évaluation d’applications RAG

Module 8 : Mettre en œuvre l’IA responsable

• Comprendre l’IA responsable
• Atténuer les biais et prévenir les abus de prompts
• Utiliser Amazon Bedrock Guardrails
• Laboratoire pratique :
  • Sécuriser des applications d’IA générative avec Bedrock Guardrails

Module 9 : Utiliser les outils et agents dans les applications d’IA générative

• Utilisation des tools
• Comprendre les agents IA
• Comprendre les frameworks agentiques open source
• Comprendre l’interopérabilité des agents

Module 10 : Développer des agents Amazon Bedrock

• Implémenter Amazon Bedrock Flows
• Concevoir des agents Amazon Bedrock
• Développer des agents inline Amazon Bedrock
• Concevoir une collaboration multi-agents
• Utiliser Amazon Bedrock AgentCore
• Laboratoire pratique :
  • Développement d’agents Amazon Bedrock intégrés avec Amazon Bedrock Knowledge Bases et Guardrails

Conclusion du cours

• Synthèse et clôture de la formation