Formation Développer des copilotes personnalisés avec Microsoft Azure AI Studio

01.Introduction à Azure AI Studio et IA générative

• —Comprendre Azure AI Studio : environnement et cas d'usage.
• —Principes fondamentaux de l'IA générative et des grands modèles de langage (LLMs).
• —Présentation des copilotes et de leur architecture sous Azure.

02.Préparation de l'environnement et gestion des données

• —Configuration de l'espace de travail Azure AI Studio.
• —Connexion aux sources de données (Azure Data Lake, SQL, etc.).
• —Ingénierie des données pour l'IA générative : nettoyage, formatage, vectorisation.

03.Intégration et personnalisation des modèles de base

• —Sélection et déploiement de modèles de base (GPT-x, Llama-2 sur Azure).
• —Techniques de Fine-tuning (Fine-tuning) et d'apprentissage par transfert (Transfer Learning).
• —Prompt Engineering avancé pour optimiser les réponses des LLMs.

04.Architecture des Copilotes avec Flow et Orchestration

05.Développement d'extensions et d'outils personnalisés

• —Création et intégration d'outils externes (APIs, bases de données).
• —Utilisation de fonctions personnalisées (Azure Functions).
• —Structuration de réponses complexes pour les copilotes.

06.Déploiement et gestion des Copilotes sur Azure

• —Options de déploiement (endpoints, conteneurs, fonctions).
• —Surveillance des performances et gestion des logs.
• —Stratégies de mise à l'échelle et de haute disponibilité.

07.Optimisation et amélioration continue des Copilotes

• —Évaluation des modèles et des performances des copilotes.
• —Techniques d'amélioration continue : A/B testing, retour utilisateur.
• —Bonnes pratiques de sécurité et de conformité (RGPD, éthique de l'IA).

08.Cas d'usage avancés et intégration métier

• —Applications pratiques : support client, aide à la décision, création de contenu.
• —Intégration des copilotes dans des applications métier existantes.
• —Projets concrets et futurs d'évolution des copilotes.