Formation Advanced Generative AI Development on AWS

Description

Cette formation Advanced Generative AI Development on AWS vous permettra de concevoir, déployer et exploiter des solutions d'IA générative prêtes pour la production sur AWS.

Pendant 3 jours, vous apprendrez à :

• sélectionner et orchestrer des foundation models via Amazon Bedrock pour des usages métiers avancés,
• construire des architectures RAG, des agents IA et des pipelines multimodaux robustes et sécurisés,
• valider vos acquis avec la certification AWS Certified Generative AI Developer – Professional (AIP-C01).

À l'issue de la formation, le stagiaire sera capable d'utiliser les services clés de la plateforme AWS et contribuer efficacement à la conception ou à l'exploitation de solutions cloud et IA sécurisées et adaptées aux besoins métiers.

Les contenus sont conformes aux référentiels éditeurs Amazon Web Services (AWS). Les supports de formation éditeurs sont compris dans le coût pédagogique.

Public

Développeurs logiciels, Professionnels techniques

Les objectifs

• Développer des solutions d'IA générative prêtes pour la production
• Évaluer et sélectionner les foundation models appropriés
• Concevoir et implémenter des systèmes basés sur des foundation models
• Construire des pipelines complets de traitement de données multimodales
• Mettre en œuvre des solutions avancées de bases vectorielles
• Créer et gérer des frameworks avancés d'ingénierie de prompts
• Expliquer les composants des frameworks d'Agentic AI
• Implémenter des contrôles complets de sécurité et de sûreté de l'IA
• Optimiser les performances et gérer les coûts
• Concevoir et implémenter des solutions complètes de monitoring et d'observabilité
• Créer des frameworks systématiques de test et de validation
• Intégrer des solutions d'IA générative dans des environnements d'entreprise
• Être préparé à l'examen officiel AWS Certified Generative AI Developer - Professional

Pré-requis

• Avoir suivi les formations "AWS Technical Essentials" ou "Generative AI Essentials on AWS"
• 2 ans ou plus d'expérience dans la création d'applications de niveau production sur AWS ou avec des technologies open source, ou une expérience générale en IA/ML ou en data engineering
• 1 an d'expérience pratique dans la mise en œuvre de solutions d'IA générative
• Ordinateur portable à apporter

Le programme de la formation Advanced Generative AI Development on AWS

Jour 1 — Foundation Models, Amazon Bedrock et ingénierie de prompts avancée

• Introduction à l'IA générative sur AWS
  • Panorama de l'IA générative : LLM, modèles multimodaux, diffusion
  • Amazon Bedrock : architecture, modèles disponibles (Claude, Llama, Titan, Mistral, Stable Diffusion)
  • Modèle de responsabilité partagée pour l'IA générative
  • Considérations éthiques et principes d'IA responsable sur AWS
  • Présentation de l'examen AIP-C01 : domaines et pondération
• Sélection et évaluation des foundation models
  • Critères de sélection : capacités, coût, latence, contexte window
  • Amazon Bedrock Model Evaluation : évaluation automatique et humaine
  • Benchmarks et métriques : ROUGE, BLEU, BLEURT, hallucination rate
  • Comparaison des modèles pour différents cas d'usage (génération de code, raisonnement, vision)
  • Model access et quotas : gestion des limites de débit
• Ingénierie de prompts avancée
  • Anatomie d'un prompt efficace : instruction, contexte, exemples, sortie attendue
  • Techniques avancées : chain-of-thought, few-shot, zero-shot, ReAct
  • Prompts structurés : XML, JSON, templates Jinja2
  • Prompt injection et techniques de défense
  • Amazon Bedrock Prompt Management : versioning et déploiement
  • Évaluation et optimisation systématique des prompts
• Personnalisation des foundation models
  • Fine-tuning sur Amazon Bedrock : préparation des données et entraînement
  • Continued pre-training : adaptation au domaine métier
  • Model distillation : création de modèles légers pour la production
  • Amazon SageMaker JumpStart : catalogue de modèles et fine-tuning

Mises en pratique :

• Comparer plusieurs foundation models sur Amazon Bedrock pour un cas d'usage métier
• Implémenter un pipeline d'ingénierie de prompts avec chain-of-thought et évaluation automatique
• Fine-tuner un modèle Bedrock sur un dataset domaine-spécifique

Jour 2 — RAG, bases vectorielles et Agentic AI

• Architecture RAG (Retrieval Augmented Generation)
  • Principes du RAG : retrieval, augmentation, génération
  • Amazon Bedrock Knowledge Bases : ingestion, chunking et retrieval
  • Stratégies de chunking : fixe, récursif, sémantique
  • Modèles d'embedding sur AWS : Amazon Titan Embeddings, Cohere Embed
  • Évaluation d'un pipeline RAG : context precision, faithfulness, answer relevancy
  • RAG avancé : query rewriting, HyDE, re-ranking
• Bases de données vectorielles sur AWS
  • Concepts fondamentaux : embeddings, similarité cosinus, ANN search
  • Amazon OpenSearch Serverless avec k-NN : création d'index et requêtes vectorielles
  • pgvector sur Amazon Aurora et RDS PostgreSQL
  • Amazon MemoryDB for Redis : cas d'usage temps réel
  • Comparaison des solutions : critères de choix selon le volume et la latence
  • Pipelines d'ingestion de données multimodales : texte, images, documents
• Agentic AI avec Amazon Bedrock Agents
  • Architecture des agents IA : planification, mémoire, outils, actions
  • Amazon Bedrock Agents : création, configuration et déploiement
  • Action Groups : intégration avec AWS Lambda et OpenAPI
  • Mémoire des agents : session memory et long-term memory
  • Amazon Bedrock Agents avec Knowledge Bases : RAG agentique
  • Multi-agents : orchestration avec Amazon Bedrock Multi-Agent Collaboration
• Frameworks d'orchestration IA sur AWS
  • LangChain et LangGraph : intégration avec Amazon Bedrock
  • LlamaIndex : construction de pipelines RAG avancés
  • AWS Lambda et Step Functions pour l'orchestration de workflows IA
  • Patterns d'architecture : ReAct, Plan-and-Execute, self-reflection

Mises en pratique :

• Construire un pipeline RAG complet avec Amazon Bedrock Knowledge Bases et OpenSearch Serverless
• Implémenter un agent IA avec Amazon Bedrock Agents, Action Groups et mémoire persistante
• Orchestrer un workflow multi-agents avec LangGraph sur AWS

Jour 3 — Sécurité, observabilité, optimisation et préparation certification

• Sécurité et sûreté des solutions d'IA générative
  • Amazon Bedrock Guardrails : filtrage de contenu, grounding, topics bloqués
  • Protect Against Prompt Attacks : détection des injections et jailbreaks
  • IAM pour Amazon Bedrock : rôles, politiques et gestion des accès
  • Chiffrement des données : at-rest et in-transit pour les modèles et les données
  • Amazon Macie : détection de PII dans les datasets d'entraînement
  • Conformité et gouvernance des modèles IA : audit, traçabilité, audit logs
• Monitoring et observabilité des applications GenAI
  • Amazon CloudWatch pour Amazon Bedrock : métriques et alarmes
  • Amazon Bedrock Model Invocation Logging : traçabilité complète
  • AWS X-Ray : tracing distribué dans les pipelines IA
  • LLM Observability : latence, coûts de tokens, taux d'erreur
  • Détection des hallucinations en production : stratégies de monitoring
  • Dashboards opérationnels pour les applications GenAI
• Test et validation des applications d'IA générative
  • Stratégies de test : unit tests, integration tests, end-to-end tests
  • Évaluation automatique avec LLM-as-a-judge
  • Amazon Bedrock Model Evaluation pour les modèles personnalisés
  • Tests de robustesse : adversarial inputs, edge cases
  • A/B testing de modèles en production avec Amazon SageMaker
  • Frameworks de validation : RAGAS, DeepEval, promptfoo
• Optimisation des performances et des coûts
  • Optimisation des tokens : compression de contexte, caching de prompts
  • Amazon Bedrock Prompt Caching : réduction des coûts de latence
  • Stratégies de mise en cache : sémantique et exacte
  • Architecture serverless pour les workloads GenAI : Lambda, Fargate
  • Amazon Bedrock Batch Inference : traitement de volumes importants
  • Estimation et suivi des coûts AWS pour les applications GenAI
• Intégration enterprise et préparation certification
  • Patterns d'intégration enterprise : API Gateway + Lambda + Bedrock
  • Streaming de réponses avec Amazon Bedrock et WebSockets
  • Amazon Bedrock avec Amazon Connect : cas d'usage contact center
  • Migration et modernisation d'applications existantes vers la GenAI
  • Révision des domaines AIP-C01 et questions types
  • Modalités de passage : Pearson VUE, en centre ou à distance

Mises en pratique :

• Configurer Amazon Bedrock Guardrails pour filtrer les contenus sensibles et détecter les injections
• Implémenter un pipeline de monitoring complet avec CloudWatch et invocation logging
• Optimiser les coûts d'une application GenAI avec le prompt caching et le batch inference
• Entraînement sur questions types de l'examen AIP-C01

Passage de la certification

• Caractère optionnel : la participation à l'examen de certification est optionnelle ; le coût du passage fait l'objet d'un tarif séparé
• Garantie d'accès : à l'issue de la formation, chaque participant se voit garantir la possibilité de passer la certification AWS Certified Generative AI Developer – Professional (AIP-C01)
• Processus d'inscription
  • Inscription via Pearson VUE — en centre agréé ou à distance (OnVUE)
  • Durée de l'examen : 170 minutes — 85 questions (QCM, réponses multiples, mise en situation)
  • Score minimal requis : 700/1000
  • Résultats communiqués immédiatement à l'issue du passage
• Langue de l'examen : l'examen est disponible en anglais

Télécharger le programme

FAQ

8 raisons de participer à une formation Human Coders

• Satisfaction client élevée : Un taux de statisfaction de 4,6/5 depuis 2012 (sur 1896 sessions réalisées). 99% des participants se disent satisfaits de nos formations
• Approche pédagogique unique : Des formations en petit groupe, des formateurs passionnés et expérimentés, de véritables workshops... (Plus d'infos sur notre manifeste)
• Catalogue de formations complet : 261 formations au catalogue, de quoi vous accompagner sur tout vos projets
• Écosystème dynamique : Nous accompagnons les dev depuis 14 ans avec des initiatives comme Human Coders News, les Human Talks, le podcast ou encore notre serveur Discord
• Financement facilité : Organisme certifié Qualiopi, indispensable pour que vous puissiez obtenir des aides au financement via votre OPCO
• Références clients prestigieuses : De nombreux clients qui nous font confiance depuis des années
• Accompagnement sur mesure : Nous vous proposons un accompagnement personnalisé par nos consultants pour vous aider dans vos projets au-delà de la formation
• Valorisation professionnelle : Remise d'un diplôme, d'une attestation et d'une certification, suivant les formations effectuées, que vous pourrez afficher sur vos CV et réseaux sociaux