Prenez contact avec nous

Plan du cours

Fondements de l'IA locale sécurisée

  • Ce que signifient l'IA locale et l'IA en interne dans les environnements réglementés
  • IA cloud versus déploiement interne pour des charges de travail sensibles
  • Cas d'utilisation enterprise courants pour les assistants privés et le support aux flux de travail
  • Composants clés d'une architecture d'IA locale sécurisée

Fondamentaux d'Ollama et des modèles ouverts

  • Comment Ollama s'intègre dans une pile de développement locale
  • Téléchargement, exécution et gestion des modèles en local
  • Choix des modèles en fonction de la taille, de la qualité, du matériel et des licences
  • Mise en correspondance des options de modèles avec les tâches commerciales pratiques

Préparation de l'environnement interne

  • Préparation des hôtes, postes de travail et serveurs
  • Installation et configuration d'Ollama pour l'inférence locale
  • Utilisation des conteneurs et des outils de développement internes
  • Vérification de l'accès API et de la préparation opérationnelle de base

Travail efficace avec les modèles locaux

  • Exécution des invites (prompts) et ajustement des sorties avec des instructions système
  • Réutilisation des modèles pour des tâches enterprise cohérentes
  • Gestion des versions de modèles et des artefacts internes
  • Ajustements de performance basiques pour les déploiements CPU et GPU

Construction de flux de travail agiles pratiques

  • Ce qui rend un flux de travail « agile » dans un contexte contrôlé
  • Motifs simples pour la planification, l'utilisation d'outils et les boucles de réponse
  • Conception d'assistants axés sur les tâches pour les opérations internes
  • Ajout de revue humaine, de logique de repli et de gestion des erreurs

Flux de travail de récupération privés

  • Fondements de la génération augmentée par la récupération (RAG) pour l'accès aux connaissances internes
  • Préparation des documents pour le fractionnement, l'indexation et la recherche
  • Connexion d'un magasin de vecteurs local à une application basée sur Ollama
  • Amélioration de la pertinence et de la qualité des réponses avec de meilleurs motifs de récupération

Pratiques de sécurité, gouvernance et conformité

  • Limites de gestion des données et considérations sur la vie privée
  • Contrôle d'accès, journalisation et support aux audits
  • Sécurité des invites, contrôles des sorties et garde-fous (guardrails)
  • Points de contrôle de gouvernance pour le déploiement et l'exploitation réglementés

Motifs d'intégration enterprise

  • Exposition des capacités d'IA locale via des APIs internes
  • Intégration des assistants avec les applications et services internes
  • Support des cas d'utilisation d'assistance, de lot (batch) et d'automatisation des flux de travail
  • Maintenance des solutions à l'intérieur des limites réseau contrôlées

Évaluation des solutions d'IA locales

  • Évaluation de la qualité, de la fiabilité et de la cohérence
  • Tests par rapport aux exigences commerciales, politiques et de sécurité
  • Comparaison des options de modèles pour des tâches enterprise spécifiques
  • Mise en place d'un cycle pratique d'amélioration pour les équipes internes

Laboratoire d'implémentation pratique

  • Construction d'un assistant privé avec Ollama et un modèle ouvert
  • Ajout de la récupération sur des documents internes approuvés
  • Introduction d'actions agiles simples et de contrôles de sécurité
  • Examen du déploiement, des opérations et des points de contrôle de gouvernance

Planification de l'adoption et prochaines étapes

  • Revue des décisions clés de conception et de déploiement
  • Identification des pièges courants dans les projets d'IA réglementés
  • Planification des cas d'utilisation pilotes et alignement des parties prenantes
  • Définition d'une feuille de route pour l'adoption de l'IA locale sécurisée

Pré requis

  • Compréhension de base des concepts d'IA et du développement logiciel
  • Familiarité avec les outils en ligne de commande, les conteneurs ou les environnements de développement locaux
  • Expérience de base en scriptage ou en programmation

Public cible

  • Développeurs et équipes techniques créant des solutions IA privées sur une infrastructure interne
  • Professionnels de la sécurité, de la conformité et des plateformes soutenant l'IA dans des environnements réglementés
  • Chefs techniques des secteurs financier, santé, gouvernemental et défense évaluant l'adoption de l'IA en interne
 21 Heures

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires