Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
1. Introduction à Spring AI
- Création et configuration du projet
- Le rôle du prompt et de la soumission du prompt
- Rédaction d'un premier test
- Choix d'un modèle
- Configuration du modèle
- Aperçu des capacités de Spring AI
2. Comprendre les réponses
- Comment vérifier la pertinence des réponses
- La précision lors de l'exécution
3. Le prompt en détail
- Utilisation de modèles de prompts
- Définition d'un nouveau modèle de prompt
- Compréhension du contexte
- Le rôle et son importance
- Influence de la génération de la réponse à l'aide d'options
- Streaming et mise en forme de la sortie
- Les métadonnées dans la réponse
4. Utiliser vos données et documents
- Compréhension de la RAG (génération augmentée par récupération)
- Mise en place du magasin vectoriel et chargement des documents
- Une première implémentation de RAG
- Une RAG utilisant un conseiller
- Capacités RAG modulaires
5. Le rôle de la mémoire en IA
- Pourquoi avons-nous besoin de mémoire ?
- Ajout et configuration de la mémoire pour soutenir la conversation
- L'identifiant de conversation
- Soutien d'une mémoire persistante
- Stockage de la mémoire de chat dans le magasin vectoriel
6. Outils d'IA
- Une application activée pour les outils
- Compréhension des capacités des outils
- Rédaction et mise en œuvre de l'outil
- Fonctions en tant qu'outils
7. Le protocole de contexte de modèle (MCP)
- Pourquoi avons-nous besoin du MCP ?
- Travail avec un client MCP
- Rédaction du serveur MCP
- Base de données et outils pour le serveur MCP
- Compréhension du transport HTTP et SSE (Server-Sent Events)
- Exposition des prompts et des ressources
8. Surveillance des opérations
- Activation des métriques d'actuateur
- Vérification des opérations du magasin vectoriel
- Examen des interactions avec le modèle
- Comptage des jetons
- Mise en place dans Prometheus et création d'un tableau de bord
- Tracé des opérations d'IA
9. Protection en IA générative
- Contrôle des documents accédés via RAG
- Sécurisation des outils
- Contrer le prompting adversarial
- Moderation de l'entrée utilisateur
10. Schémas courants de génération
- Résumé de contenu
- Traduction de messages
- Analyse de sentiments
11. Le rôle des Agents
- Qu'est-ce qu'un agent ?
- Mise en œuvre de flux de travail agentiques
- Concaténation de prompts, routage de tâches et parallélisation
- Accès à l'agent via MCP
Pré requis
Les participants doivent disposer de :
- De bonnes connaissances en programmation Java
- D'une expérience pratique avec Spring et Spring Boot
- Une familiarité avec la construction et la configuration d'applications Spring Boot
- Une compréhension de base des API REST et du HTTP
- Une compréhension de base du JSON et de la configuration d'applications
- Une compréhension de base de l'IA générative et des grands modèles de langage (LLM)
- La familiarité avec les bases de données et les concepts d'accès aux données est recommandée
- Aucune expérience préalable avec Spring AI, RAG, MCP ou les agents d'IA n'est requise
21 Heures
Nos clients témoignent (1)
Des informations détaillées sont fournies sur les sujets plus avancés demandés.
Farukh Khan - Tandem Solution
Formation - RabbitMQ with Java and Spring
Traduction automatique
