Note
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier les répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de changer de répertoire.
Découvrez la puissance de l’IA générative avec JavaScript. Découvrez comment intégrer en toute transparence l’IA à vos applications web, mobiles ou de bureau.
JavaScript avec l’IA ?
Bien qu’il soit vrai que Python est idéal pour créer et entraîner des modèles IA, la création d’applications avec ces modèles est différente. La plupart des modèles IA fonctionnent via des API web, de sorte que n’importe quel langage pouvant effectuer des appels HTTP peut utiliser l’IA. JavaScript est multiplateforme et connecte facilement les navigateurs et les serveurs, ce qui en fait un choix fort pour les applications IA.
Cours amusant et interactif
Rejoignez-nous pour une expérience d’apprentissage immersive, notamment des vidéos, des projets de code et une implémentation complète pour utiliser et découvrir l’IA générative.
Ce cours est un excellent moyen pour les étudiants et les nouveaux développeurs d’apprendre l’IA de manière amusante et interactive. Pour les développeurs de carrière, explorez plus en détail votre mise à l’échelle vers l’IA.
Dans ce cours :
- Apprenez l'IA tout en donnant vie à des figures historiques grâce à l'IA générative.
- Appliquer l’accessibilité avec les API intégrées du navigateur
- Utiliser la génération de texte et d’image pour intégrer l’IA à l’expérience de l’application
- Découvrir des modèles architecturaux pour les applications IA
Utiliser l’application complémentaire pour parler aux caractères historiques
Que devez-vous savoir sur les llMs ?
Les grands modèles de langage (LLMs) sont des réseaux neuronaux profonds formés sur un grand nombre de données pour comprendre et créer du texte. L’entraînement commence par des jeux de données volumineux et diversifiés pour créer un modèle de base, puis utilise des données spéciales pour affiner les résultats. Les modules LLM fonctionnent comme des outils de saisie automatique intelligente dans les éditeurs de code ou les applications de conversation. Les modèles ont des limites, comme les fenêtres de contexte (généralement quelques milliers de jetons, bien que les modèles plus récents prennent en charge plus) et peuvent afficher des biais de leurs données d’apprentissage. C’est pourquoi l’INTELLIGENCE artificielle responsable est importante : concentrez-vous sur l’équité, la fiabilité, la confidentialité et la responsabilité, comme microsoft le recommande.
En savoir plus dans la session LLM du cours :
Techniques d’ingénierie d’invites essentielles
L’ingénierie rapide signifie concevoir des invites pour obtenir de meilleurs résultats d’IA. Vous pouvez utiliser l’apprentissage zéro tir (aucun exemple) ou l’apprentissage à quelques coups (avec des exemples) pour guider le modèle. L’ajout de signaux tels que des instructions pas à pas, un contexte clair et des formats de sortie aide le modèle à donner de meilleures réponses. Vous pouvez également ajuster le ton et personnaliser les réponses. Ces principes de base vous permettent de mettre en place des techniques avancées comme RAG.
En savoir plus dans la session d’ingénierie rapide du cours :
Améliorer la précision et la fiabilité de l’IA avec RAG
Utilisez la génération augmentée de récupération (RAG) pour rendre l’IA plus précise et plus fiable. RAG combine un récupérateur qui recherche des documents up-to-date avec un générateur qui utilise ces documents pour répondre aux questions. Cette approche fournit des réponses claires et factuelles basées sur des sources approuvées, ce qui facilite la vérification et l’efficacité des résultats. Par exemple, la prise en charge immobilière de Contoso utilise RAG pour fournir des réponses détaillées soutenues par des documents d’entreprise.
En savoir plus dans la session RAG du cours :
Accélérer votre développement IA avec LangChain.js
Accélérer vos projets IA avec LangChain.js. Cette bibliothèque JavaScript facilite l’utilisation de modèles de langage volumineux. Utilisez LangChain.js pour créer des modèles d’invite, connecter des modèles et des bases de données vectorielles et créer des flux de travail complexes. Prototypez rapidement des applications, comme une API qui extrait et répond aux questions des transcriptions YouTube. Lorsque vous êtes prêt pour la production, échangez des modèles locaux et des magasins vectoriels pour les services Azure sans modifier votre code.
En savoir plus dans la sessionLangChain.js du cours :
Exécuter des modèles IA sur votre ordinateur local avec Ollama
Téléchargez et utilisez des modèles IA locaux avec Ollama, un outil open source basé sur llama.cpp, pour exécuter efficacement de petits modèles linguistiques comme Phi-3. Les modèles locaux éliminent la dépendance à l’infrastructure cloud, permettent un développement rapide avec des fonctionnalités hors connexion et offrent des tests rentables via une boucle de développement interne rapide. Phi-3, noté pour ses hautes performances et sa sécurité de l’IA responsable, peut s’exécuter même sur des appareils modérés et est accessible via une API compatible OpenAI, ce qui facilite l’intégration à votre flux de travail de développement.
En savoir plus dans la session Ollama du cours :
Commencez gratuitement avec l’IA grâce à Phi-3
Essayez des modèles IA avec l’outil Ollama et le modèle Phi-3 dans votre navigateur à l’aide d’un terrain de jeu en ligne. Créez un GitHub Codespace pour utiliser VS Code dans votre navigateur, exécutez des commandes telles que « Ollama run phi3 » pour discuter avec le modèle et utiliser un notebook Jupyter pour tester l’ingénierie rapide, l’apprentissage à quelques coups et RAG. Vous pouvez créer et explorer des projets IA en ligne, sans avoir besoin d’un GPU rapide ou d’une configuration locale.
En savoir plus dans la session Phi-3 du cours :
Présentation d’Azure AI Foundry
Utilisez Azure AI Foundry pour commencer à créer des applications IA génératives avec JavaScript. Organisez les ressources avec des hubs et des projets, parcourez des milliers de modèles et déployez un modèle pour tester dans un terrain de jeu. Que vous choisissiez des API de calcul managées ou serverless, suivez les mêmes étapes pour sélectionner, déployer et utiliser votre modèle dans votre flux de travail.
Pour en savoir plus, consultez la session Azure AI Foundry du cours :
Création d’applications IA génératives avec Azure Cosmos DB
En savoir plus dans la session Azure Cosmos DB du cours :
Outils Et services Azure pour l’hébergement et le stockage d’applications IA
Découvrez les principaux outils et services Azure pour l’hébergement et le stockage de vos applications IA. Créez différents types d’applications IA, comme les applications de conversation, RAG et les agents autonomes. Utilisez Azure Developer CLI (AZD) pour déployer facilement. Comparez les options serverless et basées sur des conteneurs, et découvrez comment maintenir vos API sécurisées, évolutives et surveillées pour une utilisation réelle.
Pour en savoir plus, consultez la session outils et services Azure du cours :
Diffusion en continu de la sortie IA générative à l'aide du protocole AI Chat
Diffusez en continu la sortie IA générative avec le protocole AI Chat. Cet outil facilite la communication en temps réel entre votre service IA et vos applications clientes. Essayez deux méthodes de streaming : exécuter l’inférence dans le navigateur ou utiliser un serveur d’inférence IA. Surveillez l’exposition des clés d’API, la sécurité des données et le choix du protocole approprié. Le client simple du protocole AI Chat vous permet d’ajouter un streaming sécurisé et efficace à votre application à l’aide de méthodes getCompletion et getStreamedCompletion, comme illustré dans notre rag serverless avec LangChain.js exemple.
Pour en savoir plus, consultez la session streaming du cours :