Dans ce module, nous explorerons l'évolution des grands modèles de langage, depuis leurs premiers stades jusqu'aux technologies de pointe actuelles. Nous nous pencherons sur l'impact révolutionnaire du ChatGPT et des modèles similaires sur l'IA moderne, ainsi que sur les avantages et les défis qu'ils présentent dans divers domaines.

Dans ce module, nous vous guiderons pour configurer Spring AI et l'intégrer à OpenAI afin de construire des applications alimentées par l'IA. Vous aurez une expérience pratique avec des outils tels que le Playground d'OpenAI et développerez une application de chat basique avec le ChatClient de Spring pour interagir avec la plateforme d'OpenAI.

Dans ce module, nous allons explorer comment GitHub Copilot peut aider à la gestion des erreurs dans votre application Spring Boot. Vous apprendrez à configurer Copilot et à mettre en œuvre des stratégies personnalisées de gestion des erreurs afin d'améliorer la fiabilité du code et de rationaliser le développement.

Dans ce module, nous allons montrer comment rationaliser les interactions avec l'IA à l'aide des StringTemplates et des PromptTemplates. Vous apprendrez à construire des invites flexibles et dynamiques et à personnaliser les échanges de messages afin d'optimiser l'efficacité de vos applications pilotées par l'IA.

Dans ce module, nous présenterons les Spring AI Advisors et nous vous montrerons comment ils peuvent être utilisés pour améliorer et modifier les interactions de l'IA. Vous apprendrez à construire un conseiller personnalisé, en commençant par un conseiller de journalisation, afin d'améliorer les capacités de débogage et de surveillance de votre application d'IA.

Dans ce module, nous allons nous plonger dans l'ingénierie des invites, en vous apprenant à créer des invites claires et précises qui conduisent à des résultats significatifs. Vous explorerez également des exemples du monde réel et apprendrez des techniques pour atténuer les risques potentiels tels que l'injection d'invites.

Dans ce module, nous vous apprendrons à générer des sorties structurées à partir de LLM en utilisant l'ingénierie prompte et les outils d'IA de Spring. Vous acquerrez une expérience pratique de l'analyse des données structurées, essentielle pour les applications alimentées par l'IA qui ont besoin d'informations cohérentes et organisées.

Dans ce module, nous allons explorer comment l'appel d'outil peut augmenter la fonctionnalité LLM en intégrant des systèmes externes. Vous apprendrez à appeler des données en direct, telles que les taux de change et les informations météorologiques, afin d'élargir le champ d'application et la précision de vos applications basées sur l'IA.

Dans ce module, nous présenterons la Génération Assistée par Récupération (RAG), une technique permettant de fournir aux LLM des connaissances externes. Vous apprendrez comment la RAG améliore les performances de l'IA en intégrant des informations pertinentes et actualisées et explorerez ses avantages par rapport aux méthodes traditionnelles telles que le remplissage d'invites.

Dans ce module, nous vous guiderons dans la construction d'une application complète de questions-réponses alimentée par RAG. Vous explorerez le processus d'indexation des documents, de récupération des connaissances pertinentes et de génération de réponses précises, pour aboutir au développement d'une solution d'IA de bout en bout.

Dans ce module, nous vous enseignerons les meilleures pratiques pour l'ingestion de documents dans Spring AI. Vous apprendrez à traiter différents types de documents, y compris les fichiers texte et Word, et à utiliser des techniques de regroupement (chunking) pour structurer le contenu afin d'améliorer l'extraction des connaissances de l'IA.

Dans ce module, nous nous pencherons sur le concept de multimodalité, qui permet à l'IA de travailler sur différents types de données. Vous explorerez comment les modèles d'images d'OpenAI peuvent générer du contenu visuel à partir de texte et apprendre à personnaliser les images en fonction des variations de l'entrée pour obtenir de meilleurs résultats.

Dans ce module, nous vous montrerons comment analyser des images en utilisant l'API de vision d'OpenAI. Vous apprendrez à transmettre des fichiers d'images à partir de votre système local ou en tant que données multipartites pour le traitement, avec des applications réelles telles que l'extraction de données à partir de factures.

Dans ce module, nous vous apprendrons à travailler avec les modèles audio d'OpenAI, en convertissant du texte en parole réaliste et vice versa. Vous explorerez les options de personnalisation à la fois pour la synthèse vocale et pour la conversion de la parole en texte, ce qui vous fournira les outils nécessaires pour créer des applications d'IA basées sur la voix.

Dans ce module, nous allons explorer comment construire des applications d'IA locales en utilisant Ollama et Spring AI. Vous apprendrez à configurer votre environnement pour exécuter des LLM sur votre machine locale et à intégrer Spring AI de manière transparente, ce qui vous permettra de développer des applications alimentées par l'IA sans dépendre de services en nuage.