Formation certification AI Cloud Developer Associate (AI-200)

Programme de notre formation Certification AI Cloud Developer Associate (AI-200)

[Jour 1 – Matin]

Développer des solutions conteneurisées sur Azure

• Comprendre l’architecture d’une application IA Cloud et sélectionner les services Azure adaptés
• Créer et gérer des images de conteneurs avec Azure Container Registry
• Développer et configurer des applications conteneurisées pour Azure
• Déployer des workloads avec Azure Container Apps et configurer leurs paramètres d’exécution
• Gérer la configuration, les variables d’environnement, la scalabilité et le cycle de vie des applications
• Atelier pratique : conteneuriser une application Python, publier son image dans Azure Container Registry et la déployer sur Azure.

[Jour 1 – Après-midi]

Exploiter les services de calcul et d’exécution Azure

• Choisir entre les principaux services d’exécution selon les contraintes de l’application
• Déployer et configurer des applications avec Azure App Service
• Comprendre les scénarios nécessitant une orchestration avec Azure Kubernetes Service (AKS)
• Configurer la scalabilité, les ressources et les paramètres nécessaires aux workloads
• Utiliser les Azure SDK et les outils de développement pour interagir avec les services Cloud
• Atelier pratique : déployer une application back-end et adapter son mode d’hébergement aux contraintes de disponibilité et de scalabilité.

[Jour 2 – Matin]

Développer des solutions IA avec les services de données Azure

• Stocker et manipuler les données applicatives avec Azure Blob Storage
• Développer des opérations de lecture, écriture et gestion des objets depuis une application
• Utiliser Azure Cosmos DB pour stocker et interroger des données distribuées
• Configurer les accès et exploiter les SDK Azure pour manipuler les données
• Choisir une stratégie de stockage adaptée aux besoins d’une application IA
• Atelier pratique : connecter une application Python à Blob Storage et Cosmos DB puis manipuler les données nécessaires à un service IA.

[Jour 2 – Après-midi]

Mettre en œuvre la recherche vectorielle et le cache

• Comprendre le rôle des embeddings et des données vectorielles dans les applications IA
• Créer et exploiter des index permettant la recherche vectorielle
• Interroger les données et récupérer les informations pertinentes depuis une application
• Utiliser Azure Managed Redis pour mettre en cache les données et réduire les temps de réponse
• Optimiser les accès aux données, la latence et les performances des applications IA
• Atelier pratique : intégrer une recherche vectorielle à une application et mettre en cache les résultats pour améliorer ses performances.

[Jour 3 – Matin]

Construire des architectures événementielles avec les services Azure

• Comprendre les architectures event-driven et sélectionner le service de messagerie adapté
• Envoyer et recevoir des messages avec Azure Service Bus
• Publier et traiter des événements avec Azure Event Grid
• Développer des traitements serverless et déclenchés par événements avec Azure Functions
• Gérer les erreurs, les reprises et la fiabilité des traitements asynchrones
• Atelier pratique : construire un workflow événementiel combinant Service Bus ou Event Grid avec une Azure Function.

[Jour 3 – Après-midi]

Connecter et consommer les services Azure

• Utiliser les Azure SDK pour intégrer les services Cloud dans une application
• Configurer les clients, endpoints et paramètres nécessaires aux connexions entre services
• Mettre en œuvre les mécanismes d’authentification adaptés aux communications applicatives
• Gérer les appels asynchrones, erreurs, délais d’attente et stratégies de nouvelle tentative
• Concevoir des intégrations fiables entre données, événements et services applicatifs
• Atelier pratique : connecter une application à plusieurs services Azure et mettre en œuvre la gestion des erreurs et des tentatives de reconnexion.

[Jour 4 – Matin]

Sécuriser les applications et services Azure

• Comprendre les mécanismes d’identité et d’authentification Azure appliqués aux applications
• Utiliser les identités managées pour éviter le stockage d’informations d’identification dans le code
• Stocker et récupérer les secrets, clés et certificats avec Azure Key Vault
• Centraliser la configuration applicative avec Azure App Configuration
• Appliquer le principe du moindre privilège et sécuriser les communications entre services
• Atelier pratique : sécuriser une application avec une identité managée, Key Vault et une configuration externalisée.

[Jour 4 – Après-midi]

Superviser et dépanner les solutions Azure

• Instrumenter une application pour collecter les logs, métriques et traces
• Mettre en œuvre l’observabilité distribuée avec OpenTelemetry
• Analyser les données de télémétrie et diagnostiquer les erreurs applicatives
• Interroger les journaux avec Kusto Query Language (KQL)
• Identifier les problèmes de performance, de connectivité et de disponibilité des services
• Atelier pratique : instrumenter une application, analyser sa télémétrie et diagnostiquer plusieurs incidents à l’aide des outils Azure et de KQL.

[Jour 5 – Matin]

Concevoir une solution Azure AI Cloud de bout en bout

• Combiner conteneurs, données, événements et services Azure dans une architecture applicative cohérente
• Sélectionner les services adaptés selon les contraintes de scalabilité, disponibilité et performance
• Intégrer les mécanismes de recherche vectorielle et de cache aux applications IA
• Sécuriser les identités, secrets, configurations et communications entre composants
• Préparer l’observabilité et les mécanismes nécessaires au diagnostic en production
• Atelier pratique : construire l’architecture et les composants principaux d’une application AI Cloud intégrant calcul, données, événements, sécurité et supervision.

[Jour 5 – Après-midi]

Préparation à la certification AI-200

• Revoir les domaines officiels de l’examen AI-200 et leurs pondérations
• Consolider les compétences sur les solutions conteneurisées et les services de données Azure
• Réviser les services de messaging, eventing et les mécanismes d’intégration Azure
• Revoir les principes de sécurité, monitoring et troubleshooting
• Identifier les points faibles et définir une stratégie de révision adaptée à l’examen
• Atelier pratique : analyser des questions et scénarios représentatifs des compétences évaluées lors de l’examen AI-200.