Développer et déployer un système d'intelligence artificielle (IA) multimodèle sans serveur en production sur Amazon Web Services (AWS), intégrant Amazon Bedrock et Ollama pour l'exécution de grands modèles linguistiques (LLM) dans le cloud et en local. Ce cours de synthèse, qui clôt la Spécialisation en ingénierie de l’IA appliquée, synthétise les acquis des 19 cours précédents au sein d’un projet d’ingénierie complet. Vous implémenterez des applications LLM basées sur Rust à l’aide de la chaîne d’outils Cargo Lambda pour un déploiement sans serveur sur AWS Lambda, concevrez des workflows d’ingénierie de prompts basés sur le langage YAML (Yet Another Markup Language) pour une gestion structurée des configurations, et développerez une orchestration de flux multimodèle qui achemine les requêtes vers les modèles appropriés en fonction des exigences des tâches. Le cours commence par les principes fondamentaux de l’architecture multimodèle, couvrant l’écosystème en constante évolution des modèles d’IA, les critères de sélection des modèles pour les charges de travail en production, ainsi que les modèles d’intégration multi-fournisseurs permettant la mise en place de solutions de secours et l’optimisation des coûts. Vous passerez ensuite au déploiement en production sans serveur, en mettant en œuvre un routeur Amazon Bedrock pour la sélection dynamique des modèles et en déployant des fonctions sans serveur Rust avec Cargo Lambda, qui offrent des avantages en termes de démarrage à froid et de gestion de la mémoire pour les charges de travail d’IA. Le dernier défi final vous demandera d’intégrer l’orchestration multimodèle, la configuration des invites YAML et le déploiement sans serveur dans un système de production complet, qui sera évalué selon des critères de performance, de coût et de fiabilité.