Building Modern Systems Theory and Implementation

Construire des systèmes modernes: théorie et mise en œuvre

Instructeur:
Hamas ur rehman
Faculté de visite, UET Peshawar

---

Table des matières

1. Aperçu du cours
2. Condition préalable
3. Plan de cours
   • Module 1: systèmes AI avancés
   • Module 2: Modèles génératifs de l'IA et de grands langues (LLMS)
   • Module 3: API - Théorie et mise en œuvre pratique
   • Module 4: Construire un chatbot avec LLMS
   • Module 5: enregistrement des applications
   • Module 6: Variables de l'environnement et gestion des secrets
   • Module 7: Stockage des chats dans MongoDB
   • Module 8: bases de données vectorielles et chromadb
   • Module 9: API de configuration et d'hébergement du serveur local
   • Module 10: Docker pour les applications modernes
   • Module 11: Contrôle de version avec Git
   • Module 12: tests API avec Pytest et Postman
   • Module 13: Déploiement du cloud avec Azure

---

Aperçu du cours

Construire des systèmes modernes: la théorie et la mise en œuvre est un cours complet qui se plonge dans la conception et le développement de systèmes de calcul avancés. Il comble l'écart entre les fondations théoriques et les applications pratiques, équipant les étudiants des connaissances et des compétences pour construire des systèmes intelligents, évolutifs et efficaces.

Les techniques d'intelligence informatique telles que l'apprentissage automatique et l'intelligence artificielle font partie intégrante de la conception moderne du système, permettant aux systèmes de prendre des décisions éclairées, de s'adapter aux environnements changeants et de résoudre des problèmes complexes de manière autonome.

---

Condition préalable

Les étudiants qui s'inscrivent à ce cours devraient avoir une connaissance préalable de:

• Programmation orientée objet (POO)
• Concepts de programmation générale

---

Plan de cours

Module 1: systèmes AI avancés

• Théorie:
  • Introduction aux systèmes d'IA avancés
  • Aperçu des technologies et applications de l'IA
  • Évolution des systèmes d'IA

Module 2: Modèles génératifs de l'IA et de grands langues (LLMS)

• Théorie:
  • Introduction à l'IA génératrice
  • Comprendre les grands modèles de langue (LLM) comme GPT
  • Applications des LLM dans les projets du monde réel
• Pratique:
  • Étude de cas: Analyse d'un projet avec LLM intégré (par exemple, instantalfred sur assuranceMarket.ae)

Module 3: API - Théorie et mise en œuvre pratique

• Théorie:
  • Introduction aux API et à leur importance
  • Types d'API: repos, graphQL, etc.
  • Meilleures pratiques pour la conception de l'API
• Pratique:
  • Implémentation des API dans Python
  • Création et test d'API à l'aide de Postman

Module 4: Construire un chatbot avec LLMS

• Théorie:
  • Composants d'un chatbot
  • Comment les LLM sont utilisés dans les chatbots
• Pratique:
  • Implémentation Python d'un petit chatbot à l'aide d'un LLM

Module 5: enregistrement des applications

• Théorie:
  • Pourquoi la journalisation est cruciale pour les applications
  • Les limites des déclarations d'impression pour le débogage
• Pratique:
  • Implémentation de l'exploitation forestière à Python
  • Bonnes pratiques de journalisation

Module 6: Variables de l'environnement et gestion des secrets

• Théorie:
  • Introduction aux variables et secrets de l'environnement
  • Importance du stockage solidement des données sensibles dans les applications
• Pratique:
  • Configuration des variables et des secrets d'environnement dans Python
  • En utilisant des fichiers .env en toute sécurité dans les projets

Module 7: Stockage des chats dans MongoDB

• Théorie:
  • Introduction aux bases de données NoSQL (MongoDB)
  • Les cas d'utilisation de MongoDB dans les applications de chat
• Pratique:
  • Stockage des conversations Chatbot dans une base de données MongoDB
  • Récupération des chats stockés de MongoDB

Module 8: bases de données vectorielles et chromadb

• Théorie:
  • Introduction aux bases de données vectorielles
  • Le rôle des bases de données vectorielles dans les applications axées sur l'IA
  • Aperçu de ChromAdB et de ses cas d'utilisation
• Pratique:
  • Implémentation de ChromAdb dans un projet
  • Explorer d'autres bases de données vectorielles et leurs capacités

Module 9: API de configuration et d'hébergement du serveur local

• Théorie:
  • Comprendre les serveurs locaux et leur rôle dans le développement
  • Héberger les API localement pour les tests
• Pratique:
  • Configuration d'un serveur local
  • Tester les API sur les environnements locaux

Module 10: Docker pour les applications modernes

• Théorie:
  • Introduction à Docker et à la conteneurisation
  • Avantages de l'utilisation de Docker dans le développement et la production
• Pratique:
  • Créer et exécuter un conteneur Docker pour le projet de cours

Module 11: Contrôle de version avec Git

• Théorie:
  • Introduction au Git et au contrôle de version
  • Comprendre les branches, commet et fusion
• Pratique:
  • Expérience pratique avec Git
  • Gérer les versions de projet à l'aide de GitHub

Module 12: tests API avec Pytest et Postman

• Théorie:
  • Introduction aux tests automatisés avec Pytest
  • Importance des tests API
• Pratique:
  • Écriture de tests d'unité pour les API à l'aide de pytest
  • Automatisation des tests pour les API avec facteur

Module 13: Déploiement du cloud avec Azure

• Théorie:
  • Introduction aux plates-formes cloud (Azure, AWS, GCP)
  • Avantages du déploiement du cloud
• Pratique:
  • Déployer des conteneurs Docker sur Azure
  • Exploration des services Azure pour les systèmes d'IA évolutifs

---