AI in a Box

L'IA dans une boîte

AI-in-a-Box exploite l'expertise collective des ingénieurs et architectes clients Microsoft du monde entier pour développer et fournir des solutions d'IA et de ML à la communauté technique.

Notre intention est de présenter une collection organisée d'accélérateurs de solutions qui peuvent aider les ingénieurs à établir leurs environnements et solutions IA/ML rapidement et avec un minimum de frictions, tout en maintenant les normes les plus élevées de qualité et d'efficacité.

Alors que nous continuons à apprendre du marché, les contributeurs chercheront à doter la communauté des outils et des ressources nécessaires pour réussir dans le paysage en constante évolution de l'IA et du ML.

Pourquoi l'IA-in-a-Box ?

• Déploiement accéléré : accélérez vos solutions grâce à nos modèles éprouvés et prêts à l'emploi.
• Économies de coûts : maximisez votre budget en réutilisant le code et les modèles existants.
• Qualité et fiabilité améliorées : faites confiance à nos solutions, validées par des scénarios réels.
• Avantage concurrentiel : dépassez vos concurrents en accélérant le déploiement de la solution.

Conseils disponibles

Sujet	Description
IA responsable	Cela fournit des conseils essentiels sur l’utilisation responsable des technologies d’IA et de LLM.
Sécurité pour les applications d'IA générative	Ce document fournit des conseils de sécurité spécifiques pour les applications Generative AI (GenAI).
Mise à l'échelle des applications OpenAI	Ce document contient les meilleures pratiques pour mettre à l’échelle les applications OpenAI dans Azure.

Accélérateurs « -in-a-Box » disponibles

Modèle	Description	Cas d'utilisation et fonctionnalités pris en charge
Opérationnalisation Azure ML dans une boîte	Projet Boilerplate Data Science, du développement du modèle au déploiement et à la surveillance	Modèle de projet MLOps de bout en bout Boucle externe (configuration de l'infrastructure) Inner Loop (création de modèles et cycle de vie de déploiement)
Edge AI dans une boîte	Edge AI, de la création du modèle au déploiement sur les appareils Edge	Créez un modèle et déployez-le sur l'appareil Edge. Configuration de l'infrastructure de boucle externe (IoT Hub, IoT Edge, Edge VM, Container Registry, Azure ML) Inner Loop (création et déploiement de modèles)
AML Edge dans une boîte	Edge AI, de la création du modèle au déploiement sur les appareils Edge	Orchestrez l’intégralité du cycle de vie du modèle Edge AI, de la création au déploiement, à l’aide d’Azure ML, IoT Edge et IoT Hub, tout en tirant parti d’Azure ML CLI V2 pour une gestion rationalisée.
Vision Edge personnalisé dans une boîte	Edge AI, de la création du modèle au déploiement sur les appareils Edge	Edge AI atténue la latence du cloud en rapprochant l'analyse de la source de données pour des réponses plus rapides. Cet accélérateur démontre l'utilisation de Custom Vision pour entraîner un modèle et l'exporter dans des formats tels que ONNX ou Dockerfile pour un déploiement Edge.
Doc Intelligence dans une boîte	Cet accélérateur permet aux entreprises d'automatiser le traitement des formulaires PDF, de moderniser leurs opérations, de gagner du temps et de réduire leurs coûts dans le cadre de leur parcours de transformation numérique.	Recevoir des formulaires PDF Function App et Logic App pour l’orchestration Création de modèles d'intelligence documentaire pour le traitement des formulaires et l'extraction de contenu Enregistre les données PDF dans Azure Cosmos DB
Analyse d'images et de vidéos dans une boîte	Extrait les informations des images et des vidéos avec Azure AI Vision et envoie les résultats avec l'invite et le message système à Azure GPT-4 Turbo avec Vision.	Orchestration via Azure Data Factory Solution low code, facilement extensible pour vos propres cas d'utilisation via les paramètres ADF Réutilisez la même solution et les ressources déployées pour de nombreux scénarios différents Enregistre les résultats GPT4-V dans Azure CosmosDB
Zone d'atterrissage des services cognitifs dans une boîte	Configuration minimale d'un réseau d'entreprise et de services d'IA pour prendre en charge la plupart des scénarios de services cognitifs dans un environnement sécurisé	Configuration et peering de réseaux virtuels Hub-and-Spoke Déploiement du service cognitif Configuration du point de terminaison privé Intégration DNS privée avec le résolveur DNS PaaS
Bot du noyau sémantique dans une boîte	Accélérateur de solution extensible pour les robots Azure OpenAI avancés	Déployez le bot Azure OpenAI sur plusieurs canaux (Web, Teams, Slack, etc.) Prise en charge intégrée de la génération augmentée de récupération (RAG) Implémenter des plugins IA personnalisés
PNL vers SQL dans une boîte	Libérez la puissance d’un système de requêtes SQL de pointe avec Azure OpenAI, Semantic Kernel et Azure Speech Services. Exprimez simplement vos demandes de données en langage naturel et laissez la magie opérer.	Permet aux utilisateurs d'exprimer verbalement des requêtes en langage naturel Traduire en instructions SQL à l'aide d'Azure Speech et AOAI Exécuter sur une base de données Azure SQL
Bloc-notes API Assistants	En exploitant la simplicité de l'API Assistants, les développeurs peuvent intégrer de manière transparente des assistants dotés de diverses fonctionnalités, de l'exécution de code à la récupération de données, offrant ainsi aux utilisateurs des assistants numériques polyvalents et dynamiques adaptés à leurs besoins.	Offre trois fonctionnalités principales : interprète de code (tâches techniques), récupération (recherche d'informations) et appel de fonction (exécution de tâches) Ces pouvoirs se combinent pour former un super-assistant polyvalent pour gérer diverses tâches
Assistants API Bot dans une boîte	Cet exemple fournit un guide étape par étape sur la façon de déployer un assistant virtuel exploitant l’API Azure OpenAI Assistants. Il couvre le déploiement de l'infrastructure, la configuration sur AI Studio et Azure Portal, ainsi que des exemples de tests de bout en bout.	Déployer l'infrastructure nécessaire pour prendre en charge un assistant Azure OpenAI Configurez en tant qu'Assistant avec les outils requis. Connectez une application Bot Framework à votre Assistant pour déployer le chat sur plusieurs canaux

Contacts et contributeurs clés

Si vous avez des questions ou souhaitez contribuer, veuillez contacter : [email protected]

Contact	Identifiant GitHub	E-mail
Alex Morales	@msalemor	[email protected]
André Dewes	@andredewes	[email protected]
Andrés Padilla	@AndresPad	[email protected]
Chris Ayers	@codebytes	[email protected]
Eduardo Noriega	@EduardoN	[email protected]
Franklin Guimaraes	@franklinlindemberg	[email protected]
Jean Hayes	@jehayesms	[email protected]
Marco Aurélio Bigelli Cardoso	@MarcoABCardoso	[email protected]
Maria Vrabie	@MariaVrabie	[email protected]
Neeraj Jhaveri	@neerajjhaveri	[email protected]
Thiago Rotta	@rottathiago	[email protected]
Victor Santana	@Welasco	[email protected]
Sabyasachi Samaddar	@ssamadda	[email protected]