Developing Generative AI Applications on AWS

In diesem Kurs werden die Teilnehmer lernen: 

• Generative KI zu beschreiben und ihre Verbindung zum maschinellen Lernen zu erklären.
• Die Bedeutung von generativer KI zu definieren und potenzielle Risiken und Vorteile zu erklären.
• Den geschäftlichen Nutzen von generativen KI-Anwendungsfällen zu erkennen.
• Technische Grundlagen und Schlüsselterminologie für generative KI zu erörtern.
• Die Schritte zur Planung eines generativen KI-Projekts zu erläutern.
• Risiken und Abhilfemaßnahmen beim Einsatz generativer KI zu identifizieren.
• Die Funktionsweise von Amazon Bedrock zu verstehen, seine grundlegenden Konzepte und Vorteile zu erkennen.
• Typische Anwendungsfälle für Amazon Bedrock aufzulisten und die zugehörige Architektur zu beschreiben.
• Die Kostenstruktur von Amazon Bedrock zu verstehen und eine Demonstration in der AWS Management Console durchzuführen.
• Prompt Engineering zu definieren und Best Practices für die Interaktion mit Foundation Models (FMs) anzuwenden.
• Verschiedene Arten von Prompt-Techniken zu identifizieren und anzuwenden, einschließlich Zero-Shot und Little-Shot Learning.
• Potenziellen Prompt-Missbrauch zu erkennen und Verzerrungen in FM-Antworten zu analysieren.
• Die Komponenten einer generativen KI-Anwendung zu identifizieren und Foundation Models anzupassen.
• Amazon Bedrock Foundation-Modelle, Inferenzparameter und wichtige APIs zu beschreiben.
• AWS-Angebote zu identifizieren, die bei Überwachung, Sicherung und Verwaltung von Amazon Bedrock-Anwendungen helfen.
• LangChain mit großen Sprachmodellen, Prompt-Templates, Chains, Chat-Modellen und anderen Komponenten zu integrieren.
• Architekturmustern für den Aufbau generativer KI-Anwendungen mit Amazon Bedrock zu beschreiben.
• Anwendungsbeispiele zu erstellen und zu testen, die verschiedene Amazon Bedrock-Modelle und den Retrieval Augmented Generation (RAG)-Ansatz nutzen.

Sie haben den Kurs "AWS Technical Essentials" abgeschlossen oder besucht.

Dieser Kurs richtet sich an:

• Softwareentwickler, die groß angelegte Sprachmodelle (LLMs) ohne Feinabstimmung nutzen möchten.