Kurs
digicode: AWSD03
Developing Generative AI Applications on AWS – Intensive Training
Dieser Kurs soll Softwareentwicklerinnen und -entwicklern, die an der Verwendung grosser Sprachmodelle (LLMs) ohne Feinabstimmung interessiert sind, eine Einführung in die generative künstliche Intelligenz (AI) geben.
Dauer
2 Tage
Preis
1'800.–
zzgl. 8.1% MWST
Labs:
Dieser Kurs umfasst jetzt auch praktische Übungen
Kurs-Facts
- Beschreiben der generativen KI und ihrer Abgrenzung zum maschinellen Lernen
- Definieren der Bedeutung von generativer KI und Erläuterung ihrer potenziellen Risiken und Vorteile
- Identifizieren des Geschäftswerts von generativen KI-Anwendungsfällen
- Erörtern der technischen Grundlagen und der Schlüsselterminologie für generative KI
- Erläutern der Schritte zur Planung eines generativen KI-Projekts
- Identifizieren einiger Risiken und Abhilfe-Massnahmen beim Einsatz generativer KI
- Verstehen, wie Amazon Bedrock funktioniert
- Vertrautmachen mit den grundlegenden Konzepten von Amazon Bedrock
- Erkennen der Vorteile von Amazon Bedrock
- Auflisten typischer Anwendungsfälle für Amazon Bedrock
- Beschreiben der typischen Architektur im Zusammenhang mit einer Amazon-Bedrock-Lösung
- Verstehen der Kostenstruktur von Amazon Bedrock
- Implementieren einer Demonstration von Amazon Bedrock in der AWS Management Console
- Definieren von Prompt Engineering und Anwenden allgemeiner Best Practices bei der Interaktion mit Foundation Models (FMs)
- Identifizieren der grundlegenden Arten von Prompt-Techniken, einschliesslich Zero-Shot und Little-Shot Learning
- Anwenden von fortgeschrittenen Prompt-Techniken, wenn dies für deinen Anwendungsfall erforderlich ist
- Erkennen, welche Prompt-Techniken für bestimmte Modelle am besten geeignet sind
- Identifizieren von potentiellem Prompt-Missbrauch
- Analyse potenzieller Verzerrungen in FM-Antworten und Entwicklung von Prompts, die diese Verzerrungen abschwächen
- Identifizieren der Komponenten einer generativen KI-Anwendung und wie man einen FM anpasst
- Beschreiben der Amazon Bedrock Foundation Modelle, Inferenzparameter und der wichtigsten Amazon Bedrock APIs
- Identifizieren von Amazon Web Services (AWS) Angeboten, die bei der Überwachung, Sicherung und Verwaltung Ihrer Amazon Bedrock Anwendungen helfen
- Beschreiben der Integration von LangChain mit LLMs, Prompt-Templates, Chains, Chat-Modellen, Text-Embedding-Modellen, Dokumenten-Loadern, Retrievern und Agenten für Amazon Bedrock
- Beschreiben von Architekturmustern, die du mit Amazon Bedrock für den Aufbau generativer KI-Anwendungen implementieren kannst
- Anwenden der Konzepte zum Erstellen und Testen von Anwendungsbeispielen, die die verschiedenen Amazon Bedrock-Modelle, LangChain und den Retrieval-Augmented-Generation-(RAG)-Ansatz verwenden
Der Kurs bietet einen Überblick über generative KI, die Planung eines generativen KI-Projekts, den Einstieg in Amazon Bedrock, die Grundlagen des Prompt-Engineerings sowie Architekturmuster für den Aufbau generativer KI-Anwendungen mit Amazon Bedrock und LangChain.
Tag 1
1 Einführung in generative KI – Die Kunst des Möglichen
- Überblick über Machine Learning
- Grundlagen generativer KI
- Anwendungsfälle generativer KI
- Generative KI in der Praxis
- Risiken und Nutzen
2 Planung eines generativen KI-Projekts
- Grundlagen generativer KI
- Generative KI in der Praxis
- Generative KI im Kontext
- Schritte zur Planung eines generativen KI-Projekts
- Risiken und Strategien zur Schadensbegrenzung
3 Erste Schritte mit Amazon Bedrock
- Einführung in Amazon Bedrock
- Architektur und Anwendungsfälle
- Nutzung von Amazon Bedrock
- Demonstration: Zugang zu Bedrock einrichten und Playgrounds verwenden
4 Grundlagen des Prompt Engineering
- Grundlagen von Foundation Models
- Einführung in das Prompt Engineering
- Basis-Techniken zur Prompt-Erstellung
- Erweiterte Prompt-Techniken
- Modellspezifische Strategien für Prompts
- Demonstration: Feinabstimmung eines einfachen Textprompts
- Umgang mit Missbrauch von Prompts
- Vermeidung und Minderung von Verzerrungen
- Demonstration: Reduktion visueller Verzerrungen
Tag 2
5 Komponenten generativer KI-Anwendungen mit Amazon Bedrock
- Überblick über Anwendungskomponenten
- Foundation Models und die FM-Schnittstelle
- Arbeiten mit Datensätzen und Einbettungen
- Demonstration: Worteinbettungen
- Zusätzliche Komponenten von Anwendungen
- Retrieval-Augmented Generation (RAG)
- Feinabstimmung von Modellen
- Sicherheit in generativen KI-Anwendungen
- Architektur generativer KI-Anwendungen
6 Amazon-Bedrock-Grundmodelle
- Einführung in Amazon-Bedrock-Foundation-Modelle
- Anwendung von Foundation Models für Inferenz
- Nutzung von Amazon Bedrock-Methoden
- Datenschutz und Nachvollziehbarkeit
- Demonstration: Texterstellung mit Zero-Shot-Prompt
7 LangChain
- Optimierung der Leistung von LLMs
- Modellnutzung mit LangChain
- Konstruktion von Prompts
- Demonstration: Amazon Bedrock mit LangChain und kontextbasierten Prompts
- Dokumentenstrukturierung mit Indizes
- Speicherung und Abruf mit Memory
- Verwendung von Chains zur Komponentenverknüpfung
- Integration externer Ressourcen mit LangChain-Agenten
8 Architekturmuster (Patterns)
- Einführung in Architekturmuster
- Textzusammenfassung
- Demonstration: Zusammenfassung kleiner Dateien mit Anthropic Claude
- Demonstration: Abstrakte Zusammenfassung mit Amazon Titan und LangChain
- Fragenbeantwortung
- Demonstration: Fragenbeantwortung mit Amazon Bedrock
- Chatbot
- Demonstration: Konversationsschnittstelle mit AI21 LLM
- Codegenerierung
- Demonstration: Einsatz von Bedrock-Modellen zur Code-Erstellung
- LangChain-Agenten mit Amazon Bedrock
- Demonstration: Integration von Bedrock mit LangChain-Agenten
Dieser Kurs umfasst Präsentationen, Demonstrationen und Gruppenübungen.
Software-Entwickler/innen, die LLMs ohne Feinabstimmung verwenden möchten
- Fortgeschrittene Python-Programmierkenntnisse
- Besuch folgender Kurse oder gleichwertige Kenntnisse:
Dieser kann zur Vorbereitung für folgende offizielle AWS-Zertifizierung dienen: AWS Certified Machine Learning – Specialty