Kurs
Digicomp Code AWSD05
Advanced GenAI Development on AWS – Intensive Training («AWSD05»)
Kurs-Facts
- Entwickeln produktionsreifer generativer AI-Lösungen unter Verwendung von AWS-Diensten, die die Anforderungen von Unternehmen an Sicherheit, Skalierbarkeit und Zuverlässigkeit erfüllen
- Bewerten und Auswählen geeigneter Basismodelle für spezifische Geschäftsanwendungsfälle, einschliesslich Leistungs-Benchmarking und Implementieren dynamischer Modellauswahl-Architekturen
- Entwerfen und Implementieren robuster Basismodellsysteme mit Circuit Breakers, regionenübergreifender Bereitstellung und Strategien zur sanften Degradation
- Aufbauen umfassender Datenverarbeitungs-Pipelines für multimodale Eingaben, einschliesslich Validierungs-Workflows und Optimierungstechniken
- Implementieren ausgefeilter Vektordatenbank-Lösungen unter Verwendung von Amazon Bedrock Knowledge Bases, OpenSearch und hybriden Ansätzen für eine effektive Sucherweiterung
- Erstellen und Verwalten fortschrittlicher Prompt-Engineering-Frameworks, einschliesslich Chain-of-Thought-Reasoning und unternehmensweiten Prompt-Governance-Systemen
- Entwickeln autonomer AI-Agenten mit Amazon Bedrock Agents, Implementierung komplexer Reasoning-Muster und Tool-Integrationsfunktionen
- Implementieren umfassender AI-Sicherheits- und Schutzkontrollen, einschliesslich Inhaltsfilterung, Datenschutz und Adversarial-Testing-Mechanismen
- Optimieren der Leistung und Verwalten der Kosten durch Strategien zur Token-Effizienz, Batch-Implementierungen und intelligente Caching-Systeme
- Entwerfen und Implementieren umfassender Überwachungs- und Beobachtungslösungen für Fundamentmodell-Anwendungen
- Erstellen systematischer Test- und Validierungsframeworks für die kontinuierliche Qualitätssicherung von AI-Anwendungen
- Integrieren generativer AI-Lösungen in Unternehmensumgebungen unter Verwendensicherer, konformer und skalierbarer Architekturmuster
Der Kurs befasst sich mit den Anforderungen von Unternehmen, die sich auf den Weg zur generativen AI begeben, und mit der Entwicklung umfassender Strategien für generative AI, die mit den übergeordneten Geschäftszielen im Einklang stehen.
In diesem Kurs erwirbst du Fachwissen über den gesamten Stack der generativen AI – von Grundmodellen bis hin zu Integrationsmustern für Unternehmen. Darüber hinaus lernst du fortgeschrittene Datenverarbeitungstechniken, die Implementierung und Erweiterung von Vektordatenbanken, ausgefeiltes Prompt Engineering und Governance, ag2entic AI-Systeme und Tool-Integration, AI-Sicherheitsmassnahmen, Strategien zur Leistungsoptimierung und Kostenmanagement, umfassende Überwachungs- und Beobachtungslösungen sowie Test- und Validierungsframeworks kennen.
Der Kursaufbau folgt dem bewährten Modell von AWS für die Einführung generativer AI und führt vom Experimentieren bis zur produktionsreifen Implementierung.
Tag 1
Modul 1: Auswahl und Konfiguration von Basismodellen
- Bewertungsrahmen für Unternehmensbasismodelle
- Architekturmuster für die dynamische Modellauswahl
- Resiliente Basismodell-Systemdesigns
- Kostenoptimierung und wirtschaftliche Modellierung
Modul 2: Fortgeschrittene Datenverarbeitung für Basismodelle
- Umfassende Datenvalidierung und Qualitätssicherung
- Multimodale Datenverarbeitungs-Pipelines
- Eingabeoptimierung und Leistungssteigerung
Modul 3: Vektordatenbanken und Sucherweiterung
- Architektur von Vektordatenbanken für Unternehmen
- Fortgeschrittene Strategien zur Dokumentenverarbeitung und -aufteilung
- Implementierung eines ausgeklügelten Suchsystems
- Praktisches Lab: Entwicklung von RAG-Anwendungen (Retrieval-Augmented Generation) mit Amazon Bedrock Knowledge Bases
Tag 2
Modul 4: Prompt Engineering und Governance
- Fortgeschrittene Prompt-Engineering-Frameworks
- Komplexe Prompt-Orchestrierungssysteme
- Prompt-Governance und -Management in Unternehmen
- Praktisches Lab: Entwickle Konversationsmuster mit Amazon-Bedrock-APIs
Modul 5: Agentic AI und Tool-Integration
- Agentic-AI-Architektur und -Entwicklung
- Implementierung von Amazon Bedrock Agents
- AWS-Agentic-AI-Service-Ökosystem
- Tool-Integration und Produktionsbeobachtbarkeit
Modul 6: AI-Sicherheit und -Schutz
- Umfassende Implementierung von Inhaltssicherheit
- Datenschutzkonforme AI-Architektur
- AI-Governance- und Compliance-Frameworks
Tag 3
Modul 7: Leistungsoptimierung und Kostenmanagement
- Token-Effizienz und Kostenoptimierung
- Hochleistungsfähige Systemarchitektur
- Implementierung intelligenter Caching-Systeme
- Praktisches Lab: Aufbau einer sicheren und verantwortungsvollen GenAI mit Guardrails für Amazon Bedrock
Modul 8: Überwachung und Beobachtbarkeit für generative AI
- Überwachungssysteme für Grundlagenmodelle
- Auswirkungen auf das Geschäft und Wertmanagement
- AI-spezifische Fehlerbehebung und Diagnose
Modul 9: Testen, Validieren und kontinuierliche Verbesserung
- Umfassende AI-Bewertungs-Frameworks
- Qualitätssicherung und kontinuierliche Verbesserung
- Bewertung und Optimierung von RAG-Systemen
Modul 10: Muster für die Unternehmensintegration
- Unternehmenskonnektivität und Integrationsarchitektur
- Sicherer Zugriff und Identitätsmanagement
- Umgebungsübergreifende und hybride Bereitstellungen
Modul 11: Zusammenfassung des Kurses
- Nächste Schritte und zusätzliche Ressourcen
- Zusammenfassung des Kurses
Dieser Kurs umfasst Präsentationen, praktische Übungen, Vorführungen und Gruppenübungen.
- Software-Entwickler
- Technische Fachkräfte
- Mindestens 2 Jahre Erfahrung in der Entwicklung von produktionsreifen Anwendungen auf AWS oder mit Open-Source-Technologien, allgemeine Erfahrung in den Bereichen AI/ML oder Data Engineering
- 1 Jahr praktische Erfahrung in der Implementierung generativer AI-Lösungen
- Die Teilnahme an den folgenden Kursen oder gleichwertige Kenntnisse sind erforderlich: