Developing Generative AI Applications on AWSDGAIAAWAmazon Web ServicesAW-DGAIA2.0<p>In diesem Kurs werden Sie lernen:</p>
<ul>
<li>Beschreiben Sie die generative KI und wie sie mit dem maschinellen Lernen zusammenhängt.</li><li>Definieren Sie die Bedeutung der generativen KI und erläutern Sie ihre potenziellen Risiken und Vorteile</li><li>Identifizierung des Geschäftswerts von generativen KI-Anwendungsfällen</li><li>Erörterung der technischen Grundlagen und der wichtigsten Begriffe der generativen KI</li><li>Erklären Sie die Schritte zur Planung eines generativen KI-Projekts</li><li>Identifizierung einiger Risiken und Abhilfemassnahmen beim Einsatz generativer KI</li><li>Verstehen, wie Amazon Bedrock funktioniert</li><li>Machen Sie sich mit den grundlegenden Konzepten von Amazon Bedrock vertraut</li><li>Erkennen Sie die Vorteile von Amazon Bedrock</li><li>Liste typischer Anwendungsfälle für Amazon Bedrock</li><li>Beschreiben Sie die typische Architektur einer Amazon Bedrock-Lösung</li><li>Verstehen Sie die Kostenstruktur von Amazon Bedrock</li><li>Implementierung einer Demonstration von Amazon Bedrock in der AWS Management Console</li><li>Definition von Prompt-Engineering und Anwendung allgemeiner Best Practices im Umgang mit Gründungsmodellen (FMs)</li><li>die grundlegenden Arten von Souffleurtechniken zu identifizieren, einschliesslich Zero-Shot- und Little-Shot-Lernen</li><li>Anwendung fortgeschrittener Eingabeaufforderungstechniken, wenn dies für Ihren Anwendungsfall erforderlich ist</li><li>Ermitteln, welche Prompttechniken für bestimmte Modelle am besten geeignet sind</li><li>Potenziellen Prompt-Missbrauch erkennen</li><li>Analysieren Sie mögliche Verzerrungen in FM-Antworten und entwerfen Sie Aufforderungen, die diese Verzerrungen abschwächen.</li><li>Identifizierung der Komponenten einer generativen KI-Anwendung und wie man ein FM anpasst</li><li>Beschreiben Sie die Amazon Bedrock-Grundmodelle, Ableitungsparameter und die wichtigsten Amazon Bedrock-APIs</li><li>Identifizierung von Amazon Web Services (AWS)-Angeboten, die bei der Überwachung, Sicherung und Verwaltung Ihrer Amazon Bedrock-Anwendungen helfen</li><li>Beschreiben Sie, wie Sie LangChain mit LLMs, Prompt-Templates, Chains, Chat-Modellen, Text-Embedding-Modellen, Dokumenten-Loadern, Retrievern und Agenten für Amazon Bedrock integrieren können</li><li>Beschreiben Sie Architekturmuster, die Sie mit Amazon Bedrock für den Aufbau generativer KI-Anwendungen implementieren können</li><li>Anwendung der Konzepte zum Erstellen und Testen von Anwendungsbeispielen, die die verschiedenen Amazon Bedrock-Modelle, LangChain und den Retrieval Augmented Generation (RAG)-Ansatz verwenden</li></ul><p>Wir empfehlen, dass die Teilnehmer dieses Kurses folgende Voraussetzungen erfüllen:</p>
<ul>
<li>Abgeschlossen <span class="cms-link-marked"><a class="fl-href-prod" href="/swisscom/course/amazon-awse"><svg role="img" aria-hidden="true" focusable="false" data-nosnippet class="cms-linkmark"><use xlink:href="/css/img/icnset-linkmarks.svg#linkmark"></use></svg>AWS Technical Essentials <span class="fl-prod-pcode">(AWSE)</span></a></span></li><li>Python-Kenntnisse auf mittlerem Niveau</li></ul><p>Dieser Kurs richtet sich an:</p>
<ul>
<li>Softwareentwickler, die LLMs ohne Feinabstimmung verwenden möchten</li></ul><ul>
<li>Einführung in die generative KI - Die Kunst des Möglichen</li><li>Planung eines generativen AI-Projekts</li><li>Erste Schritte mit Amazon Bedrock</li><li>Grundlagen des Prompt Engineering</li><li>Amazon Bedrock-Anwendungskomponenten</li><li>Amazonas-Fundamentmodelle</li><li>LangChain</li><li>Architektur-Muster</li></ul><h5>Modul 1: Einführung in die generative KI - Die Kunst des Möglichen</h5><ul>
<li>Überblick über ML</li><li>Grundlagen der generativen KI</li><li>Generative KI Anwendungsfälle</li><li>Generative KI in der Praxis</li><li>Risiken und Vorteile</li></ul><h5>Modul 2: Planung eines generativen KI-Projekts</h5><ul>
<li>Grundlagen der generativen KI</li><li>Generative KI in der Praxis</li><li>Generativer AI-Kontext</li><li>Schritte bei der Planung eines generativen AI-Projekts</li><li>Risiken und Risikominderung</li></ul><h5>Modul 3: Erste Schritte mit Amazon Bedrock</h5><ul>
<li>Einführung in Amazon Bedrock</li><li>Architektur und Anwendungsfälle</li><li>Wie man Amazon Bedrock verwendet</li><li>Demonstration: Einrichtung des Bedrock-Zugangs und Nutzung von Spielplätzen</li></ul><h5>Modul 4: Grundlagen des Prompt Engineering</h5><ul>
<li>Grundlagen der Gründungsmodelle</li><li>Grundlagen der Prompttechnik</li><li>Grundlegende Souffleurtechniken</li><li>Fortgeschrittene Souffleurtechniken</li><li>Modellspezifische Souffleurtechniken</li><li>Demonstration: Feinabstimmung einer einfachen Texteingabeaufforderung</li><li>Bekämpfung von Prompt-Missbrauch</li><li>Entschärfung von Vorurteilen</li><li>Demonstration: Verringerung von Bildverzerrungen</li></ul><h5>Modul 5: Amazon Bedrock-Anwendungskomponenten</h5><ul>
<li>Überblick über die generativen AI-Anwendungskomponenten</li><li>Gründungsmodelle und die FM-Schnittstelle</li><li>Arbeiten mit Datensätzen und Einbettungen</li><li>Demonstration: Worteinbettungen</li><li>Zusätzliche Anwendungskomponenten</li><li>Retrieval Augmented Generation (RAG)</li><li>Modell-Feinabstimmung</li><li>Sicherstellung generativer KI-Anwendungen</li><li>Generative KI-Anwendungsarchitektur</li></ul><h5>Modul 6: Amazon Bedrock Gründungsmodelle</h5><ul>
<li>Einführung in Amazon Bedrock Gründungsmodelle</li><li>Verwendung von Amazon Bedrock FMs für Inferenz</li><li>Amazon Bedrock Methoden</li><li>Datenschutz und Überprüfbarkeit</li><li>Demonstration: Aufrufen des Bedrock-Modells für die Texterstellung mit Zero-Shot-Prompt</li></ul><h5>Modul 7: LangChain</h5><ul>
<li>Optimierung der LLM-Leistung</li><li>Verwendung von Modellen mit LangChain</li><li>Eingabeaufforderungen konstruieren</li><li>Demonstration: Bedrock mit LangChain unter Verwendung einer Eingabeaufforderung, die Kontext enthält</li><li>Strukturierung von Dokumenten mit Indizes</li><li>Speichern und Abrufen von Daten mit Speicher</li><li>Verwendung von Ketten zur Abfolge von Komponenten</li><li>Verwaltung externer Ressourcen mit LangChain-Agenten</li></ul><h5>Modul 8: Architektur-Muster</h5><ul>
<li>Einführung in Architekturmuster</li><li>Text-Zusammenfassung</li><li>Demonstration: Textzusammenfassung von kleinen Dateien mit Anthropic Claude</li><li>Demonstration: Abstrakte Textzusammenfassung mit Amazon Titan unter Verwendung von LangChain</li><li>Beantwortung der Frage</li><li>Demonstration: Verwendung von Amazon Bedrock zur Beantwortung von Fragen</li><li>Chatbot</li><li>Demonstration: Konversationelle Schnittstelle - Chatbot mit AI21 LLM</li><li>Code-Erstellung</li><li>Demonstration: Verwendung von Amazon Bedrock-Modellen für die Codegenerierung</li><li>LangChain und Agenten für Amazon Bedrock</li><li>Demonstration: Integration von Amazon Bedrock-Modellen mit LangChain-Agenten</li></ul><p><em>Dieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <span class="cms-link-marked"><a class="fl-href-prod" href="/swisscom/en/course/amazon-dgaia"><svg role="img" aria-hidden="true" focusable="false" data-nosnippet class="cms-linkmark"><use xlink:href="/css/img/icnset-linkmarks.svg#linkmark"></use></svg>hier</a></span>.</em></p>In diesem Kurs werden Sie lernen:
- Beschreiben Sie die generative KI und wie sie mit dem maschinellen Lernen zusammenhängt.
- Definieren Sie die Bedeutung der generativen KI und erläutern Sie ihre potenziellen Risiken und Vorteile
- Identifizierung des Geschäftswerts von generativen KI-Anwendungsfällen
- Erörterung der technischen Grundlagen und der wichtigsten Begriffe der generativen KI
- Erklären Sie die Schritte zur Planung eines generativen KI-Projekts
- Identifizierung einiger Risiken und Abhilfemassnahmen beim Einsatz generativer KI
- Verstehen, wie Amazon Bedrock funktioniert
- Machen Sie sich mit den grundlegenden Konzepten von Amazon Bedrock vertraut
- Erkennen Sie die Vorteile von Amazon Bedrock
- Liste typischer Anwendungsfälle für Amazon Bedrock
- Beschreiben Sie die typische Architektur einer Amazon Bedrock-Lösung
- Verstehen Sie die Kostenstruktur von Amazon Bedrock
- Implementierung einer Demonstration von Amazon Bedrock in der AWS Management Console
- Definition von Prompt-Engineering und Anwendung allgemeiner Best Practices im Umgang mit Gründungsmodellen (FMs)
- die grundlegenden Arten von Souffleurtechniken zu identifizieren, einschliesslich Zero-Shot- und Little-Shot-Lernen
- Anwendung fortgeschrittener Eingabeaufforderungstechniken, wenn dies für Ihren Anwendungsfall erforderlich ist
- Ermitteln, welche Prompttechniken für bestimmte Modelle am besten geeignet sind
- Potenziellen Prompt-Missbrauch erkennen
- Analysieren Sie mögliche Verzerrungen in FM-Antworten und entwerfen Sie Aufforderungen, die diese Verzerrungen abschwächen.
- Identifizierung der Komponenten einer generativen KI-Anwendung und wie man ein FM anpasst
- Beschreiben Sie die Amazon Bedrock-Grundmodelle, Ableitungsparameter und die wichtigsten Amazon Bedrock-APIs
- Identifizierung von Amazon Web Services (AWS)-Angeboten, die bei der Überwachung, Sicherung und Verwaltung Ihrer Amazon Bedrock-Anwendungen helfen
- Beschreiben Sie, wie Sie LangChain mit LLMs, Prompt-Templates, Chains, Chat-Modellen, Text-Embedding-Modellen, Dokumenten-Loadern, Retrievern und Agenten für Amazon Bedrock integrieren können
- Beschreiben Sie Architekturmuster, die Sie mit Amazon Bedrock für den Aufbau generativer KI-Anwendungen implementieren können
- Anwendung der Konzepte zum Erstellen und Testen von Anwendungsbeispielen, die die verschiedenen Amazon Bedrock-Modelle, LangChain und den Retrieval Augmented Generation (RAG)-Ansatz verwendenWir empfehlen, dass die Teilnehmer dieses Kurses folgende Voraussetzungen erfüllen:
- Abgeschlossen AWS Technical Essentials (AWSE)
- Python-Kenntnisse auf mittlerem NiveauDieser Kurs richtet sich an:
- Softwareentwickler, die LLMs ohne Feinabstimmung verwenden möchten- Einführung in die generative KI - Die Kunst des Möglichen
- Planung eines generativen AI-Projekts
- Erste Schritte mit Amazon Bedrock
- Grundlagen des Prompt Engineering
- Amazon Bedrock-Anwendungskomponenten
- Amazonas-Fundamentmodelle
- LangChain
- Architektur-MusterModul 1: Einführung in die generative KI - Die Kunst des Möglichen
- Überblick über ML
- Grundlagen der generativen KI
- Generative KI Anwendungsfälle
- Generative KI in der Praxis
- Risiken und Vorteile
Modul 2: Planung eines generativen KI-Projekts
- Grundlagen der generativen KI
- Generative KI in der Praxis
- Generativer AI-Kontext
- Schritte bei der Planung eines generativen AI-Projekts
- Risiken und Risikominderung
Modul 3: Erste Schritte mit Amazon Bedrock
- Einführung in Amazon Bedrock
- Architektur und Anwendungsfälle
- Wie man Amazon Bedrock verwendet
- Demonstration: Einrichtung des Bedrock-Zugangs und Nutzung von Spielplätzen
Modul 4: Grundlagen des Prompt Engineering
- Grundlagen der Gründungsmodelle
- Grundlagen der Prompttechnik
- Grundlegende Souffleurtechniken
- Fortgeschrittene Souffleurtechniken
- Modellspezifische Souffleurtechniken
- Demonstration: Feinabstimmung einer einfachen Texteingabeaufforderung
- Bekämpfung von Prompt-Missbrauch
- Entschärfung von Vorurteilen
- Demonstration: Verringerung von Bildverzerrungen
Modul 5: Amazon Bedrock-Anwendungskomponenten
- Überblick über die generativen AI-Anwendungskomponenten
- Gründungsmodelle und die FM-Schnittstelle
- Arbeiten mit Datensätzen und Einbettungen
- Demonstration: Worteinbettungen
- Zusätzliche Anwendungskomponenten
- Retrieval Augmented Generation (RAG)
- Modell-Feinabstimmung
- Sicherstellung generativer KI-Anwendungen
- Generative KI-Anwendungsarchitektur
Modul 6: Amazon Bedrock Gründungsmodelle
- Einführung in Amazon Bedrock Gründungsmodelle
- Verwendung von Amazon Bedrock FMs für Inferenz
- Amazon Bedrock Methoden
- Datenschutz und Überprüfbarkeit
- Demonstration: Aufrufen des Bedrock-Modells für die Texterstellung mit Zero-Shot-Prompt
Modul 7: LangChain
- Optimierung der LLM-Leistung
- Verwendung von Modellen mit LangChain
- Eingabeaufforderungen konstruieren
- Demonstration: Bedrock mit LangChain unter Verwendung einer Eingabeaufforderung, die Kontext enthält
- Strukturierung von Dokumenten mit Indizes
- Speichern und Abrufen von Daten mit Speicher
- Verwendung von Ketten zur Abfolge von Komponenten
- Verwaltung externer Ressourcen mit LangChain-Agenten
Modul 8: Architektur-Muster
- Einführung in Architekturmuster
- Text-Zusammenfassung
- Demonstration: Textzusammenfassung von kleinen Dateien mit Anthropic Claude
- Demonstration: Abstrakte Textzusammenfassung mit Amazon Titan unter Verwendung von LangChain
- Beantwortung der Frage
- Demonstration: Verwendung von Amazon Bedrock zur Beantwortung von Fragen
- Chatbot
- Demonstration: Konversationelle Schnittstelle - Chatbot mit AI21 LLM
- Code-Erstellung
- Demonstration: Verwendung von Amazon Bedrock-Modellen für die Codegenerierung
- LangChain und Agenten für Amazon Bedrock
- Demonstration: Integration von Amazon Bedrock-Modellen mit LangChain-AgentenDieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.2 Tage1250.001250.001250.001250.00980.004000.001565.002035.001770.001390.001920.001325.001595.00