Seminare
Seminare

Live-Online: Developing Generative AI Applications on AWS

Webinar - Haufe Akademie GmbH & Co. KG

Dieser Kurs soll Softwareentwickler:innen, die an der Verwendung großer Sprachmodelle (LLMs) ohne Feinabstimmung interessiert sind, eine Einführung in die generative künstliche Intelligenz (AI) geben.
Termin Ort Preis*
27.02.2025- 28.02.2025 online 1.499,40 €
*Alle Preise verstehen sich inkl. MwSt.

Detaillierte Informationen zum Seminar

Inhalte:

Der Kurs bietet einen Überblick über generative KI, die Planung eines generativen KI-Projekts, den Einstieg in Amazon Bedrock, die Grundlagen des Prompt-Engineerings und die Architekturmuster zur Erstellung generativer KI-Anwendungen mit Amazon Bedrock und LangChain.

Tag 1
Modul 1: Einführung in generative KI - Die Kunst des Möglichen


  • Überblick über ML
  • Grundlagen der generativen KI
  • Anwendungsfälle generativer KI
  • Generative KI in der Praxis
  • Risiken und Nutzen


 


Modul 2: Planung eines generativen KI-Projekts


  • Generative KI-Grundlagen
  • Generative KI in der Praxis
  • Generative KI im Kontext
  • Schritte bei der Planung eines generativen KI-Projekts
  • Risiken und Schadensbegrenzung


 


Modul 3: Erste Schritte mit Amazon Bedrock


  • Einführung in Amazon Bedrock
  • Architektur und Anwendungsfälle
  • Wie man Amazon Bedrock verwendet
  • Demonstration: Einrichten des Bedrock-Zugangs und Verwendung von Playgrounds


 


Modul 4: Grundlagen des Prompt Engineering


  • Grundlagen von Gründungsmodellen
  • Grundlagen des Prompt Engineering
  • Grundlegende Sondierungstechniken
  • Fortgeschrittene Prompttechniken
  • Modellspezifische Prompttechniken
  • Demonstration: Feinabstimmung eines einfachen Textprompts
  • Behandlung von Prompt-Missbrauch
  • Abschwächen von Verzerrungen
  • Demonstration: Abschwächen von Bildverzerrungen



Tag 2
Modul 5: Amazon-Bedrock-Anwendungskomponenten


  • Überblick über die generativen KI-Anwendungskomponenten
  • Grundmodelle und die FM-Schnittstelle
  • Arbeiten mit Datensätzen und Einbettungen
  • Demonstration: Worteinbettungen
  • Zusätzliche Anwendungskomponenten
  • Abruferweiterte Generierung (RAG)
  • Modell-Feinabstimmung
  • Absicherung generativer AI-Anwendungen
  • Generative KI-Anwendungsarchitektur


 


Modul 6: Amazon Bedrock-Grundmodelle


  • Einführung in Amazon-Bedrock-Foundation-Modelle
  • Verwendung von Amazon Bedrock FMs für Inferenz
  • Amazon Bedrock-Methoden
  • Datenschutz und Auditierbarkeit
  • Demonstration: Aufrufen des Bedrock-Modells zur Texterzeugung mit Zero-Shot-Prompt


 


Modul 7: LangChain


  • Optimieren der LLM-Leistung
  • Verwendung von Modellen mit LangChain
  • Prompts konstruieren
  • Demonstration: Bedrock mit LangChain unter Verwendung eines Prompts, der Kontext enthält
  • Strukturierung von Dokumenten mit Indizes
  • Speichern und Abrufen von Daten mit Memory
  • Verwendung von Ketten zur Abfolge von Komponenten
  • Externe Ressourcen mit LangChain-Agenten verwalten


 


Modul 8: Architekturmuster (Patterns)


  • Einführung in Architekturmuster
  • Text-Zusammenfassung
  • Demonstration: Textzusammenfassung von kleinen Dateien mit Anthropic Claude
  • Vorführung: Abstrakte Textzusammenfassung mit Amazon Titan unter Verwendung von LangChain
  • Beantwortung von Fragen
  • Demonstration: Verwendung von Amazon Bedrock zur Beantwortung von Fragen
  • Chatbot
  • Demonstration: Konversationsschnittstelle - Chatbot mit AI21 LLM
  • Code-Erzeugung
  • Demonstration: Verwendung von Amazon Bedrock-Modellen für die Codegenerierung
  • LangChain und Agenten für Amazon Bedrock
  • Demonstration: Integration von Amazon Bedrock-Modellen mit LangChain-Agenten
Dauer/zeitlicher Ablauf:
2 Tage
Ziele/Bildungsabschluss:
  • 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 Ihren 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 deiner 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
Zielgruppe:

Software-Entwickler:innen, die LLMs ohne Feinabstimmung verwenden möchten.

Seminarkennung:
36647
Nach unten
Nach oben
Wir setzen Analyse-Cookies ein, um Ihre Zufriedenheit bei der Nutzung unserer Webseite zu verbessern. Diese Cookies werden nicht automatisiert gesetzt. Wenn Sie mit dem Einsatz dieser Cookies einverstanden sind, klicken Sie bitte auf Akzeptieren. Weitere Informationen finden Sie hier.
Akzeptieren Nicht akzeptieren









Um Spam abzuwehren, geben Sie bitte die Buchstaben auf dem Bild in das Textfeld ein:

captcha



Bei der Verarbeitung Ihrer personenbezogenen Daten im Zusammenhang mit der Kontaktfunktion beachten wir die gesetzlichen Bestimmungen. Unsere ausführlichen Datenschutzinformationen finden Sie hier. Bei der Kontakt-Funktion erhobene Daten werden nur an den jeweiligen Anbieter weitergeleitet und sind nötig, damit der Anbieter auf Ihr Anliegen reagieren kann.







Um Spam abzuwehren, geben Sie bitte die Buchstaben auf dem Bild in das Textfeld ein:

captcha