Live-Online: Developing Generative AI Applications on AWS

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

• 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

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