Advanced Generative AI Development on AWS (AGAID) - Online Training

Tag 1

Modul 1: Auswahl und Konfiguration des Basismodells

• Bewertungsrahmen für Unternehmensgrundlagenmodelle
• Architekturmuster für die dynamische Modellauswahl
• Modellsysteme für widerstandsfähige Fundamente
• Kostenoptimierung und ökonomische Modellierung

Modul 2: Fortgeschrittene Datenverarbeitung für Fundamentmodelle

• Umfassende Datenvalidierung und Qualitätssicherung
• Multimodale Datenverarbeitungs-Pipelines
• Eingabeoptimierung und Leistungssteigerung

Modul 3: Vektordatenbanken und Sucherweiterung

• Vektordatenbankarchitektur für Unternehmen
• Fortgeschrittene Strategien zur Dokumentenverarbeitung und -aufteilung
• Implementierung eines hochentwickelten Abrufsystems
• Praktisches Labor: Entwickeln Sie Anwendungen für die Retrieval Augmented Generation (RAG) mit Amazon
• Grundlegende Wissensdatenbanken

Tag 2

Modul 4: Prompt Engineering und Governance

• Fortgeschrittene Frameworks für Prompt Engineering
• Komplexe Prompt-Orchestrierungssysteme
• Unternehmensweite zeitnahe Governance und Verwaltung
• Praktisches Labor: Entwickeln Sie Konversationsmuster mit Amazon Bedrock APIs

Modul 5: Implementierung von agentenbasierten KI-Frameworks mit Amazon Bedrock AgentCore

• Agentische KI-Frameworks
• Amazon Bedrock AgentCore

Modul 6: Sicherheit und Schutz von KI

• Umfassende Umsetzung der Inhaltssicherheit
• Datenschutzkonforme KI-Architektur
• KI-Governance und Compliance-Rahmenwerke

Tag drei

Modul 7: Leistungsoptimierung und Kostenmanagement

• Token-Effizienz und Kostenoptimierung
• Hochleistungsfähige Systemarchitektur
• Implementierung intelligenter Caching-Systeme
• Praktisches Labor: Aufbau einer sicheren und verantwortungsvollen generativen KI mit Schutzvorrichtungen für Amazon Bedrock

Modul 8: Überwachung und Beobachtbarkeit für generative KI

• Überwachungssysteme für Fundamentmodelle
• Auswirkungen auf das Geschäft und Wertmanagement
• KI-spezifische Fehlerbehebung und Diagnose

Modul 9: Testen, Validierung und kontinuierliche Verbesserung

• Umfassende KI-Bewertungsrahmen
• Qualitätssicherung und kontinuierliche Verbesserung
• Bewertung und Optimierung des RAG-Systems

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
• Kursübersicht

Lernziele

• Entwickeln Sie produktionsreife generative KI-Lösungen mit AWS-Services, die die Anforderungen von Unternehmen an Sicherheit, Skalierbarkeit und Zuverlässigkeit erfüllen.
• Bewertung und Auswahl geeigneter Fundamentmodelle für spezifische Geschäftsanwendungsfälle, einschließlich Leistungsbenchmarking und Implementierung dynamischer Modellauswahlarchitekturen
• Entwerfen und implementieren Sie robuste Fundamentmodellsysteme mit Leistungsschaltern, regionenübergreifender Bereitstellung und Strategien für eine sanfte Degradation.
• Erstellen Sie umfassende Datenverarbeitungs-Pipelines für multimodale Eingaben, einschließlich Validierungs-Workflows und Optimierungstechniken.
• Implementieren Sie anspruchsvolle Vektordatenbanklösungen mit Amazon Bedrock Knowledge Bases, OpenSearch und hybriden Ansätzen für eine effektive Verbesserung der Suchergebnisse.
• Erstellen und verwalten Sie fortschrittliche Frameworks für die Prompt-Entwicklung, einschließlich Chain-of-Thought-Argumentation und unternehmensweiten Prompt-Governance-Systemen.
• Entwickeln Sie autonome KI-Agenten mit Amazon Bedrock Agents und implementieren Sie komplexe Denkstrukturen und Tool-Integrationsfunktionen.
• Implementieren Sie umfassende KI-Sicherheits- und Schutzkontrollen, einschließlich Inhaltsfilterung, Datenschutz und Mechanismen für gegnerische Tests.
• Optimieren Sie die Leistung und verwalten Sie die Kosten durch Strategien zur Token-Effizienz, Batch-Implementierungen und intelligente Caching-Systeme.
• Entwerfen und implementieren Sie umfassende Überwachungs- und Beobachtungslösungen für grundlegende Modellanwendungen.
• Schaffung systematischer Test- und Validierungsrahmen für die kontinuierliche Qualitätssicherung von KI-Anwendungen
• Integrieren Sie generative KI-Lösungen in Unternehmensumgebungen mithilfe sicherer, konformer und skalierbarer Architekturmuster.

Zielgruppen

• Softwareentwickler
• Technische Fachkräfte