Advanced Generative AI Development on AWS (AGAID) – Details

Detaillierter Kursinhalt

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