Kursbeschreibung
Dieser Kurs vermittelt ein fundiertes Verständnis der Amazon-Bedrock-Plattform und zeigt praxisnah, wie leistungsfähige generative KI-Anwendungen entwickelt und in reale Geschäftsprozesse integriert werden. Neben der Einführung in zentrale Konzepte und Architekturmuster stehen praktische Übungen mit LangChain, Fine-Tuning und KI-gestützter Prozessoptimierung im Mittelpunkt.
Die wichtigsten Themen im Überblick
- Generative KI verstehen
- KI-Projekte sicher planen
- Amazon Bedrock anwenden
- Prompt Engineering vertiefen
- RAG praxisnah umsetzen
- LangChain mit Bedrock nutzen
Zielgruppe
Dieses Seminar richtet sich an Data Scientists und Machine-Learning-Entwickler, die ihre Kenntnisse im Bereich generativer KI vertiefen und praxisnah mit Amazon Bedrock, LangChain und modernen Fine-Tuning-Techniken arbeiten möchten
Voraussetzung für die Schulung
Für eine erfolgreiche Teilnahme an diesem Kurs empfehlen wir folgende Vorkenntnisse:
Fortgeschrittene Kenntnisse in Python: Sicherer Umgang mit Funktionen, Klassen, Bibliotheken und Datenstrukturen
Teilnahme an den Seminaren:
AWS Technical Essentials: Grundverständnis der AWS-Infrastruktur und -Dienste
Practical Data Science with Amazon SageMaker: Erfahrung mit datenwissenschaftlichen Workflows in der AWS-Umgebung
Grundlagen von Prompt Engineering: Verständnis für die Gestaltung und Optimierung von Eingaben für generative KI-Modelle
Diese Voraussetzungen stellen sicher, dass Sie die Inhalte des Kurses effizient aufnehmen und direkt in eigenen Projekten anwenden können.
Kursinhalte
- Tag 1: Grundlagen und Projektplanung
- Introduction to Generative AI – Art of the Possible
- Überblick über ML
- Einführung in generative KI und ihre Anwendungsfälle
- Chancen und Risiken generativer KI
- Planning a Generative AI Project
- Grundlagen und Kontext generativer KI
- Schritte zur Projektplanung
- Risikomanagement
- Getting Started with Amazon Bedrock
- Einführung in Amazon Bedrock
- Architekturen und Use Cases
- Nutzung von Amazon Bedrock
- Foundations of Prompt Engineering
- Grundlagen von Foundation Models
- Basis- und fortgeschrittene Prompt-Techniken
- Modell-spezifische Prompt-Ansätze
- Demonstration: Fine-Tuning eines Text-Prompts
- Umgang mit Missbrauch und Bias
- Introduction to Generative AI – Art of the Possible
- Tag 2: Anwendungskomponenten und Architektur
- Amazon Bedrock Application Components
- Überblick über generative KI-Anwendungskomponenten
- Foundation Models und die FM-Schnittstelle
- Arbeiten mit Datensätzen und Embeddings
- Demonstration: Word Embeddings
- Retrieval Augmented Generation (RAG)
- Model Fine-Tuning
- Sicherheit für generative KI-Anwendungen
- Amazon Bedrock Foundation Models
- Einführung in die Bedrock Foundation Models
- Inferenz mit Bedrock-Modellen
- Datenschutz und Auditierbarkeit
- LangChain
- Optimierung der Leistung von LLMs
- Nutzung von LangChain zur Sequenzierung von Komponenten
- Arbeiten mit Datenindizes und Speicher
- Praktische Übung: LangChain-Integration mit Bedrock
- Architecture Patterns
- Einführung in Architekturmuster
- Textzusammenfassung, Fragebeantwortung und Chatbots
- Codegenerierung mit generativer KI
- Praktische Übung: LangChain-Agents für Amazon Bedrock
- Amazon Bedrock Application Components
