Kursbeschreibung
Die wichtigsten Themen im Überblick
- Foundation Models für Enterprise-GenAI auf AWS bewerten
- RAG-Anwendungen mit Amazon Bedrock Knowledge Bases bauen
- Vector Databases und Chunking-Strategien sicher einsetzen
- Prompts orchestrieren und Governance praktikabel umsetzen
- Bedrock Agents mit Tools und Observability entwickeln
- GenAI-Systeme mit Guardrails, Privacy und Compliance sichern
- Token-Kosten mit Caching und AWS-Architekturen senken
- Foundation Models mit KI-spezifischer Diagnostik überwachen
Zielgruppe
- Softwareentwickler
- Technische Fachkräfte, die generative KI produktiv einsetzen wollen
Voraussetzung für die Schulung
- Kenntnisse auf dem Niveau von AWS Technical Essentials
- Kenntnisse auf dem Niveau von Generative AI Essentials on AWS
- Mindestens 2 Jahre Erfahrung in der Entwicklung produktionsreifer Anwendungen auf AWS oder mit Open-Source-Technologien
- Allgemeine Erfahrung in AI/ML oder Data Engineering
- Mindestens 1 Jahr praktische Erfahrung mit generativen KI-Lösungen
Kursinhalte
Modul 1: Foundation Model Selection & Configuration
- Frameworks zur Bewertung von Enterprise Foundation Models
- Architekturpatterns für Dynamic Model Selection
- Resiliente Systemdesigns
- Kostenoptimierung und wirtschaftliche Modellierung
Modul 2: Advanced Data Processing for Foundation Models
- Umfassende Datenvalidierung und Quality Assurance
- Multimodale Data-Processing-Pipelines
- Input-Optimierung und Performance-Steigerung
Modul 3: Vector Databases & Retrieval Augmentation
- Architektur von Enterprise Vector Databases
- Fortgeschrittene Dokumentenverarbeitung und Chunking-Strategien
- Aufbau leistungsfähiger Retrieval-Systeme
- Hands-on Lab: RAG-Anwendungen mit Amazon Bedrock Knowledge Bases
Modul 4: Prompt Engineering & Governance
- Fortgeschrittene Prompt-Engineering-Frameworks
- Komplexe Prompt-Orchestrierung
- Enterprise Prompt Governance und Management
- Hands-on Lab: Conversation Patterns mit Amazon Bedrock APIs
Modul 5: Agentic AI & Tool Integration
- Architektur und Entwicklung agentischer KI-Systeme
- Implementierung von Amazon Bedrock Agents
- AWS Agentic AI Service Ecosystem
- Tool-Integration und Production Observability
Modul 6: AI Safety & Security
- Content-Safety-Strategien
- Privacy-Preserving AI Architekturen
- Governance- und Compliance-Frameworks
Modul 7: Performance Optimization & Cost Management
- Token-Effizienz und Kostenoptimierung
- High-Performance-Systemarchitekturen
- Intelligente Caching-Strategien
- Hands-on Lab: Secure & Responsible GenAI mit Guardrails für Amazon Bedrock
Modul 8: Monitoring & Observability
- Monitoring für Foundation Models
- Business Impact und Value Management
- KI-spezifische Fehleranalyse und Diagnostics
Modul 9: Testing, Validation & Continuous Improvement
- Umfassende AI-Evaluations-Frameworks
- Qualitätssicherung und kontinuierliche Optimierung
- Evaluation und Optimierung von RAG-Systemen
Modul 10: Enterprise Integration Patterns
- Enterprise-Konnektivität und Integrationsarchitekturen
- Secure Access und Identity Management
- Cross-Environment- und Hybrid-Deployments
Modul 11: Wrap-up & Next Steps
- Nächste Schritte und weiterführende Ressourcen
- Zusammenfassung und Ausblick
