Advanced Generative AI Development on AWS (AGAID)

Voraussetzungen

• AWS Technische Grundlagen
• Grundlagen generativer KI auf AWS
• Mindestens 2 Jahre Erfahrung in der Entwicklung produktionsreifer Anwendungen auf AWS oder mit Open-Source-Technologien, allgemeine Erfahrung in den Bereichen KI/ML oder Data Engineering
• 1 Jahr praktische Erfahrung in der Implementierung generativer KI-Lösungen

Zielgruppe

• Softwareentwickler
• Technische Fachkräfte

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