Building Generative AI Applications Using Amazon Bedrock

Objectives

In dieser 2-tägigen Schulung "Building Generative AI Applications Using Amazon Bedrock" liegt der Fokus auf einem tiefgehenden Verständnis von Amazon Bedrock und der erfolgreichen Entwicklung von Generativen KI-Anwendungen. Die Agenda umfasst eine eingehende Einführung in Amazon Bedrock, Anwendungen und Use Cases sowie eine detaillierte Analyse der Architektur. Besondere Schwerpunkte werden auf die Komponenten Generativer KI-Anwendungen, Grundmodelle, die FM-Schnittstelle, den Umgang mit Datensätzen, RAG, Model Fine-Tuning und Sicherheitsaspekte gelegt.

Die Schulung vertieft die Kenntnisse über die Grundmodelle von Amazon Bedrock, ihre Anwendung für Inferenz, Methoden und Datenschutz. Ein praxisorientierter Abschnitt behandelt die Anwendung von LangChain, einschließlich der Optimierung von Large Language Models und der Integration von AWS. Ein Überblick über Architekturmuster wie Testgenerierung, Textzusammenfassung und Codegenerierung rundet die Schulung ab.

Target audience

• Data Scientists
• Machine learning (ML) Entwickler

Requirements

Für eine optimale Teilnahme am Kurs empfehlen wir folgende Vorkenntnisse:

• Fortgeschrittene Kenntnisse in der Programmiersprache Python
• Teilnahme am Seminar AWS Technical Essentials
• Teilnahme am Seminar Practical Data Science with Amazon SageMaker
• Grundlagen von Prompt Engineering

Agenda

Einführung in Amazon Bedrock

• Aufbau von Generativen KI-Anwendungen auf Amazon Bedrock
• Applications und Use Cases. Architecture und Use Cases
• Wie verwendet man Amazon Bedrock?

Application Components

• Überblick über Generativer KI Application Components
• Grundmodelle und die FM-Interface
• Arbeit mit Datasets und Embeddings
• Zusätzliche Application Components
• RAG (Random Access Generator)
• Model Fine-Tuning
• Sicherung von Generativen KI-Anwendungen
• Architektur von Generativen KI-Anwendungen

Grundmodelle

• Einführung in die Grundmodelle von Amazon Bedrock
• Verwendung von Amazon Bedrock-FMs für Inference
• Amazon Bedrock-Methoden
• Data Protection und Auditability

Verwendung von LangChain

• Optimierung der LLM (Large Language Models) Performance
• Integration von AWS und LangChain
• Verwendung von Models mit LangChain
• Erstelluen von Prompts
• Strukturierung von Dokumenten mit Indexes
• Speichern und Abrufen von Daten mit Memory
• Verwendung von Chains zur Sequenzierung von Komponenten
• Verwaltung externer Ressourcen mit LangChain Agents

Architekturmuster

• Einführung in Architecture Patterns
• Test Generation und Text Summarization
• Question Answering
• Chatbots
• Codegenerierung
• LangChain und Amazon Bedrock Agents