Beschreiben der generativen KI und ihrer Abgrenzung zum maschinellen Lernen Definieren der Bedeutung von generativer KI und Erläuterung ihrer potenziellen Risiken und Vorteile Identifizieren des Geschäftswerts von generativen KI-Anwendungsfällen Erörtern der technischen Grundlagen und der Schlüsselterminologie für generative KI Erläutern der Schritte zur Planung eines generativen KI-Projekts Identifizieren einiger Risiken und Abhilfe-Massnahmen beim Einsatz generativer KI Verstehen, wie Amazon Bedrock funktioniert Vertrautmachen mit den grundlegenden Konzepten von Amazon Bedrock Erkennen der Vorteile von Amazon Bedrock Auflisten typischer Anwendungsfälle für Amazon Bedrock Beschreiben der typischen Architektur im Zusammenhang mit einer Amazon-Bedrock-Lösung Verstehen der Kostenstruktur von Amazon Bedrock Implementieren einer Demonstration von Amazon Bedrock in der AWS Management Console Definieren von Prompt Engineering und Anwenden allgemeiner Best Practices bei der Interaktion mit Foundation Models (FMs) Identifizieren der grundlegenden Arten von Prompt-Techniken, einschliesslich Zero-Shot und Little-Shot Learning Anwenden von fortgeschrittenen Prompt-Techniken, wenn dies für Ihren Anwendungsfall erforderlich ist Erkennen, welche Prompt-Techniken für bestimmte Modelle am besten geeignet sind Identifizieren von potentiellem Prompt-Missbrauch Analyse potenzieller Verzerrungen in FM-Antworten und Entwicklung von Prompts, die diese Verzerrungen abschwächen Identifizieren der Komponenten einer generativen KI-Anwendung und wie man einen FM anpasst Beschreiben der Amazon Bedrock Foundation Modelle, Inferenzparameter und der wichtigsten Amazon Bedrock APIs Identifizieren von Amazon Web Services (AWS) Angeboten, die bei der Überwachung, Sicherung und Verwaltung Ihrer Amazon Bedrock Anwendungen helfen Beschreiben der Integration von LangChain mit LLMs, Prompt-Templates, Chains, Chat-Modellen, Text-Embedding-Modellen, Dokumenten-Loadern, Retrievern und Agenten für Amazon Bedrock Beschreiben von Architekturmustern, die Sie mit Amazon Bedrock für den Aufbau generativer KI-Anwendungen implementieren können Anwenden der Konzepte zum Erstellen und Testen von Anwendungsbeispielen, die die verschiedenen Amazon Bedrock-Modelle, LangChain und den Retrieval-Augmented-Generation-(RAG)-Ansatz verwenden
Software-Entwickler, die LLMs ohne Feinabstimmung verwenden möchten
Einige Kenntnisse in Python, Kenntnisse von AWS von Vorteil
Der Unterricht wird in Deutsch durchgeführt.
Eigenen Laptop mitbringen.
Dann kontaktieren Sie uns hier oder rufen Sie uns unter +41 52 234 56 11 an.
ANMELDEN