Developing Generative AI Applications on AWS

Niniejsze szkolenie przeznaczone jest dla:

• Twórców oprogramowania zainteresowanych wykorzystywaniem dużych modeli językowych bez dostrajania

Podczas szkolenia nauczysz się:

• Opisywać generatywną Sztuczną Inteligencję oraz jej zgodność z uczeniem maszynowym
• Definiować istotę generatywnej Sztucznej Inteligencji oraz wyjaśniać potencjalne ryzyka i korzyści
• Identyfikować wartość biznesową płynącą z przypadków użycia generatywnej Sztucznej Inteligencji
• Omawiać podstawy techniczne oraz kluczowe pojęcia generatywnej Sztucznej Inteligencji
• Objaśniać etapy planowania projektu generatywnej Sztucznej Inteligencji
• Identyfikować niektóre z ryzyk oraz łagodzeń podczas używania generatywnej Sztucznej Inteligencji
• Zrozumieć działanie Amazon Bedrock
• Poznawać podstawowe pojęcia Amazon Bedrock
• Rozpoznawać korzyści Amazon Bedrock
• Wypisywać przypadki użycia Amazon Bedrock
• Opisywać typową budowę związaną z rozwiązaniem Amazon Bedrock
• Zrozumieć strukturę kosztów Amazon Bedrock
• Wdrażać prezentację Amazon Bedrock Konsoli Zarządzania AWS
• Definiować inżynierię podpowiedzi oraz stosować najlepsze praktyki podczas interakcji z modelami podstawowymi (FMs)
• Identyfikować podstawowe techniki tworzenia promptów, w tym  naukę metody zerowej oraz kilku strzałów
• Stosować zaawansowane techniki podpowiedzi, kiedy jest to konieczne dla Twojego

przypadku użycia

• Identyfikować, które z technik podpowiedzi są najlepsze dla konkretnych modeli
• Rozpoznawać potencjalne nadużycia podpowiedzi
• Analizować potencjalną stronniczość w odpowiedziach modelu podstawowego (FM) oraz tworzyć podpowiedzi, które są w stanie ją złagodzić
• Identyfikować komponenty aplikacji generatywnej Sztucznej Inteligencji oraz dostosowywać podstawowy model (FM)
• Opisywać podstawowe modele Amazon Bedrock, parametry wnioskowania oraz kluczowe Interfejsy Programowania Aplikacji (APIs) Amazona
• Identyfikować oferty Usług Sieciowych Amazona (AWS) pomocnych w monitorowaniu, zabezpieczaniu, jak i zarządzaniu aplikacjami Amazon Bedrock
• Opisywać sposób integracji LangChain z dużymi modelami językowymi (LLMs), wzorcami podpowiedzi, łańcuchami, modelami czatów, modelami osadzeń tekstów, ładowarkami dokumentów, retrieverami, jak i Agentami Amazon Bedrock
• Opisywać wzorce budowy, które mogą zostać wdrożone przy pomocy Amazon Bedrock w celu budowy aplikacji generatywnej Sztucznej Inteligencji
• Stosować pojęcia w celu konstruowania oraz testowania przypadków użycia wykorzystujących różne modele Amazon Bedrock, LangChain, jak i podejście Pozyskiwania Rozszerzonej Generacji (RAG)

Dzień 1 

Moduł 1: Wprowadzenie do generatywnej sztucznej inteligencji – Sztuka możliwego

• Przegląd uczenia maszynowego
• Podstawy generatywnej sztucznej inteligencji
• Przypadki użycia generatywnej sztucznej inteligencji
• Generatywna sztuczna inteligencja w praktyce
• Ryzyka i korzyści

Moduł 2: Planowanie projektu z generatywną sztuczną inteligencją

• Podstawy generatywnej sztucznej inteligencji
• Generatywna sztuczna inteligencja w praktyce
• Kontekst generatywnej sztucznej inteligencji
• Kroki w planowaniu projektu z generatywną sztuczną inteligencją
• Ryzyka i ich łagodzenie

Moduł 3: Rozpoczęcie pracy z Amazon Bedrock

• Wprowadzenie do Amazon Bedrock
• Architektura i przypadki użycia
• Jak korzystać z Amazon Bedrock
• Demonstracja: Konfiguracja dostępu do Amazon Bedrock i korzystanie z Playgrounds

Moduł 4: Podstawy inżynierii promptów

• Podstawy modeli bazowych
• Podstawy inżynierii promptów
• Podstawowe techniki promptów
• Zaawansowane techniki promptów
• Demonstracja: Dostosowywanie podstawowego promptu tekstowego
• Techniki promptów specyficzne dla modelu
• Radzenie sobie z niewłaściwym użyciem promptów
• Łagodzenie uprzedzeń
• Demonstracja: Łagodzenie uprzedzeń w obrazach

Dzień 2 

Moduł 5: Komponenty aplikacji Amazon Bedrock

• Aplikacje i przypadki użycia
• Przegląd komponentów aplikacji generatywnej sztucznej inteligencji
• Modele bazowe i interfejs FM
• Praca z zestawami danych i osadzeniami
• Demonstracja: Osadzenia słów
• Dodatkowe komponenty aplikacji
• RAG
• Dostosowywanie modeli
• Zabezpieczanie aplikacji generatywnej sztucznej inteligencji
• Architektura aplikacji generatywnej sztucznej inteligencji

Moduł 6: Modele bazowe Amazon Bedrock

• Wprowadzenie do modeli bazowych Amazon Bedrock
• Korzystanie z modeli bazowych Amazon Bedrock do wnioskowania
• Metody Amazon Bedrock
• Ochrona danych i audytowalność
• Laboratorium: Wywoływanie modelu Amazon Bedrock do generowania tekstu za pomocą promptu zero-shot

Moduł 7: LangChain

• Optymalizacja wydajności LLM
• Integracja AWS i LangChain
• Korzystanie z modeli z LangChain
• Konstruowanie promptów
• Strukturyzowanie dokumentów za pomocą indeksów
• Przechowywanie i odzyskiwanie danych za pomocą pamięci
• Korzystanie z łańcuchów do sekwencjonowania komponentów
• Zarządzanie zasobami zewnętrznymi za pomocą agentów LangChain

Moduł 8: Wzorce architektury

• Wprowadzenie do wzorców architektury
• Podsumowanie tekstu
• Lab: Korzystanie z Amazon Titan Text Premier do podsumowywania tekstu małych plików
• Lab: Podsumowanie długich tekstów za pomocą Amazon Titan
• Odpowiadanie na pytania
• Lab: Korzystanie z Amazon Bedrock do odpowiadania na pytania
• Chatboty
• Lab: Budowanie chatbota
• Generowanie kodu
• Lab: Korzystanie z modeli Amazon Bedrock do generowania kodu
• LangChain i agenci dla Amazon Bedrock
• Lab: Budowanie aplikacji konwersacyjnych za pomocą API Converse

Polecamy ukończenie poniższych kursów:

• Techniczne Podstawy AWS
• Poziom średniozaawansowany z Pythona

język: polski

materiały: angielski