本课程面向有兴趣使用 Amazon Bedrock API 或 LangChain 集成构建生成式人工智能应用程序的数据科学家和机器学习开发人员。在本课程中,您将了解用于针对关键生成式人工智能使用案例构建应用程序的架构模式。
本课程中的模块为您提供了生成和概述文本、问答以及聊天机器人的示例,帮助您做好工作准备。相关实验演示了如何通过 API 调用、SDK 和 LangChain 等开源工具使用 Amazon Bedrock 模型。
- 课程级别:高级
- 时长:4 小时
课程内容
本课程包括在线学习互动、知识考核和实验。
课程目标
在本课程中,您将学习:
- 识别生成式人工智能应用程序的组件,以及如何自定义基础模型 (FM)
- 描述 Amazon Bedrock 基础模型、推理参数以及关键 Amazon Bedrock API
- 识别有助于监控、保护和管理 Amazon Bedrock 应用程序的 Amazon Web Services (AWS) 产品
- 描述如何集成 LangChain 与大型语言模型 (LLM)、提示模板、链、聊天模型、文本嵌入模型、文档加载器、检索器和 Amazon Bedrock 代理
- 描述可通过 Amazon Bedrock 实施以用于构建生成式人工智能应用程序的架构模式
- 应用这些概念来构建和测试利用各种 Amazon Bedrock 模型、LangChain 和检索增强生成 (RAG, Retrieval Augmented Generation) 方法的示例使用案例
培训对象
本课程面向:
- 数据科学家
- 机器学习 (ML) 开发人员
前提条件
我们建议符合以下条件的人员参加本课程:
- 熟练掌握 Python 编程语言,达到中级到专家级水平
- 已学完 AWS Technical Essentials
- 已学完 Practical Data Science with Amazon SageMaker(中级)
- 已学完 Amazon Bedrock Getting Started(基础)
- 已学完 Foundations of Prompt Engineering(中级)
课程大纲
模块 1:Amazon Bedrock 简介
- 在 Amazon Bedrock 上构建生成式人工智能应用程序
- 应用程序和使用案例
- 后续模块中涵盖的主题
- 总结
模块 2:应用程序组件
- 生成式人工智能应用程序组件概览
- 基础模型和 FM 接口
- 使用数据集和嵌入
- 其他应用程序组件
- RAG
- 模型微调
- 确保生成式人工智能应用程序的安全
- 生成式人工智能应用程序架构
- 知识考核
- 总结
模块 3:基础模型
- Amazon Bedrock 基础模型简介
- 使用 Amazon Bedrock FM 进行推理
- Amazon Bedrock 方法
- 数据保护与可审计性
- 知识考核
- 总结
模块 4:使用 LangChain
- 优化 LLM 性能
- 集成 AWS 与 LangChain
- 配合使用模型与 LangChain
- 构建提示
- 使用索引构建文档结构
- 通过内存存储和检索数据
- 使用链将组件按顺序排列
- 使用 LangChain 代理管理外部资源
- 知识考核
- 总结
模块 5:架构模式
- 架构模式简介
- 测试生成和文本摘要
- 问答
- 聊天机器人
- 代码生成
- LangChain 和 Amazon Bedrock 代理
- 知识考核
- 总结
模块 6:动手实验室
- 实验简介
- 实验 1:执行文本生成
- 实验 2:创建文本摘要
- 实验 3:使用 Amazon Bedrock 进行问答
- 实验 4:构建聊天机器人
- 实验 5:使用 Amazon Bedrock 模型生成代码
- 实验 6:将 Amazon Bedrock 模型与 LangChain 代理集成
- 总结