หลักสูตรนี้ออกแบบมาสำหรับนักวิทยาศาสตร์ข้อมูลและนักพัฒนาแมชชีนเลิร์นนิงที่สนใจในการสร้างแอปพลิเคชันปัญญาประดิษฐ์ช่วยสร้าง (AI ช่วยสร้าง) โดยใช้การผสานรวม Amazon Bedrock API หรือ LangChain
ในหลักสูตรนี้ คุณจะได้เรียนรู้เกี่ยวกับรูปแบบสถาปัตยกรรมเพื่อสร้างแอปพลิเคชันสำหรับกรณีใช้งาน AI ช่วยสร้างที่สำคัญ โมดูลในหลักสูตรนี้เตรียมให้คุณทำงานผ่านตัวอย่างการสร้างและสรุปข้อความ การตอบคำถาม และแชทบอท
การใช้บัญชี AWS ของคุณเอง ทำให้คุณสามารถฝึกใช้งานการเรียกใช้ Amazon Bedrock API, SDK และเครื่องมือโอเพนซอร์ส เช่น LangChain
- ระดับหลักสูตร: ขั้นสูง
- ระยะเวลา: 8 ชั่วโมง (บทเรียน 4 ชั่วโมง และแล็บ 4 ชั่วโมง)
กิจกรรม
หลักสูตรนี้ประกอบด้วยการใช้งานอีเลิร์นนิง การทดสอบความรู้ และแล็บ
วัตถุประสงค์ของหลักสูตร
ในหลักสูตรนี้ คุณจะได้เรียนรู้สิ่งต่างๆ ดังนี้
- ระบุส่วนประกอบของแอปพลิเคชัน AI ช่วยสร้าง และวิธีปรับแต่งโมเดลพื้นฐาน (FM)
- อธิบายโมเดลพื้นฐานของ Amazon Bedrock, พารามิเตอร์การอนุมาน และ API ที่สำคัญของ Amazon Bedrock
- ระบุข้อเสนอของ Amazon Web Services (AWS) ที่ช่วยในการติดตามตรวจสอบ รักษาความปลอดภัย
- และควบคุมแอปพลิเคชัน Amazon Bedrock ของคุณ
- อธิบายวิธีผสานรวม LangChain กับโมเดลภาษาขนาดใหญ่ (LLM), เทมเพลตการโต้ตอบ, ห่วงโซ่, โมเดลแชท, โมเดลการฝังข้อความ, ตัวโหลดเอกสาร, ตัวดึงข้อมูล และ Agent สำหรับ Amazon Bedrock
- อธิบายรูปแบบสถาปัตยกรรมที่สามารถนำไปใช้กับ Amazon Bedrock สำหรับการสร้างแอปพลิเคชัน AI ช่วยสร้างได้
- ใช้แนวคิดเพื่อสร้างและทดสอบกรณีใช้งานตัวอย่างที่ใช้ประโยชน์จากโมเดลต่างๆ หลายรูปแบบของ Amazon Bedrock, LangChain และแนวทาง Retrieval Augmented Generation (RAG)
กลุ่มเป้าหมาย
หลักสูตรนี้จัดทำขึ้นสำหรับ
- นักวิทยาศาสตร์ข้อมูล นักพัฒนาแมชชีนเลิร์นนิง (ML)
ข้อกำหนดเบื้องต้น
เราขอแนะนำว่า ผู้เข้าร่วมการอบรมหลักสูตรนี้ควรมีคุณสมบัติต่อไปนี้
- ความสามารถระดับกลางถึงผู้เชี่ยวชาญในด้านภาษาโปรแกรม Python
- AWS Technical Essentials
- Practical Data Science with Amazon SageMaker (ระดับกลาง)
- Amazon Bedrock Getting Started (พื้นฐาน)
- Foundations of Prompt Engineering (ระดับกลาง)
เนื้อหาหลักสูตร
โมดูลที่ 1: ความรู้เบื้องต้นเกี่ยวกับ Amazon Bedrock
- การสร้างแอปพลิเคชัน AI ช่วยสร้างบน Amazon Bedrock
- แอปพลิเคชันและกรณีใช้งาน
- หัวข้อที่ครอบคลุมในโมดูลต่อๆ ไป
- บทสรุป
โมดูลที่ 2: ส่วนประกอบของแอปพลิเคชัน
- ภาพรวมของส่วนประกอบแอปพลิเคชัน AI ช่วยสร้าง
- โมเดลพื้นฐานและอินเทอร์เฟซ FM
- การทำงานกับชุดข้อมูลและการฝังข้อมูล
- ส่วนประกอบแอปพลิเคชันเพิ่มเติม
- RAG
- การปรับแต่งโมเดลแบบละเอียด
- การรักษาความปลอดภัยแอปพลิเคชัน AI ช่วยสร้าง
- สถาปัตยกรรมแอปพลิเคชัน AI ช่วยสร้าง
- ทดสอบความรู้
- บทสรุป
โมดูลที่ 3: โมเดลพื้นฐาน
- ความรู้เบื้องต้นเกี่ยวกับโมเดลพื้นฐานของ Amazon Bedrock
- การใช้ FM ของ Amazon Bedrock เพื่อการอนุมาน
- วิธีการของ Amazon Bedrock
- การปกป้องข้อมูลและความพร้อมที่จะให้ตรวจประเมิน
- ทดสอบความรู้
- บทสรุป
โมดูลที่ 4: การใช้ LangChain
- การเพิ่มประสิทธิภาพ LLM ให้เหมาะสม
- การผสานรวม AWS และ LangChain
- การใช้โมเดลกับ LangChain
- การสร้างการโต้ตอบ
- การจัดโครงสร้างเอกสารด้วยดัชนี
- การจัดเก็บและดึงข้อมูลด้วยหน่วยความจำ
- การใช้ห่วงโซ่เพื่อจัดลำดับส่วนประกอบ
- การจัดการทรัพยากรภายนอกด้วยเอเจนต์ LangChain
- ทดสอบความรู้
- บทสรุป
โมดูลที่ 5: รูปแบบสถาปัตยกรรม
- ความรู้เบื้องต้นเกี่ยวกับรูปแบบสถาปัตยกรรม
- การสร้างการทดสอบและการสรุปข้อความ
- การตอบคำถาม
- แชทบอท
- การสร้างโค้ด
- เอเจนต์ของ LangChain และ Amazon Bedrock
- ทดสอบความรู้
- บทสรุป
โมดูลที่ 6: แล็บฝึกปฏิบัติ (หมายเหตุ: คุณจะต้องเข้าถึงบัญชี AWS)
- บทนำเกี่ยวกับแล็บ
- แล็บที่ 1: การสร้างข้อความ
- แล็บที่ 2: การสร้างสรุปข้อความ
- แล็บที่ 3: การใช้ Amazon Bedrock สำหรับคำถามและการตอบคำถาม
- แล็บที่ 4: การสร้างแชทบอท
- แล็บที่ 5: การใช้โมเดล Amazon Bedrock เพื่อสร้างโค้ด
- แล็บที่ 6: การผสานรวมโมเดลของ Amazon Bedrock เข้ากับเอเจนต์ของ LangChain
- บทสรุป
คีย์เวิร์ด
- Gen AI
- AI ช่วยสร้าง
