-
Der Kurs Advanced Generative AI Development on AWS richtet sich an Entwickler, die die Implementierung produktionsreifer generativer KI-Lösungen auf AWS beherrschen möchten. Der Kurs befasst sich mit den Anforderungen von Unternehmen, die sich auf den Weg zur generativen KI begeben, und mit der Entwicklung umfassender generativer KI-Strategien, die mit den übergeordneten Geschäftszielen in Einklang stehen. Diese dreitägige Fortgeschrittenenschulung mit Kursleiter vermittelt Fachwissen über den gesamten generativen KI-Stack – von Basismodellen bis hin zu Integrationsmustern für Unternehmen. Darüber hinaus lernen Sie fortgeschrittene Datenverarbeitungstechniken, die Implementierung und Erweiterung von Vektordatenbanken, anspruchsvolles Prompt Engineering und Governance, agentenbasierte KI-Systeme und Tool-Integration, Maßnahmen zur Sicherheit und zum Schutz von KI, Strategien zur Leistungsoptimierung und Kostenmanagement, umfassende Überwachungs- und Beobachtungslösungen sowie Test- und Validierungsframeworks kennen. Der Kursaufbau folgt dem bewährten Modell von AWS für die Einführung generativer KI und reicht von Experimenten bis hin zu produktionsreifen Implementierungen.
-
Kursinhalt
-
- Auswahl und Konfiguration des Basismodells.
- Fortgeschrittene Datenverarbeitung für Fundamentmodelle.
- Vektordatenbanken und Sucherweiterung.
- Prompt Engineering und Governance.
- Implementierung von agentenbasierten KI-Frameworks mit Amazon Bedrock AgentCo.
- Sicherheit und Schutz von KI.
- Leistungsoptimierung und Kostenmanagement.
- Überwachung und Beobachtbarkeit für generative KI.
- Testen, Validierung und kontinuierliche Verbesserung.
- Muster für die Unternehmensintegration.
-
Zielgruppe
-
- Sofwareentwickler
- Technische Fachkräfte
-
Voraussetzungen
-
Empfohlene Vorkenntnisse:
- Besuch des Kurses AWS Technical Essentials
- Besuch des Kurses Generative AI Essentials on AWS
- Zwei oder mehr Jahre Erfahrung in der Entwicklung produktionsreifer Anwendungen auf AWS oder mit Open-Source-Technologien
- Allgemeine KI-/ML- oder Data-Engineering-Erfahrung
- Ein Jahr praktische Erfahrung in der Implementierung generativer KI-Lösungen
-
Kursziel
-
- Entwickeln Sie produktionsreife generative KI-Lösungen mit AWS-Services, die die Anforderungen von Unternehmen an Sicherheit, Skalierbarkeit und Zuverlässigkeit erfüllen.
- Bewertung und Auswahl geeigneter Fundamentmodelle für spezifische Geschäftsanwendungsfälle, einschließlich Leistungsbenchmarking und Implementierung dynamischer Modellauswahlarchitekturen.
- Entwerfen und implementieren Sie robuste Fundamentmodellsysteme mit Leistungsschaltern, regionenübergreifender Bereitstellung und Strategien für eine sanfte Degradation.
- Erstellen Sie umfassende Datenverarbeitungs-Pipelines für multimodale Eingaben, einschließlich Validierungs-Workflows und Optimierungstechniken.
- Implementieren Sie anspruchsvolle Vektordatenbanklösungen mit Amazon Bedrock Knowledge Bases, OpenSearch und hybriden Ansätzen für eine effektive Verbesserung der Suchergebnisse.
- Erstellen und verwalten Sie fortschrittliche Frameworks für die Prompt-Entwicklung, einschließlich Chain-of-Thought-Argumentation und unternehmensweiten Prompt-Governance-Systemen.
- Entwickeln Sie autonome KI-Agenten mit Amazon Bedrock Agents und implementieren Sie komplexe Denkstrukturen und Tool-Integrationsfunktionen.
- Implementieren Sie umfassende KI-Sicherheits- und Schutzkontrollen, einschließlich Inhaltsfilterung, Datenschutz und Mechanismen für gegnerische Tests.
- Optimieren Sie die Leistung und verwalten Sie die Kosten durch Strategien zur Token-Effizienz, Batch-Implementierungen und intelligente Caching-Systeme.
- Entwerfen und implementieren Sie umfassende Überwachungs- und Beobachtungslösungen für grundlegende Modellanwendungen.
- Schaffung systematischer Test- und Validierungsrahmen für die kontinuierliche Qualitätssicherung von KI-Anwendungen.
- Integrieren Sie generative KI-Lösungen in Unternehmensumgebungen mithilfe sicherer, konformer und skalierbarer Architekturmuster.
| Foundation Model Selection and Configuration |
| Enterprise foundation model evaluation framework |
| Dynamic model selection architecture patterns |
| Resilient foundation model system designs |
| Cost optimization and economic modeling |
| Advanced Data Processing for Foundation Models |
| Comprehensive data validation and quality assurance |
| Multi-modal data processing pipelines |
| Input optimization and performance enhancement |
| Vector Databases and Retrieval Augmentation |
| Enterprise vector database architecture |
| Advanced document processing and chunking strategies |
| Sophisticated retrieval system implementation |
| Hands-on Lab: Develop Retrieval Augmented Generation (RAG) Applications with Amazon |
| Bedrock Knowledge Bases |
| Prompt Engineering and Governance |
| Advanced prompt engineering frameworks |
| Complex prompt orchestration systems |
| Enterprise prompt governance and management |
| Hands-on Lab: Develop conversation pattern with Amazon Bedrock APIs |
| Implementing Agentic AI Frameworks with Amazon Bedrock AgentCore |
| Agentic AI Frameworks |
| Amazon Bedrock AgentCore |
| AI Safety and Security |
| Comprehensive content safety implementation |
| Privacy-preserving AI architecture |
| AI governance and compliance frameworks |
| Performance Optimization and Cost Management |
| Token efficiency and cost optimization |
| High-performance system architecture |
| Intelligent caching systems implementation |
| Hands-on Lab: Building Secure and Responsible Gen AI with Guardrails for Amazon Bedrock |
| Monitoring and Observability for Generative AI |
| Foundation model monitoring systems |
| Business impact and value management |
| AI-specific troubleshooting and diagnostics |
| Testing, Validation, and Continuous Improvement |
| Comprehensive AI evaluation frameworks |
| Quality assurance and continuous improvement |
| RAG system evaluation and optimization |
| Enterprise Integration Patterns |
| Enterprise connectivity and integration architecture |
| Secure access and identity management |
| Cross-environment and hybrid deployments |
| Course wrap-up |
| Next steps and additional resources |
| Course summary |
-
Classroom Training
- Bevorzugen Sie die klassische Trainingsmethode? Ein Kurs in einem unserer Training Center, mit einem kompetenten Trainer und dem direkten Austausch zwischen allen Teilnehmern? Dann buchen Sie einen der Classroom Training Termine!
-
Online Training
- Möchten Sie einen Kurs online besuchen? Zu diesem Kursthema bieten wir Ihnen Online-Kurstermine an. Als Teilnehmer benötigen Sie dazu einen PC mit Internet-Anschluss (mindestens 1 Mbit/s), ein Headset, falls Sie per VoIP arbeiten möchten und optional eine Kamera. Weitere Informationen und technische Empfehlungen finden Sie hier.
-
Inhouse-Schulung
-
Benötigen Sie einen maßgeschneiderten Kurs für Ihr Team? Neben unserem Standard-Angebot bieten wir Ihnen an, Kurse speziell nach Ihren Anforderungen zu gestalten. Gerne beraten wir Sie hierzu und erstellen Ihnen ein individuelles Angebot.
-
Der Kurs Advanced Generative AI Development on AWS richtet sich an Entwickler, die die Implementierung produktionsreifer generativer KI-Lösungen auf AWS beherrschen möchten. Der Kurs befasst sich mit den Anforderungen von Unternehmen, die sich auf den Weg zur generativen KI begeben, und mit der Entwicklung umfassender generativer KI-Strategien, die mit den übergeordneten Geschäftszielen in Einklang stehen. Diese dreitägige Fortgeschrittenenschulung mit Kursleiter vermittelt Fachwissen über den gesamten generativen KI-Stack – von Basismodellen bis hin zu Integrationsmustern für Unternehmen. Darüber hinaus lernen Sie fortgeschrittene Datenverarbeitungstechniken, die Implementierung und Erweiterung von Vektordatenbanken, anspruchsvolles Prompt Engineering und Governance, agentenbasierte KI-Systeme und Tool-Integration, Maßnahmen zur Sicherheit und zum Schutz von KI, Strategien zur Leistungsoptimierung und Kostenmanagement, umfassende Überwachungs- und Beobachtungslösungen sowie Test- und Validierungsframeworks kennen. Der Kursaufbau folgt dem bewährten Modell von AWS für die Einführung generativer KI und reicht von Experimenten bis hin zu produktionsreifen Implementierungen.
-
Kursinhalt
-
- Auswahl und Konfiguration des Basismodells.
- Fortgeschrittene Datenverarbeitung für Fundamentmodelle.
- Vektordatenbanken und Sucherweiterung.
- Prompt Engineering und Governance.
- Implementierung von agentenbasierten KI-Frameworks mit Amazon Bedrock AgentCo.
- Sicherheit und Schutz von KI.
- Leistungsoptimierung und Kostenmanagement.
- Überwachung und Beobachtbarkeit für generative KI.
- Testen, Validierung und kontinuierliche Verbesserung.
- Muster für die Unternehmensintegration.
-
Zielgruppe
-
- Sofwareentwickler
- Technische Fachkräfte
-
Voraussetzungen
-
Empfohlene Vorkenntnisse:
- Besuch des Kurses AWS Technical Essentials
- Besuch des Kurses Generative AI Essentials on AWS
- Zwei oder mehr Jahre Erfahrung in der Entwicklung produktionsreifer Anwendungen auf AWS oder mit Open-Source-Technologien
- Allgemeine KI-/ML- oder Data-Engineering-Erfahrung
- Ein Jahr praktische Erfahrung in der Implementierung generativer KI-Lösungen
-
Kursziel
-
- Entwickeln Sie produktionsreife generative KI-Lösungen mit AWS-Services, die die Anforderungen von Unternehmen an Sicherheit, Skalierbarkeit und Zuverlässigkeit erfüllen.
- Bewertung und Auswahl geeigneter Fundamentmodelle für spezifische Geschäftsanwendungsfälle, einschließlich Leistungsbenchmarking und Implementierung dynamischer Modellauswahlarchitekturen.
- Entwerfen und implementieren Sie robuste Fundamentmodellsysteme mit Leistungsschaltern, regionenübergreifender Bereitstellung und Strategien für eine sanfte Degradation.
- Erstellen Sie umfassende Datenverarbeitungs-Pipelines für multimodale Eingaben, einschließlich Validierungs-Workflows und Optimierungstechniken.
- Implementieren Sie anspruchsvolle Vektordatenbanklösungen mit Amazon Bedrock Knowledge Bases, OpenSearch und hybriden Ansätzen für eine effektive Verbesserung der Suchergebnisse.
- Erstellen und verwalten Sie fortschrittliche Frameworks für die Prompt-Entwicklung, einschließlich Chain-of-Thought-Argumentation und unternehmensweiten Prompt-Governance-Systemen.
- Entwickeln Sie autonome KI-Agenten mit Amazon Bedrock Agents und implementieren Sie komplexe Denkstrukturen und Tool-Integrationsfunktionen.
- Implementieren Sie umfassende KI-Sicherheits- und Schutzkontrollen, einschließlich Inhaltsfilterung, Datenschutz und Mechanismen für gegnerische Tests.
- Optimieren Sie die Leistung und verwalten Sie die Kosten durch Strategien zur Token-Effizienz, Batch-Implementierungen und intelligente Caching-Systeme.
- Entwerfen und implementieren Sie umfassende Überwachungs- und Beobachtungslösungen für grundlegende Modellanwendungen.
- Schaffung systematischer Test- und Validierungsrahmen für die kontinuierliche Qualitätssicherung von KI-Anwendungen.
- Integrieren Sie generative KI-Lösungen in Unternehmensumgebungen mithilfe sicherer, konformer und skalierbarer Architekturmuster.
| Foundation Model Selection and Configuration |
| Enterprise foundation model evaluation framework |
| Dynamic model selection architecture patterns |
| Resilient foundation model system designs |
| Cost optimization and economic modeling |
| Advanced Data Processing for Foundation Models |
| Comprehensive data validation and quality assurance |
| Multi-modal data processing pipelines |
| Input optimization and performance enhancement |
| Vector Databases and Retrieval Augmentation |
| Enterprise vector database architecture |
| Advanced document processing and chunking strategies |
| Sophisticated retrieval system implementation |
| Hands-on Lab: Develop Retrieval Augmented Generation (RAG) Applications with Amazon |
| Bedrock Knowledge Bases |
| Prompt Engineering and Governance |
| Advanced prompt engineering frameworks |
| Complex prompt orchestration systems |
| Enterprise prompt governance and management |
| Hands-on Lab: Develop conversation pattern with Amazon Bedrock APIs |
| Implementing Agentic AI Frameworks with Amazon Bedrock AgentCore |
| Agentic AI Frameworks |
| Amazon Bedrock AgentCore |
| AI Safety and Security |
| Comprehensive content safety implementation |
| Privacy-preserving AI architecture |
| AI governance and compliance frameworks |
| Performance Optimization and Cost Management |
| Token efficiency and cost optimization |
| High-performance system architecture |
| Intelligent caching systems implementation |
| Hands-on Lab: Building Secure and Responsible Gen AI with Guardrails for Amazon Bedrock |
| Monitoring and Observability for Generative AI |
| Foundation model monitoring systems |
| Business impact and value management |
| AI-specific troubleshooting and diagnostics |
| Testing, Validation, and Continuous Improvement |
| Comprehensive AI evaluation frameworks |
| Quality assurance and continuous improvement |
| RAG system evaluation and optimization |
| Enterprise Integration Patterns |
| Enterprise connectivity and integration architecture |
| Secure access and identity management |
| Cross-environment and hybrid deployments |
| Course wrap-up |
| Next steps and additional resources |
| Course summary |
-
Classroom Training
- Bevorzugen Sie die klassische Trainingsmethode? Ein Kurs in einem unserer Training Center, mit einem kompetenten Trainer und dem direkten Austausch zwischen allen Teilnehmern? Dann buchen Sie einen der Classroom Training Termine!
-
Online Training
- Möchten Sie einen Kurs online besuchen? Zu diesem Kursthema bieten wir Ihnen Online-Kurstermine an. Als Teilnehmer benötigen Sie dazu einen PC mit Internet-Anschluss (mindestens 1 Mbit/s), ein Headset, falls Sie per VoIP arbeiten möchten und optional eine Kamera. Weitere Informationen und technische Empfehlungen finden Sie hier.
-
Inhouse-Schulung
-
Benötigen Sie einen maßgeschneiderten Kurs für Ihr Team? Neben unserem Standard-Angebot bieten wir Ihnen an, Kurse speziell nach Ihren Anforderungen zu gestalten. Gerne beraten wir Sie hierzu und erstellen Ihnen ein individuelles Angebot.
