Vega Training

Corso Developing Generative AI Applications on AWS

Durata
- Durata Intensiva 2gg;
Inizio
- Developing Generative AI Applications on AWS (Formula Intensiva) – Su Richiesta – 09:00/17:00 Modalità di iscrizione Le iscrizioni sono a numero chiuso per garantire ai tutti i partecipanti un servizio eccellente. L’iscrizione avviene richiedendo di essere contattati dal seguente Link, o contattando la sede al numero verde 800-177596 o inviando una richiesta all’email [email protected].
Attestato
Esame AWS Certified Machine Learning – Specialty; L’esame di certificazione AWS Certified Machine Learning – Specialty (MLS-C01) è progettato per valutare le competenze avanzate dei candidati nella progettazione, implementazione e gestione di soluzioni di machine learning su AWS. L’esame copre tematiche come la scelta degli algoritmi appropriati, la preparazione dei dati, la formazione e il perfezionamento dei modelli, e il deployment e l’ottimizzazione delle soluzioni di machine learning. L’obiettivo principale è garantire che i candidati dimostrino una conoscenza approfondita delle best practice e delle soluzioni avanzate AWS per lo sviluppo di applicazioni di machine learning. Durante l’esame, i candidati affronteranno argomenti quali la progettazione di architetture scalabili e sicure, l’uso di servizi AWS come SageMaker e l’integrazione con altri servizi AWS per l’analisi dei dati.
Vai al corso sul sito del provider

Identità del corso

Tipo di corso

Corso di Formazione con Docente

Programma e obiettivi

Obiettivi
  • Di seguito una sintesi degli obiettivi principali del Corso Developing Generative AI Applications on AWS (MLDGAI):
  • Utilizzare Amazon Bedrock e i foundation models per inference, accesso via Playgrounds e metodi di invocazione
  • Applicare prompt engineering (basic/advanced), tecniche model-specific e bias mitigation su testo/immagini
  • Progettare componenti applicativi: FM interface, datasets, embeddings, RAG, fine-tuning e security
  • Integrare LangChain (indexes, memory, chains, agents) per orchestrare workflow LLM su AWS
  • Implementare architecture patterns per summarization, Q&A, chatbots, code generation e apps con Converse API
  • Certificazione del corso
  • Esame AWS Certified Machine Learning – Specialty;
  • L’esame di certificazione AWS Certified Machine Learning – Specialty (MLS-C01) è progettato per valutare le competenze avanzate dei candidati nella progettazione, implementazione e gestione di soluzioni di machine learning su AWS. L’esame copre tematiche come la scelta degli algoritmi appropriati, la preparazione dei dati, la formazione e il perfezionamento dei modelli, e il deployment e l’ottimizzazione delle soluzioni di machine learning.
  • L’obiettivo principale è garantire che i candidati dimostrino una conoscenza approfondita delle best practice e delle soluzioni avanzate AWS per lo sviluppo di applicazioni di machine learning. Durante l’esame, i candidati affronteranno argomenti quali la progettazione di architetture scalabili e sicure, l’uso di servizi AWS come SageMaker e l’integrazione con altri servizi AWS per l’analisi dei dati.
  • Contenuti del corso
  • Module 1: Introduction to Generative AI – Art of the Possible
  • Overview of ML
  • Basics of generative AI
  • Generative AI use cases
  • Generative AI in practice
  • Risks and benefits
  • Module 2: Planning a Generative AI Project
  • Generative AI fundamentals
  • Generative AI in practice
  • Generative AI context
  • Steps in planning a generative AI project
  • Risks and mitigation
  • Module 3: Getting Started with Amazon Bedrock
  • Introduction to Amazon Bedrock
  • Architecture and use cases
  • How to use Amazon Bedrock
  • Demonstration: Setting Up Amazon Bedrock Access and Using Playgrounds
  • Module 4: Foundations of Prompt Engineering
  • Basics of foundation models
  • Fundamentals of prompt engineering
  • Basic prompt techniques
  • Advanced prompt techniques
  • Demonstration: Fine-Tuning a Basic Text Prompt
  • Model-specific prompt techniques
  • Addressing prompt misuses
  • Mitigating bias
  • Demonstration: Image Bias-Mitigation
  • Module 5: Amazon Bedrock Application Components
  • Applications and use cases
  • Overview of generative AI application components
  • Foundation models and the FM interface
  • Working with datasets and embeddings
  • Demonstration: Word Embeddings
  • Additional application components
  • RAG
  • Model fine-tuning
  • Securing generative AI applications
  • Generative AI application architecture
  • Module 6: Amazon Bedrock Foundation Models
  • Introduction to Amazon Bedrock foundation models
  • Using Amazon Bedrock FMs for inference
  • Amazon Bedrock methods
  • Data protection and auditability
  • Lab: Invoke Amazon Bedrock model for text generation using zero-shot prompt
  • Module 7: LangChain
  • Optimizing LLM performance
  • Integrating AWS and LangChain
  • Using models with LangChain
  • Constructing prompts
  • Structuring documents with indexes
  • Storing and retrieving data with memory
  • Using chains to sequence components
  • Managing external resources with LangChain agents
  • Module 8: Architecture Patterns
  • Introduction to architecture patterns
  • Text summarization
  • Lab: Using Amazon Titan Text Premier to summarize text of small files
  • Lab: Summarize long texts with Amazon Titan
  • Question answering
  • Lab: Using Amazon Bedrock for question answering
  • Chatbots
  • Lab: Build a chatbot
  • Code generation
  • Lab: Using Amazon Bedrock Models for Code Generation
  • LangChain and agents for Amazon Bedrock
  • Lab: Building conversational applications with the Converse API
  • Tipologia
  • Corso di Formazione con Docente
  • Docenti
  • I docenti sono Istruttori accreditati Amazon AWS e certificati in altre tecnologie IT, con anni di esperienza pratica nel settore e nella Formazione.
  • Infrastruttura laboratoriale
  • Per tutte le tipologie di erogazione, il Corsista può accedere alle attrezzature e ai sistemi presenti nei Nostri laboratori o direttamente presso i data center del Vendor o dei suoi provider autorizzati in modalità remota. Ogni partecipante dispone di un accesso per implementare le varie configurazioni avendo così un riscontro pratico e immediato della teoria affrontata. Ecco di seguito alcuni scenari tratti dalle attività laboratoriali:
Programma
  • Module 1: Introduction to Generative AI – Art of the Possible
  • Overview of ML
  • Basics of generative AI
  • Generative AI use cases
  • Generative AI in practice
  • Risks and benefits
  • Module 2: Planning a Generative AI Project
  • Generative AI fundamentals
  • Generative AI in practice
  • Generative AI context
  • Steps in planning a generative AI project
  • Risks and mitigation
  • Module 3: Getting Started with Amazon Bedrock
  • Introduction to Amazon Bedrock
  • Architecture and use cases
  • How to use Amazon Bedrock
  • Demonstration: Setting Up Amazon Bedrock Access and Using Playgrounds
  • Module 4: Foundations of Prompt Engineering
  • Basics of foundation models
  • Fundamentals of prompt engineering
  • Basic prompt techniques
  • Advanced prompt techniques
  • Demonstration: Fine-Tuning a Basic Text Prompt
  • Model-specific prompt techniques
  • Addressing prompt misuses
  • Mitigating bias
  • Demonstration: Image Bias-Mitigation
  • Module 5: Amazon Bedrock Application Components
  • Applications and use cases
  • Overview of generative AI application components
  • Foundation models and the FM interface
  • Working with datasets and embeddings
  • Demonstration: Word Embeddings
  • Additional application components
  • RAG
  • Model fine-tuning
  • Securing generative AI applications
  • Generative AI application architecture
  • Module 6: Amazon Bedrock Foundation Models
  • Introduction to Amazon Bedrock foundation models
  • Using Amazon Bedrock FMs for inference
  • Amazon Bedrock methods
  • Data protection and auditability
  • Lab: Invoke Amazon Bedrock model for text generation using zero-shot prompt
  • Module 7: LangChain
  • Optimizing LLM performance
  • Integrating AWS and LangChain
  • Using models with LangChain
  • Constructing prompts
  • Structuring documents with indexes
  • Storing and retrieving data with memory
  • Using chains to sequence components
  • Managing external resources with LangChain agents
  • Module 8: Architecture Patterns
  • Introduction to architecture patterns
  • Text summarization
  • Lab: Using Amazon Titan Text Premier to summarize text of small files
  • Lab: Summarize long texts with Amazon Titan
  • Question answering
  • Lab: Using Amazon Bedrock for question answering
  • Chatbots
  • Lab: Build a chatbot
  • Code generation
  • Lab: Using Amazon Bedrock Models for Code Generation
  • LangChain and agents for Amazon Bedrock
  • Lab: Building conversational applications with the Converse API

Ammissione e iscrizione

Prerequisiti
  • Si consiglia la partecipazione ai seguenti corsi:
  • - AWS Technical Essentials
  • - Python Developer

Erogazione

Durata

- Durata Intensiva 2gg;

Date

- Developing Generative AI Applications on AWS (Formula Intensiva) – Su Richiesta – 09:00/17:00 Modalità di iscrizione Le iscrizioni sono a numero chiuso per garantire ai tutti i partecipanti un servizio eccellente. L’iscrizione avviene richiedendo di essere contattati dal seguente Link, o contattando la sede al numero verde 800-177596 o inviando una richiesta all’email [email protected].

Orari

Varie tipologie di Frequenza Estensiva ed Intensiva.

Certificazione

Qualifica rilasciata

Esame AWS Certified Machine Learning – Specialty; L’esame di certificazione AWS Certified Machine Learning – Specialty (MLS-C01) è progettato per valutare le competenze avanzate dei candidati nella progettazione, implementazione e gestione di soluzioni di machine learning su AWS. L’esame copre tematiche come la scelta degli algoritmi appropriati, la preparazione dei dati, la formazione e il perfezionamento dei modelli, e il deployment e l’ottimizzazione delle soluzioni di machine learning. L’obiettivo principale è garantire che i candidati dimostrino una conoscenza approfondita delle best practice e delle soluzioni avanzate AWS per lo sviluppo di applicazioni di machine learning. Durante l’esame, i candidati affronteranno argomenti quali la progettazione di architetture scalabili e sicure, l’uso di servizi AWS come SageMaker e l’integrazione con altri servizi AWS per l’analisi dei dati.

Docenti

Docenti

I docenti sono Istruttori accreditati Amazon AWS e certificati in altre tecnologie IT, con anni di esperienza pratica nel settore e nella Formazione.

Corsi simili