Building Generative AI Applications Using Amazon Bedrock (Traditional Chinese)

本課程專為資料科學家與機器學習開發人員設計，這些人員有意使用 Amazon Bedrock API 或 LangChain 整合項目建置生成式人工智慧 (生成式 AI) 應用程式。在本課程中，您會學到為重要生成式 AI 使用案例建置應用程式的架構模式。

本單元會帶您認識生成與摘要文字、問答及聊天機器人的範例。實驗室會運用 API Call、SDK 和 LangChain 之類的開源工具來示範 Amazon Bedrock 模型的用法。

• 課程等級：進階
• 持續時間：4 小時

活動

本課程包含線上學習互動、知識檢測和實驗室。

課程目標

在本課程中，您將學習：

• 辨識生成式 AI 應用程式的組成元件，以及基礎模型 (FM) 的自訂方式
• 說明 Amazon Bedrock 基礎模型、推論參數和關鍵 Amazon Bedrock API
• 辨識有助監控、保護和管控 Amazon Bedrock 應用程式的 Amazon Web Services (AWS) 產品
• 說明如何為 Amazon Bedrock 整合 LangChain 與大型語言模型 (LLM)、提示範本、鏈、聊天模型、文字內嵌模型、文件載入器、擷取程式和代理程式
• 說明可用 Amazon Bedrock 實作以建置生成式 AI 應用程式的架構模式
• 應用概念來建置並測試運用多種 Amazon Bedrock 模型、LangChain 和檢索增強生成 (RAG) 做法的使用案例範例

目標對象

本課程適用於：

• 資料科學家
• 機器學習 (ML) 開發人員

先決條件

我們建議參加本課程的學員應具備：

• 中級至專家熟練度的 Python 程式設計能力
• 已完成 AWS Technical Essentials 課程
• Practical Data Science with Amazon SageMaker (中級)
• Amazon Bedrock Getting Started (基礎級)
• Foundations of Prompt Engineering (中級)

課程大綱

單元 1：Amazon Bedrock 簡介

• 在 Amazon Bedrock 上建置生成式 AI 應用程式
• 應用程式與使用案例
• 未來單元涵蓋的主題
• 結語

單元 2：應用程式元件

• 生成式 AI 應用程式元件概觀
• 基礎模型和 FM 介面
• 使用資料集和內嵌功能
• 其他應用程式元件
• RAG
• 模型微調作業
• 保護生成式 AI 應用程式
• 生成式 AI 應用程式架構
• 知識檢測
• 結語

單元 3：基礎模型

• Amazon Bedrock 基礎模型簡介
• 使用 Amazon Bedrock FM 進行推論
• Amazon Bedrock 方法
• 資料保護及可稽核性
• 知識檢測
• 結語

單元 4：使用 LangChain

• 最佳化 LLM 效能
• 整合 AWS 與 LangChain
• 使用模組搭配 LangChain
• 建構提示
• 用索引建構文件
• 用記憶儲存並擷取資料
• 使用鏈排序元件
• 用 LangChain 代理程式管理外部資源
• 知識檢測
• 結語

單元 5：架構模式

• 架構模式簡介
• 測試生成與文字摘要
• 回答問題
• 聊天機器人
• 程式碼生成
• LangChain 與 Amazon Bedrock 代理程式
• 知識檢測
• 結語

單元 6：實作實驗室

• 實驗室簡介
• 實驗室 1：執行文字生成
• 實驗室 2：建立文字摘要
• 實驗室 3：用 Amazon Bedrock 進行問答
• 實驗室 4：建置聊天機器人
• 實驗室 5：使用 Amazon Bedrock 模型生成程式碼
• 實驗室 6：整合 Amazon Bedrock 模型與 LangChain 代理程式
• 結語