Corso Developing Generative AI Applications on AWS

Obiettivi | Certificazione | Contenuti | Tipologia | Prerequisiti | Durata e Frequenza | Docenti | Modalità di Iscrizione | Calendario

Il Corso Developing Generative AI Applications on AWS (MLDGAI) guida i Partecipanti nella progettazione e implementazione di applicazioni di Generative AI su AWS, partendo dai fondamentali di ML e dai principali use case fino alla gestione dei rischi e delle mitigazioni. Il percorso entra nel vivo con Amazon Bedrock: accesso, architettura, Playgrounds e metodi di inferenza dei foundation models (FM), con attenzione a data protection e auditability. Vengono introdotti i principi di prompt engineering (basic e advanced), tecniche model-specific, fine-tuning di prompt testuali e strategie di bias mitigation anche su immagini. Si affrontano i componenti applicativi chiave: FM interface, gestione dei dataset ed embeddings (inclusa una dimostrazione su word embeddings), RAG e fine-tuning, security per applicazioni generative e architetture di riferimento. Il corso copre inoltre LangChain per ottimizzare le performance LLM: prompt construction, indexes, memory, chains, integrazione con AWS e agents per gestire risorse esterne. Nella parte architetturale si applicano pattern pratici con Amazon Bedrock e i modelli Amazon Titan (es. Titan Text Premier) per text summarization, question answering, chatbots e code generation, fino alla costruzione di applicazioni conversational con la Converse API. Il corso contribuisce alla preparazione per la Certificazione AWS Certified Machine Learning – Specialty.

Obiettivi del corso

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:

Dettagli del corso

Prerequisiti

Si consiglia la partecipazione ai seguenti corsi:

• AWS Technical Essentials
• Python Developer

Durata del corso

• Durata Intensiva 2gg;

Frequenza

Varie tipologie di Frequenza Estensiva ed Intensiva.

Date del corso

• Developing Generative AI Applications on AWS (Formula Intensiva) – Su Richiesta – 09:00/17:00

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].