Foundation Models และ RAG ด้วย SageMaker JumpStart

ในขณะที่องค์กรต่างๆ รีบเร่งนำ generative AI มาใช้งาน ความสามารถในการปรับใช้และปรับแต่งโมเดลขนาดใหญ่ได้อย่างปลอดภัยจึงกลายเป็นทักษะที่จำเป็น SageMaker JumpStart มอบช่องทางที่ทรงพลังและเรียบง่ายในการเข้าถึง ปรับแต่ง และโฮสต์ state-of-the-art foundation models ภายในสภาพแวดล้อมคลาวด์ที่ปลอดภัย หลักสูตรแบบข้อความนี้จะแนะนำคุณตลอดวงจรชีวิตทั้งหมดของการทำงานร่วมกับ foundation models บน AWS คุณจะเปลี่ยนผ่านจากการทำความเข้าใจแนวคิดพื้นฐานของ generative AI ไปสู่การดำเนินการฝึกอบรมแบบ fine-tuning และการสร้างเวิร์กฟลอว์ retrieval-augmented generation (RAG) ที่ทำให้โมเดลยึดโยงกับข้อมูลเฉพาะทางในโดเมนของคุณเอง สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจคำศัพท์หลักของ foundation models, วิธีการ fine-tuning และสถาปัตยกรรม RAG - ปรับใช้ pre-trained foundation models ภายใน SageMaker JumpStart โดยตรงด้วยการกำหนดค่าที่เหมาะสมที่สุด - ปรับแต่งโมเดลบนชุดข้อมูลเฉพาะทางเพื่อปรับพฤติกรรมและความรู้ของโมเดล - ใช้งานรูปแบบ retrieval-augmented generation โดยใช้ vector databases เพื่อยึดโยงคำตอบของโมเดล - ประเมินประสิทธิภาพของโมเดลและจัดการ inference endpoints สำหรับแอปพลิเคชันที่พร้อมใช้งานจริง - นำแนวปฏิบัติที่ดีที่สุดด้านความปลอดภัยบนคลาวด์และ MLOps มาใช้เพื่อตรวจสอบโมเดล AI ที่คุณปรับใช้ การเดินทางเริ่มต้นด้วยคำจำกัดความพื้นฐานของ generative AI และโครงสร้างพื้นฐานคลาวด์ จากนั้นคุณจะได้อ่านคำอธิบายโดยละเอียดเกี่ยวกับการกำหนดค่าการฝึกอบรมของ SageMaker, การดำเนินการ fine-tuning แบบประหยัดพารามิเตอร์ และการบูรณาการแหล่งข้อมูลภายนอกสำหรับการทำ retrieval-augmented generation แบบเรียลไทม์ หลักสูตรนี้ออกแบบมาสำหรับนักพัฒนา ผู้ปฏิบัติงานด้านข้อมูล และผู้ที่ชื่นชอบคลาวด์ซึ่งเพิ่งเริ่มต้นใช้งานเวิร์กฟลอว์ generative AI ไม่จำเป็นต้องมีประสบการณ์เกี่ยวกับแมชชีนเลิร์นนิงมาก่อน แม้ว่าความคุ้นเคยพื้นฐานกับแนวคิดคลาวด์จะมีประโยชน์ เริ่มอ่านวันนี้เพื่อสร้างโซลูชัน generative AI เฉพาะทางที่ปลอดภัย