In diesem Kurs untersuchst du zwei Techniken zur Verbesserung der Leistung eines Basismodells (FM): Retrieval Augmented Generation (RAG) und Feinabstimmung. Du erfährst mehr über Amazon Web Services (AWS)-Services, die das Speichern von Einbettungen in Vektordatenbanken unterstützen, die Rolle von Agenten bei mehrstufigen Aufgaben, die Definition von Methoden zur Feinabstimmung eines FMs, die Aufbereitung von Daten für die Feinabstimmung und vieles mehr.
- Kursstufe: Grundlagenkurs
- Dauer: 1 Stunde
Aktivitäten
Dieser Kurs beinhaltet interaktive Elemente, Textanweisungen und anschauliche Grafiken.
Lernziele
- AWS-Services identifizieren, die das Speichern von Einbettungen in Vektordatenbanken unterstützen
- Die Rolle der Agenten bei mehrstufigen Aufgaben verstehen
- Die Ansätze zur Bewertung der FM-Leistung verstehen
- Ermitteln, inwieweit ein FM die Geschäftsziele effektiv erfüllt
- Methoden zur Feinabstimmung eines FMs definieren
- Beschreiben, wie Daten für die Feinabstimmung eines FMs aufbereitet werden
- Ermitteln, inwieweit ein FM die Geschäftsziele effektiv erfüllt, basierend auf der im Anwendungsfall identifizierten Geschäftsmetrik.
Zielgruppe
- Personen, die sich für künstliche Intelligenz und Machine Learning (KI/ML) interessieren, unabhängig von einer bestimmten beruflichen Funktion
Empfohlene Vorkenntnisse
Optimizing Foundation Models ist Teil einer Reihe, die die Grundlagen für künstliche Intelligenz, Machine Learning und generative KI vermittelt. Falls dies nicht bereits geschehen ist, empfohlen wir, diese beiden Kurse zu absolvieren:Fundamentals of Machine Learning and Artifical Intelligence, Exploring Artificial Intelligence Use Cases and Applications.
