AIF-C01
AWS Certified AI Practitioner (AIF-C01): pytania i materiały do nauki
Poznaj podstawy AI, uczenia maszynowego i generatywnej AI oraz sposoby używania, dostrajania, oceny, zabezpieczania i nadzorowania modeli bazowych w Amazon Web Services dzięki krótkim lekcjom zgodnym z pięcioma domenami egzaminu AIF-C01. Niezależny materiał do nauki. Nie jest powiązany z Amazon Web Services ani przez nie sponsorowany czy rekomendowany. Amazon Web Services, AWS i AWS Certified AI Practitioner są znakami towarowymi Amazon.com, Inc. lub podmiotów powiązanych.
Czego się nauczysz
- Wyjaśnisz AI, ML, deep learning, generatywną AI i agentową AI oraz dobierzesz technikę do zastosowania
- Wybierzesz modele bazowe, techniki promptów, RAG, agentów i metody dostosowania do potrzeby biznesowej
- Ocenisz modele właściwymi metrykami i zastosujesz zasady odpowiedzialnej AI, przejrzystości i ograniczania uprzedzeń
- Zabezpieczysz i uporządkujesz obciążenia AI przy pomocy właściwych usług AWS, guardrails i procesów zgodności
Tematy według domen egzaminu
Podstawy AI i ML
Słownictwo AI, ML, deep learningu i GenAI oraz typy danych, rodzaje uczenia i tryby wnioskowania.
Zastosowania AI i usługi AI w AWS
Kiedy AI ma sens, jaką technikę wybrać i która zarządzana usługa AI w AWS rozwiązuje dany problem.
Cykl życia ML, MLOps i metryki
Etapy potoku AI/ML, droga modelu na produkcję, idee MLOps oraz mierzenie sukcesu modelu i biznesu.
Pojęcia generatywnej AI
Tokeny, embeddingi, rodziny modeli, cykl życia modelu bazowego, cennik tokenowy, inżynieria kontekstu i pojęcia agentowej AI.
Mocne strony, ograniczenia GenAI i usługi AWS
W czym GenAI jest dobra i zawodzi, jak wybierać modele i mierzyć wartość oraz jakie usługi AWS i koszty dotyczą budowy aplikacji GenAI.
Projektowanie aplikacji z modelami bazowymi
Kryteria wyboru modelu, parametry wnioskowania, RAG z magazynami wektorów, koszty metod dostosowania i agenci AI.
- Jak wybrać model bazowy do aplikacji?
- Za co odpowiadają temperature, top-p, top-k i maksymalna długość wyjścia?
- Czym jest Retrieval Augmented Generation (RAG) i jak implementują je Amazon Bedrock Knowledge Bases?
- Gdzie w AWS można przechowywać i przeszukiwać embeddingi?
- Jak podejścia do dostosowania modelu bazowego wypadają pod względem kosztu i nakładu pracy?
- Czym jest agent AI i do czego się nadaje?
Inżynieria promptów
Elementy promptu, techniki, dobre praktyki, ryzyka oraz wersjonowanie promptów w Amazon Bedrock Prompt Management.
Trenowanie i dostrajanie modeli bazowych
Pre-training, metody dostrajania, destylacja oraz przygotowanie danych do dostrajania.
Ocena modeli bazowych
Podejścia do oceny, metryki tekstowe, zgodność z celami biznesowymi oraz ocena RAG, agentów i przepływów.
Odpowiedzialna i wyjaśnialna AI
Cechy odpowiedzialnej AI, ryzyka prawne, zbiory danych, błąd systematyczny i wariancja oraz przejrzystość i wyjaśnialność.
Bezpieczeństwo i nadzór nad rozwiązaniami AI
Usługi bezpieczeństwa AWS dla AI, pochodzenie danych, bezpieczne praktyki danych, prompt injection, uziemianie oraz nadzór i zgodność.
Ucz się całego AIF-C01 w aplikacji
Krótkie lekcje, natychmiastowe wyjaśnienia i powtórki tego, w czym się mylisz. Za darmo na iOS i Androida.
