Neuer technischer Deep-Dive-Kurs: Generative AI Foundations auf AWS | Amazon Web Services

Generative AI Foundations on AWS ist ein neuer technischer Deep-Dive-Kurs, der Ihnen die konzeptionellen Grundlagen, praktische Ratschläge und praktische Anleitungen vermittelt, um modernste Foundation-Modelle auf AWS und vorab zu trainieren, zu verfeinern und bereitzustellen darüber hinaus. Entwickelt von AWS Generative AI Worldwide Foundations unter der Leitung von Emily Webber, wurde dieser kostenlose praktische Kurs und der unterstützende GitHub-Quellcode über veröffentlicht AWS Youtube. Wenn Sie nach einer kuratierten Wiedergabeliste mit den wichtigsten Ressourcen, Konzepten und Anleitungen suchen, um sich mit Grundlagenmodellen vertraut zu machen, insbesondere solchen, die generative Fähigkeiten in Ihren Data-Science- und Machine-Learning-Projekten freischalten, dann sind Sie hier genau richtig.

Während dieses 8-stündigen Deep Dive werden Ihnen die wichtigsten Techniken, Dienstleistungen und Trends vorgestellt, die Ihnen helfen, Grundlagenmodelle von Grund auf zu verstehen. Das bedeutet, Theorie, Mathematik und abstrakte Konzepte aufzuschlüsseln, kombiniert mit praktischen Übungen, um funktionale Intuition für die praktische Anwendung zu erlangen. Während des gesamten Kurses konzentrieren wir uns auf ein breites Spektrum zunehmend komplexer generativer KI-Techniken und bieten Ihnen eine solide Grundlage, um Ihre eigenen Modelle zu verstehen, zu entwerfen und anzuwenden, um die beste Leistung zu erzielen. Wir beginnen damit, die Grundmodelle zusammenzufassen und zu verstehen, woher sie kommen, wie sie funktionieren, welche Beziehung sie zur generativen KI haben und was Sie tun können, um sie anzupassen. Anschließend erfahren Sie, wie Sie das richtige Fundamentmodell für Ihren Anwendungsfall auswählen.

Sobald Sie ein umfassendes kontextbezogenes Verständnis von Grundlagenmodellen und deren Verwendung entwickelt haben, werden Sie in das Kernthema dieses Kurses eingeführt: das Vortraining neuer Grundlagenmodelle. Sie erfahren, warum Sie dies tun sollten und wie und wo es wettbewerbsfähig ist. Sie erfahren sogar, wie Sie die Skalierungsgesetze nutzen, um das richtige Modell, den richtigen Datensatz und die richtigen Rechengrößen auszuwählen. Wir behandeln die Vorbereitung von Trainingsdatensätzen in großem Maßstab auf AWS, einschließlich der Auswahl der richtigen Instanzen und Speichertechniken. Wir befassen uns mit der Feinabstimmung Ihrer Basismodelle, der Bewertung aktueller Techniken und dem Verständnis, wie Sie diese mit Ihren Skripten und Modellen ausführen. Wir befassen uns mit dem verstärkenden Lernen mit menschlichem Feedback und untersuchen, wie Sie es geschickt und maßstabsgetreu nutzen können, um die Leistung Ihres Fundamentmodells wirklich zu maximieren.

Abschließend erfahren Sie, wie Sie die Theorie auf die Produktion anwenden, indem Sie Ihr neues Basismodell einsetzen Amazon Sage Maker, auch über mehrere GPUs hinweg und unter Verwendung erstklassiger Designmuster wie Retrieval Augmented Generation und Chained Dialog. Als zusätzlichen Bonus führen wir Sie durch einen ausführlichen Stable Diffusion-Einstieg, informieren Sie über Best Practices für die Technik, zeigen Ihnen, wie Sie LangChain einführen und vieles mehr.

Eher ein Leser als ein Videokonsument? Sie können sich mein 15-Kapitel umfassendes Buch „Pretrain Vision and Large Language Models in Python: End-to-End Techniques for Building and Deploying Foundation Models on AWS“ ansehen, das am 31. Mai 2023 bei Packt Publishing veröffentlicht wurde und ab sofort verfügbar ist Amazon. Möchten Sie direkt in den Code einsteigen? Ich stimme Ihnen zu – jedes Video beginnt mit einem 45-minütigen Überblick über die wichtigsten Konzepte und visuellen Elemente. Anschließend gebe ich Ihnen einen 15-minütigen Rundgang durch den praktischen Teil. Alle Beispielnotizbücher und der unterstützende Code werden in einem öffentlichen Repository geliefert, das Sie zum selbstständigen Durcharbeiten verwenden können. Fühlen Sie sich frei, mich auf Medium zu kontaktieren, LinkedIn, GitHuboder über Ihre AWS-Teams. Lerne mehr über generative KI auf AWS.

Glückliche Wege!

Kursbeschreibung

1. Einführung in Foundation-Modelle

Was sind große Sprachmodelle und wie funktionieren sie? Woher kommen sie? Welche anderen Arten generativer KI gibt es? Wie passt man ein Fundamentmodell an? Wie bewertet man ein generatives Modell? Praktischer Rundgang: Foundation Models auf SageMaker

Folien zu Lektion 1 Praktische Demo-Ressourcen für Lektion 1

2. Auswahl des richtigen Fundamentmodells

Warum es wichtig ist, mit dem richtigen Stiftungsmodell zu beginnen In Anbetracht der Größe Unter Berücksichtigung der Genauigkeit Unter Berücksichtigung der Benutzerfreundlichkeit Erwägen Sie die Lizenzierung Betrachten Sie frühere Beispiele dafür, dass dieses Modell in Ihrer Branche gut funktioniert Berücksichtigung externer Benchmarks

Folien zu Lektion 2 Praktische Demo-Ressourcen für Lektion 2

3. Verwendung vorab trainierter Fundamentmodelle: schnelles Engineering und Feinabstimmung

Die Vorteile, mit einem vorab trainierten Grundlagenmodell zu beginnen Schnelles Engineering: Nullschuss Einzelner Schuss Wenige Schüsse Zusammenfassung Klassifikation Übersetzungen Feintuning Klassische Feinabstimmung Parametereffiziente Feinabstimmung Die neue Bibliothek von Hugging Face Praktischer Rundgang: schnelle Entwicklung und Feinabstimmung mit SageMaker

Folien zu Lektion 3 Praktische Demo-Ressourcen für Lektion 3

4. Vortraining eines neuen Grundmodells

Warum sollten oder müssen Sie ein neues Fundamentmodell erstellen? Vergleich von Vortraining und Feinabstimmung Vorbereiten Ihres Datensatzes für das Vortraining Verteilte Schulung zu SageMaker: Bibliotheken, Skripte, Jobs, Ressourcen Warum und wie man ein neues Skript an das verteilte SageMaker-Training anpasst

Folien zu Lektion 4 Praktische Demo-Ressourcen für Lektion 4

5. Aufbereitung von Daten und Schulung im großen Maßstab

Optionen zum Vorbereiten von Daten im großen Maßstab auf AWS Erklären Sie die Parallelität von SageMaker-Jobs auf CPU-Instanzen Erklären Sie die Modi zum Senden von Daten an SageMaker Training Einführung in FSx für Lustre Verwendung von FSx für Lustre im großen Maßstab für die SageMaker-Schulung Praktischer Rundgang: Konfigurieren von Lustre für SageMaker Training

Folien zu Lektion 5 Praktische Demo-Ressourcen für Lektion 5

6. Verstärkungslernen mit menschlichem Feedback

Was ist diese Technik und warum interessiert sie uns? Wie es Probleme mit Subjektivität und Objektivität umgeht, indem es menschliche Vorlieben skaliert einordnet Wie funktioniert es? So geht das mit SageMaker Ground Truth Aktualisierte Belohnungsmodellierung Praktischer Rundgang: RLFH auf SageMaker

Folien zu Lektion 6 Praktische Demo-Ressourcen für Lektion 6

7. Bereitstellung eines Fundamentmodells

Warum wollen wir Modelle bereitstellen? Verschiedene Optionen für die Bereitstellung von FMs auf AWS So optimieren Sie Ihr Modell für die Bereitstellung Großer Modell-Einsatzcontainer im Tieftauchgang Top-Konfigurationstipps für die Bereitstellung von FMs auf SageMaker Schnelle technische Tipps zum Aufrufen von Fundamentmodellen Verwendung von Retrieval Augmented Generation zur Linderung von Halluzinationen Praktischer Rundgang: Bereitstellen eines FM auf SageMaker

Folien zu Lektion 7 Praktische Demo-Ressourcen für Lektion 7

Zusammenfassung

„Generative AI Foundations on AWS“ ist einer von sieben neuen kostenlosen und kostengünstigen AWS-Kursen, die Ihnen bei der Nutzung generativer KI für Menschen aller Rollen und Erfahrungsstufen helfen sollen. Egal, ob Sie ein Unternehmensleiter sind, der sich dafür interessiert, wie generative KI Ihr Unternehmen verändern kann, oder ein Entwickler, der generative KI nutzen möchte, um Ihre Produktivität zu steigern, wir bieten Schulungen an, die Ihnen dabei helfen, Ihr Wissen und Ihre praktischen Fähigkeiten mit den generativen KI-Diensten von Amazon auszubauen. Finden Sie in diesem Blogbeitrag das richtige Training für Ihr Können und Ihren Anwendungsfall: 7 kostenlose und kostengünstige AWS-Kurse, die Ihnen beim Einsatz generativer KI helfen können.

---

Über den Autor

Emily Weber trat AWS kurz nach dem Start von SageMaker bei und versucht seitdem, der Welt davon zu erzählen! Abgesehen davon, dass sie neue ML-Erfahrungen für Kunden entwickelt, meditiert Emily gerne und studiert den tibetischen Buddhismus.

• SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
• PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
• PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
• PlatoESG. Automobil / Elektrofahrzeuge, Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
• BlockOffsets. Modernisierung des Eigentums an Umweltkompensationen. Hier zugreifen.
• Quelle: https://aws.amazon.com/blogs/machine-learning/new-technical-deep-dive-course-generative-ai-foundations-on-aws/