Nytt teknisk dypdykkkurs: Generative AI Foundations på AWS | Amazon Web Services

Generative AI Foundations på AWS er ​​et nytt teknisk dypdykkkurs som gir deg det konseptuelle grunnleggende, praktiske råd og praktisk veiledning for å forhåndstrene, finjustere og distribuere toppmoderne fundamentmodeller på AWS og bortenfor. Utviklet av AWS generative AI verdensomspennende stiftelser leder Emily Webber, dette gratis praktiske kurset og den støttende GitHub-kildekoden lansert via AWS Youtube. Hvis du ser etter en kuratert spilleliste med de beste ressursene, konseptene og veiledningen for å komme deg oppdatert på grunnmodeller, og spesielt de som låser opp generative muligheter i datavitenskap og maskinlæringsprosjekter, så trenger du ikke lete lenger.

I løpet av dette 8-timers dypdykket vil du bli introdusert til de viktigste teknikkene, tjenestene og trendene som vil hjelpe deg å forstå grunnmodeller fra grunnen av. Dette betyr å bryte ned teori, matematikk og abstrakte konsepter kombinert med praktiske øvelser for å få funksjonell intuisjon for praktisk anvendelse. Gjennom hele kurset fokuserer vi på et bredt spekter av progressivt komplekse generative AI-teknikker, noe som gir deg en sterk base for å forstå, designe og bruke dine egne modeller for best ytelse. Vi starter med å samle opp grunnmodeller, forstå hvor de kommer fra, hvordan de fungerer, hvordan de forholder seg til generativ AI, og hva du kan gjøre for å tilpasse dem. Deretter lærer du hvordan du velger den riktige fundamentmodellen som passer ditt bruksområde.

Når du har utviklet en sterk kontekstuell forståelse av grunnlagsmodeller og hvordan du bruker dem, vil du bli introdusert til kjerneemnet i dette kurset: forhåndstrening av nye fundamentmodeller. Du vil lære hvorfor du ønsker å gjøre dette, samt hvordan og hvor det er konkurransedyktig. Du vil til og med lære hvordan du bruker skaleringslovene for å velge riktig modell, datasett og beregningsstørrelser. Vi vil dekke forberedelse av opplæringsdatasett i stor skala på AWS, inkludert valg av riktige forekomster og lagringsteknikker. Vi vil dekke finjustering av grunnmodellene dine, evaluere nyere teknikker og forstå hvordan du kjører disse med skriptene og modellene dine. Vi vil dykke ned i forsterkende læring med menneskelig tilbakemelding, og utforske hvordan du kan bruke den dyktig og i skala for å virkelig maksimere ytelsen til grunnmodellen din.

Til slutt vil du lære hvordan du bruker teori på produksjon ved å distribuere din nye grunnmodell på Amazon SageMaker, inkludert på tvers av flere GPUer og ved å bruke toppdesignmønstre som utvidet generering for gjenfinning og lenket dialog. Som en ekstra bonus vil vi lede deg gjennom et dypdykk med stabil diffusjon, raske beste praksiser for ingeniørarbeid, stå opp LangChain og mer.

Mer en leser enn en videoforbruker? Du kan sjekke ut boken min på 15 kapitler "Pretrain Vision and Large Language Models in Python: End-to-end-teknikker for å bygge og distribuere grunnlagsmodeller på AWS," som ble utgitt 31. mai 2023, med Packt-publisering og er tilgjengelig nå på Amazon. Vil du hoppe rett inn i koden? Jeg er med deg – hver video starter med en 45-minutters oversikt over nøkkelkonseptene og det visuelle. Så gir jeg deg en 15-minutters gjennomgang av den praktiske delen. Alle eksempelnotatbøkene og støttekoden sendes i et offentlig depot, som du kan bruke til å gå gjennom på egen hånd. Ta gjerne kontakt med meg på Medium, Linkedin, GitHub, eller gjennom AWS-teamene dine. Lære mer om generativ AI på AWS.

Glade stier!

Kursplan

1. Introduksjon til grunnmodeller

Hva er store språkmodeller og hvordan fungerer de? Hvor kommer de fra? Hva er andre typer generativ AI? Hvordan tilpasser du en fundamentmodell? Hvordan evaluerer du en generativ modell? Praktisk gjennomgang: Foundation Models på SageMaker

Leksjon 1 lysbilder Leksjon 1 praktiske demoressurser

2. Velge riktig fundamentmodell

Hvorfor det er viktig å starte med riktig fundamentmodell Med tanke på størrelse Med tanke på nøyaktighet Vurderer brukervennlighet Vurderer lisensiering Vurderer tidligere eksempler på at denne modellen fungerer godt i din bransje Vurderer eksterne benchmarks

Leksjon 2 lysbilder Leksjon 2 praktiske demoressurser

3. Bruk av forhåndstrente fundamentmodeller: rask utvikling og finjustering

Fordelene med å starte med en forhåndsopplært fundamentmodell Rask prosjektering: Nullskudd Enkelt skudd Få-skudd samandrag Klassifisering Oversettelse Finjustering Klassisk finjustering Parameter effektiv finjustering Hugging Face sitt nye bibliotek Praktisk gjennomgang: rask utvikling og finjustering på SageMaker

Leksjon 3 lysbilder Leksjon 3 praktiske demoressurser

4. Foropplæring av ny fundamentmodell

Hvorfor vil du eller trenger å lage en ny grunnmodell? Sammenligne fortrening med finjustering Forbereder datasettet ditt for forhåndstrening Distribuert opplæring på SageMaker: biblioteker, manus, jobber, ressurser Hvorfor og hvordan tilpasse et nytt manus til SageMaker distribuert opplæring

Leksjon 4 lysbilder Leksjon 4 praktiske demoressurser

5. Forberede data og opplæring i stor skala

Alternativer for å forberede data i stor skala på AWS Forklar SageMaker jobbparallellisme på CPU-forekomster Forklar moduser for å sende data til SageMaker Training Introduksjon til FSx for Luster Bruker FSx for Luster i skala for SageMaker Training Praktisk gjennomgang: konfigurere Luster for SageMaker Training

Leksjon 5 lysbilder Leksjon 5 praktiske demoressurser

6. Forsterkende læring med menneskelig tilbakemelding

Hva er denne teknikken og hvorfor bryr vi oss om den Hvordan det kommer rundt problemer med subjektivitet og objektivitet gjennom å rangere menneskelige preferanser i skala Hvordan virker det? Slik gjør du dette med SageMaker Ground Truth Oppdatert belønningsmodellering Hands-on gjennomgang: RLFH på SageMaker

Leksjon 6 lysbilder Leksjon 6 praktiske demoressurser

7. Utplassering av en grunnmodell

Hvorfor ønsker vi å distribuere modeller? Ulike alternativer for å distribuere FM-er på AWS Hvordan optimalisere modellen din for distribusjon Dypdykk for containere med stor modellutplassering Topp konfigurasjonstips for å distribuere FM-er på SageMaker Spørre tekniske tips for å påkalle fundamentmodeller Bruk av utvidet gjenvinning for å dempe hallusinasjoner Praktisk gjennomgang: Utplassering av en FM på SageMaker

Leksjon 7 lysbilder Leksjon 7 praktiske demoressurser

Oppsummering

Generative AI Foundations på AWS er ​​ett av syv nye gratis og rimelige AWS-kurs som er tilgjengelige for å hjelpe deg med å bruke generativ AI for folk i alle roller og erfaringsnivåer. Enten du er en bedriftsleder som er interessert i hvordan generativ AI kan transformere virksomheten din, eller en utvikler som ønsker å bruke generativ AI for å øke produktiviteten din, har vi opplæring for å hjelpe deg med å bygge kunnskapen og praktiske ferdighetene dine med Amazons generative AI-tjenester. Finn den riktige treningen for ditt ferdighetsnivå og bruk case i dette blogginnlegget: 7 gratis og rimelige AWS-kurs som kan hjelpe deg med å bruke generativ AI.

---

Om forfatteren

Emily Webber ble med i AWS like etter at SageMaker ble lansert, og har prøvd å fortelle verden om det siden den gang! Utenom å bygge nye ML-opplevelser for kunder, liker Emily å meditere og studere tibetansk buddhisme.

• SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
• PlatoData.Network Vertical Generative Ai. Styrk deg selv. Tilgang her.
• PlatoAiStream. Web3 Intelligence. Kunnskap forsterket. Tilgang her.
• PlatoESG. Bil / elbiler, Karbon, CleanTech, Energi, Miljø, Solenergi, Avfallshåndtering. Tilgang her.
• BlockOffsets. Modernisering av eierskap for miljøkompensasjon. Tilgang her.
• kilde: https://aws.amazon.com/blogs/machine-learning/new-technical-deep-dive-course-generative-ai-foundations-on-aws/