Lernen Sie, generative KI-Lösungen auf AWS zu entwickeln, indem Sie praktisch mit Amazon Bedrock, Retrieval Augmented Generation-Pipelines, Amazon Q Developer und Open-Source-LLM-Toolchains arbeiten. Sie wenden Tokenisierungskonzepte an, um die Modellpreisgestaltung und Kontextfenster zu verstehen, erstellen RAG-Pipelines auf der Grundlage Ihrer eigenen Wissensdatenbanken und nutzen das Bedrock-SDK in Rust und Python, um Basismodelle programmgesteuert aufzurufen. Der Kurs behandelt Amazon Q Developer für KI-gestützte Codegenerierung, Sicherheitsscans und Dokumentationsworkflows in VS Code und IntelliJ. Sie kompilieren „llama.cpp“ mit parallelen Build-Optimierungen nach dem Amdahlschen Gesetz, verpacken Modelle im GGUF-Quantisierungsformat und stellen Open-Source-LLMs auf AWS EC2-GPU-Instanzen bereit. Der Kurs stellt außerdem SageMaker Canvas für visuelles maschinelles Lernen ohne Programmieraufwand sowie das Python-Paketierungstool UV für das Abhängigkeitsmanagement vor. Nach Abschluss dieses Kurses sind Sie in der Lage, die Vor- und Nachteile von verwalteten AWS-Diensten, Open-Source-Toolchains und No-Code-Plattformen für generative KI-Workloads in der Produktion zu bewerten.