In diesem Modul werden wir uns mit den grundlegenden Konzepten der Künstlichen Intelligenz und des maschinellen Lernens befassen. Sie lernen wichtige Themen wie Empfehlungssysteme, Modelle des maschinellen Lernens und die verschiedenen Arten von Lernverfahren kennen. Am Ende dieses Abschnitts verfügen Sie über ein umfassendes Verständnis der Grundlagen von KI und ML, einschließlich der Unterschiede zwischen überwachtem, unüberwachtem und verstärkendem Lernen, Datentypen, Inferenztechniken und Anwendungen des Deep Learning.

In diesem Modul werden wir uns eingehend mit den Grundlagen der generativen KI befassen und dabei wichtige Konzepte wie Fundament-Modelle und Large Language Models (LLMs) behandeln. Außerdem lernen Sie die Transformer-Architektur kennen, die für moderne KI-Modelle wie GPT und BERT von zentraler Bedeutung ist. Darüber hinaus werden wir untersuchen, wie generative KI menschenähnliche Texte erzeugen kann, mit Anwendungsmöglichkeiten in Chatbots, bei der Erstellung von Inhalten und vielem mehr.

In diesem Modul werden wir die Tools und Dienste von Amazon zur Implementierung generativer KI untersuchen, wobei der Schwerpunkt auf Amazon Bedrock liegt. Sie lernen, wie Sie Basis-Modelle bereitstellen und anpassen, Prompt-Engineering anwenden und KI-Modelle in Wissensdatenbanken und andere AWS-Dienste integrieren. Darüber hinaus behandeln wir fortgeschrittene Themen wie Retrieval Augmented Generation (RAG), die Rolle von Agenten in der Automatisierung, preisliche Überlegungen sowie Sicherheitsmaßnahmen wie Guardrails. Am Ende dieses Abschnitts sind Sie in der Lage, generative KI-Anwendungen mit AWS zu entwickeln und zu skalieren.

In diesem Modul konzentrieren wir uns auf die Techniken zur Feinabstimmung von KI-Modellen, um deren Leistung bei bestimmten Aufgaben oder Datensätzen zu verbessern. Sie werden das Fine-Tuning mit dem fortgesetzten Vortraining vergleichen, um deren unterschiedliche Zwecke im maschinellen Lernen zu verstehen. Darüber hinaus führen wir Sie durch den Prozess der Erstellung benutzerdefinierter Modelle in Amazon Bedrock, sodass Sie KI-Lösungen für Bereiche der Spezialisierung maßschneidern können.

In diesem Modul führen wir Sie durch den gesamten Prozess der Entwicklung Ihres eigenen KI-Modells – vom ersten Konzept bis zur Bereitstellung. Sie lernen, wie Sie Daten aufbereiten, Algorithmen auswählen, Modelle trainieren und diese mithilfe von Amazon SageMaker bereitstellen. Außerdem behandeln wir die Rollen in einem ML-Team sowie Best Practices für MLOps und bieten eine praktische Demonstration zur Erstellung, Optimierung und Bereitstellung eines Machine-Learning-Modells in einer realen Umgebung. Am Ende dieses Abschnitts verfügen Sie über das Wissen und die Werkzeuge, um maßgeschneiderte KI-Modelle für Ihre Anwendungen zu erstellen, zu trainieren und bereitzustellen.

In diesem Modul konzentrieren wir uns auf die Überwachung der Leistung Ihrer KI-Modelle anhand von geschäftlichen und technischen Kennzahlen. Sie lernen, wie Sie geschäftliche Kennzahlen verfolgen, die den Erfolg und den Wert Ihrer Modelle im geschäftlichen Kontext messen. Darüber hinaus werden wir wichtige technische Kennzahlen zur Überwachung der Effizienz und Effektivität von Machine-Learning-Modellen untersuchen, um sicherzustellen, dass diese optimal funktionieren.

In diesem Modul werden wir uns eingehend mit den ethischen Überlegungen befassen, die bei der Entwicklung von KI-Systemen maßgeblich sein müssen. Sie werden sich mit zentralen Themen wie Fairness, Transparenz und Rechenschaftspflicht auseinandersetzen, um sicherzustellen, dass KI-Technologien verantwortungsbewusst und gerecht eingesetzt werden. Außerdem werden wir Strategien zur Bewältigung von Herausforderungen im Bereich der KI wie Voreingenommenheit und Erklärbarkeit erörtern und Ihnen damit die Werkzeuge an die Hand geben, um ethische Dilemmata bei der Entwicklung und dem Einsatz von KI zu bewältigen.

In diesem Modul stellen wir Ihnen die umfassenden KI- und ML-Dienste von AWS vor. Sie lernen, wie Sie Dienste wie Amazon Comprehend für die Textanalyse, Amazon Lex für die Erstellung dialogorientierter Schnittstellen und Amazon Rekognition für die Bild- und Videoanalyse nutzen können. Außerdem behandeln wir Tools wie Amazon Personalize für Produktempfehlungen und Amazon Polly für Text-to-Speech-Funktionen. Am Ende dieses Abschnitts sind Sie in der Lage, Ihre KI-Projekte mit der breiten Palette spezialisierter Dienste von AWS zu optimieren.

In diesem Modul geben wir Ihnen wichtige Tipps und Strategien zur Vorbereitung auf die AWS-KI-Zertifizierungsprüfung. Sie erhalten Hinweise zu den wichtigsten Themen, auf die Sie sich konzentrieren sollten, und erfahren, wie Sie Ihre Lerneinheiten strukturieren können, um optimale Ergebnisse zu erzielen. Am Ende dieses Abschnitts werden Sie sich sicher fühlen und bestens gerüstet sein, um die Prüfung erfolgreich zu bestehen.