Build a Question-answering Bot using Generative AI (Japanese)

Overview

このラボでは、AWS のサービスに関する質問に答えるチャットボットを作成します。大規模言語モデル (LLM) のデプロイ、Amazon Kendra データソースとの統合、LLM にクエリを実行して検索拡張生成 (RAG) を使用する Amazon Lex V2 チャットボットの作成などの実践的な経験を提供します。このラボを通じて、言語モデルの基本機能を強化する方法を理解できます。

チャットボットには、Flan T5-XL Foundation モデル、Langchain、Kendra インデックスの3つの主要コンポーネントがあります。Flan T5-XL は Amazon SageMaker でホストされている大規模言語モデルです。Langchain は AWS ドキュメントで構成された Kendra インデックスを取り込むためのフレームワークです。これらのドキュメントとチャットボットのテキストに入力された質問は Flan モデルに渡され、応答が生成されます。このラボを通じて、Lex V2 を使用してチャットボットのインターフェイスを構築し、AWS のさまざまなサービスを活用して言語モデルの機能を強化する方法を包括的に学習できます。

このラボを修了すると、以下ができるようになります。

• 生成 AI アプリケーションによって生成された出力を改善するための検索拡張生成の使用方法を説明する。
• 大規模言語モデルを活用した Lex チャットボットをデプロイする。
• Langchain を Amazon SageMaker で起動したモデルに接続する。

このラボを実施するには、コンテナ化されたアプリケーションと基本的な機械学習の概念に精通している必要があります。AWS CodeBuild、AWS Lambda、AWS CloudFormation、Amazon Kendra、Amazon Lex などの AWS サービスに関する基本的な知識も必要です。また、Getting Started with Amazon Kendra コースを完了している必要があります。

このラボの所要時間は約 75 分です。

このラボでは、さまざまな手順と注記への注意を促すために各種アイコンが使用されています。以下は各アイコンの目的を説明したものです。

• コマンド: 実行する必要があるコマンドを表します。
• 想定される出力: 出力のサンプルを示し、コマンドや編集済みファイルの出力を確認するときの参考にします。
• 注意: ヒントや重要なガイダンスを提供します。
• 詳細: 詳細情報が記載されている場所を示します。
• 警告: 特記事項や重要な情報を提示し、特定のステップを繰り返す必要が生じる可能性があります。
• 警告: コマンドやプロセスの失敗に影響を与える可能性がある、元に戻せないアクションを提示します。
• 検討: あるコンセプトを自分の環境でどのように応用できるかを考えたり、学習中のトピックについて議論したりする時間を示します。
• ファイルの内容: 事前に作成され、実行する必要のあるスクリプトまたはファイルの内容を示します。
• タスク完了: ラボのまとめや要点を示します。

University

Syllabus

Taught by

Tags

united states