Overview
このコースでは、基盤モデル (FM) のパフォーマンスを向上させる 2 つの手法である検索拡張生成 (RAG) とファインチューニングについて取り上げます。埋め込みを使用してエンコードしたベクトルを保存できるベクトルデータベースの AWS サービス、マルチステップタスクにおけるエージェントの役割、FM をファインチューニングするための定義方法、ファインチューニングのためにデータを準備する方法などについて学習します。
・コースレベル: 基礎
・所要時間: 1時間
アクティビティ
このコースには、インタラクティブな要素、テキストによる説明、イラスト入りのグラフィック、ナレッジチェックが含まれます。
コースの目標
このコースでは、以下について学習します。
- 埋め込みを使用してエンコードしたベクトルを保存できるベクトルデータベースの AWS サービスを特定する。
- マルチステップタスクにおけるエージェントの役割を理解する。
- FM のパフォーマンスを評価する方法を理解する。
- FM がビジネスの目標を効果的に満たすかどうかを判断する。
- FM をファインチューニングする方法を定義する。
- FM をファインチューニングするためにデータを準備する方法を説明する。
- ユースケースで特定されたビジネスメトリクスに基づいて、FM がビジネスの目標を効果的に満たすかどうかを判断する。
コースの対象者
このコースは次のような方を対象としています。
- 特定の職務とは関係なく、人工知能や機械学習 (AI/ML) に興味がある人
前提条件
「Optimizing Foundation Models」は、人工知能、機械学習、生成 AI の基礎知識を習得するシリーズの一部として提供されています。本コースの受講前に、以下の 2 つのコースを修了することをお勧めします。
- Fundamentals of Machine Learning and Artificial Intelligence
- Exploring Artificial Intelligence Use Cases and Applications
コースの概要
セクション 1: はじめに
- このコースの受講方法
- コースの概要
セクション 2: 検索拡張生成による基盤モデルの最適化
- ビジネスケース
- 検索拡張生成 (RAG)
- エージェント
- 結果の評価
- ナレッジチェック
セクション 3: ファインチューニングによる基盤モデルの最適化
- ビジネスケース
- ファインチューニング
- モデルの評価
- ナレッジチェック
セクション 4: まとめ
- リソース <
