Amazon Bedrock, Amazon Q et AWS Generative AI [2025]

Aperçu

8+ Cas d'utilisation avec Amazon Bedrock, Amazon Q, Agents, Bases de connaissances, Chatbot, LangChain, DeepSeek. Aucune expérience en IA ou en codage requise.

Ce que vous apprendrez :

Apprenez les fondamentaux de l'IA, de l'apprentissage automatique et des réseaux neuronaux artificiels. Apprenez comment fonctionne l'IA générative et plongez dans les modèles de fondation.

Amazon Bedrock - Guide détaillé de la console, architecture de Bedrock, tarification et paramètres d'inférence. Cas d'utilisation 1 :

Industrie des médias et du divertissement :

Générer un design d'affiche de film en utilisant API Gateway, S3 et le modèle de fondation Stable Diffusion.

Cas d'utilisation 2 :

Résumé de texte pour l'industrie manufacturière en utilisant API Gateway, S3 et le modèle de fondation Cohere. Cas d'utilisation 3 :

Construire un chatbot en utilisant l'API Bedrock Converse - DeepSeek et Nova Pro Foundation Model, Langchain et Streamlit.

Cas d'utilisation 4 :

Application de questions-réponses RH pour les employés avec génération augmentée par récupération (RAG) - Bedrock - Claude Foundation Model + Langchain + FAISS + Streamlit. Cas d'utilisation 5 :

Application e-learning sans serveur utilisant Bedrock Knowledge Base + Claude FM + AWS Lambda + API Gateway.

Cas d'utilisation 6 :

Construire un agent bancaire de détail utilisant les agents et bases de connaissances Amazon Bedrock. Cas d'utilisation 7 :

Amazon Q Business - Construire une application de gestion marketing avec Amazon Q.

Cas d'utilisation 8 :

Capacités du développeur Amazon Q sur SDLC - Pratique pratique. Journalisation Bedrock avec AWS CloudWatch.

Cycle de vie du projet GenAI :

Phase 1 - Sélection de cas d'utilisation - Discussion sur les différentes phases de GenAI et comment identifier le bon cas d'utilisation. Cycle de vie du projet GenAI :

Phase 2 - Sélection de modèle de fondation - Théorie et pratique à l'aide du service d'évaluation des modèles AWS Bedrock.

Cycle de vie du projet GenAI :

Phase 3 - Ingénierie des prompts - Facteurs affectant la conception des prompts - Claude, Amazon Titan, Stability Diffusion, Techniques de conception de prompts. Cycle de vie du projet GenAI :

Phase 4 - Ajustement fin des modèles de fondation - Théorie et pratique.

Rafraîchissement des bases de Python. Rafraîchissement d'AWS Lambda et d'API Gateway.

Cours Amazon Bedrock, Amazon Q et AWS GenAI :

***Cas d'utilisation pratiques mis en œuvre dans le cadre de ce cours*** Cas d'utilisation 1 :

Générer une conception d'affiche pour l'industrie des médias utilisant API Gateway, S3 et le modèle de fondation Stable Diffusion. Cas d'utilisation 2 :

Résumé de texte pour l'industrie manufacturière utilisant API Gateway, S3 et le modèle de fondation Cohere.

Cas d'utilisation 3 :

Construction d'un chatbot en utilisant Amazon Bedrock - DeepSeek, Langchain et Streamlit. Cas d'utilisation 4 :

Construction d'une application de questions-réponses RH pour les employés avec génération augmentée par récupération (RAG) - Claude FM + Langchain (Orchestrateur) + FAISS (Vector DB) + Streamlit.

Cas d'utilisation 5 :

Application e-learning sans serveur utilisant Bedrock Knowledge Base + Claude FM + AWS Lambda + API Gateway. Cas d'utilisation 6 :

Construction d'un agent bancaire de détail utilisant les agents et bases de connaissances Amazon Bedrock - Claude Sonnet + AWS Lambda + DynamoDB + Bedrock Agents + Knowledge Bases + OpenAPI Schema.

Cas d'utilisation 7 :

Amazon Q Business - Construction d'une application de gestion marketing avec Amazon Q Business. Cas d'utilisation 8 :

Développeur Amazon Q - Aperçu des capacités de génération de code du développeur Amazon Q - Sur SDLC.

Bienvenue dans le guide le plus complet sur Amazon Bedrock et l'IA générative sur AWS d'un architecte de solutions AWS en exercice et instructeur Udemy à succès. Ce cours commence avec les bases absolues de l'IA/ML, de l'IA générative et d'Amazon Bedrock, et vous apprend à construire des applications d'entreprise de bout en bout sur la génération d'images utilisant Stability Diffusion Foundation, le résumé de texte utilisant Cohere, le chatbot utilisant Llama 2, Langchain, Streamlit et la génération de code utilisant Amazon CodeWhisperer.

L'objectif de ce cours est de vous aider à changer de carrière et à passer à des rôles lucratifs dans l'IA générative. Il n'y a pas de prérequis pour ce cours, sauf une connaissance de base d'AWS.

Je fournirai un aperçu de base des concepts d'IA/ML et j'ai inclus un rafraîchissement de Python, AWS Lambda et API Gateway à la fin du cours si vous n'êtes pas familier avec le codage en Python ou ces services AWS. Je continuerai à mettre à jour ce cours à mesure que l'évolution de GenAI et Bedrock pour vous donner une compréhension détaillée et l'apprentissage nécessaire dans le contexte d'entreprise, de sorte que vous soyez prêt pour changer de carrière.

Vue d'ensemble détaillée du cours :

Section 2 - Évolution de l'IA générative :

Apprenez les fondamentaux de l'IA, de l'apprentissage automatique et des réseaux neuronaux artificiels (couches, poids et biais). Section 3 - Concepts de l'IA générative et des modèles de fondation :

Apprenez comment fonctionne l'IA générative (prompt, inférence, achèvement, fenêtre de contexte, etc.) et guide détaillé du fonctionnement du modèle de fondation.

Section 4 - Amazon Bedrock - Approfondissement :

Faites une exploration détaillée de la console, de l'architecture de Bedrock, des tarifs et des paramètres d'inférence. Section 5 - Cas d'utilisation 1 :

Industrie des médias et du divertissement :

générer une conception d'affiche de film en utilisant API Gateway, S3 et le modèle de fondation Stable Diffusion.

Section 6 - Cas d'utilisation 2 :

Résumé de texte pour l'industrie manufacturière en utilisant API Gateway, S3 et le modèle de fondation Cohere. Section 7 - Cas d'utilisation 3 :

Construire un chatbot en utilisant Bedrock - DeepSeek, Langchain et Streamlit.

Section 8 - Cas d'utilisation 4 :

Construire une application de questions-réponses RH pour les employés avec génération augmentée par récupération (RAG) - Amazon Bedrock (Claude Foundation Model) + Langchain (Orchestrateur) + FAISS (Vector DB) + Streamlit. Section 9 - Application e-learning sans serveur utilisant Bedrock Knowledge Base + Claude FM + AWS Lambda + API Gateway.

Section 10 - Construire un agent bancaire de détail utilisant les agents et bases de connaissances Amazon Bedrock, DynamoDB, Lambda. Section 11 - Cycle de vie du projet GenAI :

Phase 1 - Sélection de cas d'utilisation - Discussion sur les différentes phases de GenAI et comment identifier le bon cas d'utilisation.

Section 12 - Cycle de vie du projet GenAI :

Phase 2 - Sélection de modèle de fondation - Théorie et pratique utilisant AWS Bedrock Model Evaluation Service. Section 13 - Cycle de vie du projet GenAI :

Phase 3 - Ingénierie des prompts - Facteurs affectant la conception de prompt, techniques de conception de prompt (Zero Shot, One Shot.), Bonnes pratiques pour rédiger des prompts pour les modèles de fondation Claude, Titan et Stability AI.

Section 14 - Cycle de vie du projet GenAI :

Phase 4 - Ajustement fin des modèles de fondation - Théorie et pratique. Section 15 - Génération de code en utilisant AWS CodeWhisperer et CDK - En Typescript.

Section 16 - Rafraîchissement des bases de Python. Section 17 - Rafraîchissement d'AWS Lambda.

Section 18 - Rafraîchissement d'AWS API Gateway. Services utilisés dans le cours :

Amazon Bedrock Amazon Q Deepseek et Nova Pro Foundation Model Cohere Foundation Model Stability Diffusion Model Claude Foundation Model d'Anthropic Claude Sonnet Agents Amazon Bedrock Base de connaissances Bedrock Langchain - Modules de chaînes et de mémoire FAISS Vector Store Génération de code AWS utilisant AWS Code Whisperer API Gateway AWS Lambda AWS DynamoDB Schéma Open API Streamlit S3 Techniques de conception de prompts (Zero Shot, One Shot.) pour les modèles de fondation Claude, Titan et Stability AI (LLMs) Ajustement fin des modèles de fondation - Théorie et pratique Python Évaluation des modèles de fondation - Théorie et pratique Notions de base de l'IA, du ML, des réseaux neuronaux artificiels Notions de base de l'IA générative Tout ce qui concerne AWS Amazon Bedrock

Programme

• Introduction au cours
Aperçu d'Amazon Bedrock, Amazon Q et AWS Generative AI
Objectifs et résultats du cours
Méthodes d'évaluation et critères de notation
• Introduction à l'IA et au Machine Learning
Principes de base des concepts d'IA et de ML
Aperçu de l'IA générative
• Amazon Bedrock
Introduction à Amazon Bedrock
Avantages et fonctionnalités de l'utilisation de Bedrock
Configuration et paramétrage de Bedrock pour les applications d'IA
Études de cas et applications réelles
• Amazon Q
Compréhension de la plateforme Amazon Q
Utilisation de Q pour l'intégration de l'informatique quantique
Principales caractéristiques et fonctionnalités
Session pratique : Déployer des modèles d'IA avec Amazon Q
• AWS Generative AI
Aperçu des services AWS Generative AI
Outils et API disponibles pour l'IA générative sur AWS
Construction et déploiement de modèles génératifs avec les services AWS
Meilleures pratiques pour utiliser AWS GenAI efficacement
• Intégration et cas d'utilisation
Intégration de Bedrock et Amazon Q avec les services d'IA AWS
Exploration des cas d'utilisation dans l'industrie : Santé, Finance et E-commerce
Applications réelles et cas de réussite
• Sécurité et éthique
Meilleures pratiques de sécurité pour les déploiements d'IA
Considérations éthiques dans l'utilisation des technologies d'IA
Assurer la conformité aux normes mondiales
• Ateliers pratiques et laboratoires
Configuration du laboratoire et ressources nécessaires
Exercices pratiques et projets pour développer des compétences
Guide pour créer une application d'IA générative
• Projet final et présentation
Directives pour la soumission du projet final
Conseils pour le succès du projet et critères d'évaluation
Préparation et réalisation de présentations efficaces
• Conclusion du cours
Résumé des enseignements clés et compétences acquises
Tendances futures de l'IA et feuille de route pour l'apprentissage continu
Feedback sur le cours et prochaines étapes

Enseigné par

Rahul Trisal

Sujets

Programmation