آموزش نمونه‌سازی با Amazon Bedrock تحت محدودیت‌های دنیای واقعی - آخرین آپدیت

دانلود Prototyping with Amazon Bedrock Under Real-world Constraints

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: توسعه‌دهندگانی که هوش مصنوعی مولد را در برنامه‌های خود ادغام می‌کنند، اغلب پیامدهای عملیاتی فراخوانی مدل‌های زبانی بزرگ، از جمله هزینه، تغییرپذیری و رفتار احتمالی را دست‌کم می‌گیرند. در این دوره آموزشی با عنوان «نمونه‌سازی با Amazon Bedrock تحت محدودیت‌های دنیای واقعی»، شما توانایی تحلیل Amazon Bedrock را به عنوان یک سرویس استنتاج مدیریت‌شده و اندازه‌گیری شده در هنگام طراحی نمونه‌های اولیه کسب خواهید کرد. ابتدا بررسی می‌کنید که Amazon Bedrock چگونه زیرساخت استنتاج در مقیاس بزرگ را در پشت یک API ثابت انتزاع می‌کند و فراخوانی مدل از دیدگاه یک توسعه‌دهنده چگونه عمل می‌کند. سپس، متوجه خواهید شد که چرا خروجی‌های مدل‌های پایه احتمالی هستند و چگونه تغییرپذیری و تأخیر (Latency) بر رفتار سیستم تأثیر می‌گذارد. در نهایت، یاد می‌گیرید که چگونه با در نظر گرفتن هزینه، تغییرپذیری و تبادل‌های عملیاتی، طراحی نمونه اولیه را در چارچوب محدودیت‌های دنیای واقعی پیش ببرید. در پایان این دوره، شما مهارت‌ها و دانش لازم برای کار با Amazon Bedrock را به عنوان یک سرویس استنتاج مدیریت‌شده به دست خواهید آورد تا بتوانید ارزیابی کنید که استنتاج در چه زمانی و چگونه به برنامه‌های نمونه اولیه ارزش می‌افزاید.

سرفصل ها و درس ها

درک Bedrock به عنوان استنتاج مدیریت‌شده Understanding Bedrock as managed inference

  • هنگام فراخوانی Amazon Bedrock چه اتفاقی می‌افتد؟ What happens when you invoke Amazon Bedrock?

  • زیرساخت استنتاج مدیریت‌شده Managed inference infrastructure

  • استنتاج اندازه‌گیری شده و صورت‌حساب توکن‌ها Metered inference and token billing

سیستم‌های قطعی در مقابل سیستم‌های احتمالی Deterministic vs. probabilistic systems

  • سرویس‌های ابری قطعی Deterministic cloud services

  • خروجی‌های احتمالی مدل Probabilistic model outputs

  • تغییرپذیری در رفتار سیستم Variability in system behavior

طراحی نمونه‌های اولیه تحت محدودیت‌ها Designing prototypes under constraints

  • هزینه و تبادل‌های استنتاج Cost and inference tradeoffs

  • تغییرپذیری و تلاش‌های مجدد (Retries) Variability and retries

  • نمونه‌های اولیه محدود شده Bounded prototypes

نمایش نظرات

آموزش نمونه‌سازی با Amazon Bedrock تحت محدودیت‌های دنیای واقعی
جزییات دوره
32m
9
(آخرین آپدیت)
1
از 5
دارد
دارد
دارد
Craig Arcuri
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Craig Arcuri Craig Arcuri

کریگ بیش از 20 سال تجربه در فناوری اطلاعات در زمینه هایی از مهندسی سیستم و شبکه، توسعه نرم افزار، مدیریت پروژه فنی و خدمات وب آمازون دارد. او بیش از 5 سال است که در وب سرویس های آمازون محتوا ایجاد می کند. حوزه‌های تخصص شامل AWS Certified DevOps Professional، CloudFormation و مجموعه ابزارهای توسعه‌دهنده AWS است. کریگ دارای 6 گواهینامه AWS و همچنین گواهینامه حرفه ای مدیریت پروژه است.