آموزش پارامترهای Amazon Bedrock و رفتار مدل - آخرین آپدیت

دانلود Amazon Bedrock Parameters and Model Behavior

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: به دست آوردن نتایج سازگار و مقرون‌به‌صرفه از Amazon Bedrock به چیزی فراتر از ارسال یک پرامپت ساده به مدل نیاز دارد. این امر مستلزم انتخاب‌های آگاهانه در مورد اینکه از کدام مدل استفاده کنید، چگونه رفتار آن را پیکربندی کنید و چه ساختاری برای ورودی‌های خود در نظر بگیرید است. در این دوره با عنوان «پارامترهای Amazon Bedrock و رفتار مدل»، شما یاد می‌گیرید که هر اهرمی را که خروجی یک مدل پایه (Foundation Model) را در محیط Amazon Bedrock شکل می‌دهد، کنترل کنید. ابتدا، چشم‌انداز مدل‌های پایه موجود در Bedrock، از جمله خانواده‌های Amazon Nova، Anthropic Claude، Meta Llama و Mistral را بررسی خواهید کرد. سپس، متوجه خواهید شد که پارامترهای استنتاج مانند Temperature، Top-p و Max Tokens در لایه‌های زیرین چگونه عمل می‌کنند و به‌طور مستقیم خواهید دید که چگونه تنظیم آن‌ها، میزان تصادفی بودن، طول و قطعیت پاسخ‌ها را تغییر می‌دهد. در نهایت، یاد می‌گیرید که چگونه انتخاب‌های مربوط به پرامپت و پارامترها مستقیماً بر صورت‌حساب Bedrock شما تأثیر می‌گذارد؛ تا pricing مبتنی بر توکن را درک کرده و تنظیماتی هدفمند برای کنترل هزینه‌ها بدون کاهش کیفیت نتایج انجام دهید. پس از اتمام این دوره، شما مهارت‌ها و مدل‌های ذهنی لازم برای پیکربندی Amazon Bedrock جهت بارهای کاری عملیاتی (Production)، انتخاب مدل مناسب، تنظیم دقیق پارامترها، طراحی پرامپت‌های قابل اعتماد و پیش‌بینی‌پذیر نگه داشتن هزینه‌ها را کسب خواهید کرد.

سرفصل ها و درس ها

انتخاب مدل پایه مناسب Choosing the right foundation model

  • خانواده‌های مدل و معیارهای انتخاب Model families and selection criteria

  • رابط API گفتگو و قابلیت جابجایی مدل‌ها The converse API and model portability

  • دمو: مقایسه مدل‌ها در محیط Bedrock Playground Demo: comparing models in the bedrock playground

پیکربندی پارامترهای استنتاج برای کنترل تغییرپذیری خروجی مدل Configure inference parameters to control model output variability

  • پارامترهای Temperature، Top P و Top K Temperature, Top-P, and Top-K

  • حداکثر توکن‌ها، توالی‌های توقف و کنترل طول پاسخ Max tokens, stop sequences, and length control

  • دمو: تنظیم پارامترها در Playground Demo: Tuning parameters in the playground

ساختاردهی به پرامپت‌ها برای شکل‌دهی قابل اعتماد به پاسخ‌های مدل Structure prompts to reliably shape model responses

  • سازماندهی پرامپت‌ها با ساختار شفاف Organizing prompts with clear structure

  • اجبار به خروجی ساختاریافته و کاهش توهمات مدل Enforcing structured output and reducing hallucinations

  • دمو: ساخت گام‌به‌گام یک پرامپت قابل اعتماد Demo: Building a reliable prompt step-by-step

بررسی تأثیر انتخاب‌های پرامپت و پارامتر بر هزینه‌ها Explain how prompt and parameter choices affect cost

  • نحوه عملکرد قیمت‌گذاری Bedrock How bedrock pricing works

  • شناسایی و کاهش اتلاف توکن‌ها Identifying and reducing token waste

  • دمو: اندازه‌گیری و کاهش هزینه در یک پرامپت واقعی Demo: Measuring and reducing cost on a real prompt

نمایش نظرات

آموزش پارامترهای Amazon Bedrock و رفتار مدل
جزییات دوره
52m
12
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
2
از 5
دارد
دارد
دارد
Mario Mercado
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Mario Mercado Mario Mercado

ماریو مرکادو یک مهندس سیستم است که تقریباً 10 سال در صنعت نرم افزار و فناوری اطلاعات کار می کند. او به عنوان توسعه دهنده نرم افزار و مهندس تضمین کیفیت نقش داشته است. در 5 سال گذشته، او با AWS کار کرده است و به چندین شرکت کمک می کند تا به بهترین معماری خود در فضای ابری دست یابند. در حال حاضر ماریو بر روی Kubernetes و به طور کلی کانتینرها و توسعه خطوط لوله CICD برای چندین پروژه و میکروسرویس متمرکز شده است. او یک جامعه ساز AWS است، دارای گواهینامه های AWS Solutions Architect Associate، AWS Solutions Architect Professional و گواهینامه های تخصصی امنیت است. او همچنین نویسنده دوره هایی مانند "Hands-on with Amazon EKS" و "Advanced Terraform with AWS" در Pluralsight/A Cloud Guru است. او همچنین یک نوازنده است، بنابراین با اصطلاح "ارکستراسیون" به طور کلی آشنا است.).