Agentic AI Foundations

Geschrieben von Gemma Corrado am 28. August 2025. Veröffentlicht in AWS Training, Training.

Agentic AI Foundations

aktuelle Kurs-Termine finden Sie am Ende dieser Seite!

BESCHREIBUNG

Im Kurs Agentic AI Foundations lernen Sie die grundlegenden Prinzipien und Strategien für das Design von Agentic AI-Systemen mit AWS-Services kennen. Sie erfahren, wie sich Agentic AI von herkömmlichen Conversational Systems unterscheidet und wie Sie Tools wie Amazon Q, Kiro, Amazon Bedrock Agents und Amazon Bedrock AgentCore nutzen können, um autonome, zielorientierte Lösungen zu entwickeln, die reale Probleme lösen.

Kursziele

In diesem Kurs lernen Sie:

die Entwicklung von Agentic AI zusammenzufassen und zu definieren, was etwas „agentic“ macht
die zentralen Komponenten von agentic Systemen zu identifizieren
zwischen Workflow-, autonomen und hybriden Agents zu unterscheiden
AWS-Service-Optionen für Agentic AI zu vergleichen
die Funktionen und Anwendungsfälle von Amazon Q Developer, Amazon Q Business und Kiro zu beschreiben
die Grundlagen von Amazon Bedrock AgentCore und Amazon Bedrock Agents zu erklären
grundlegende Implementierungsmuster für Agentic AI zu identifizieren
Observability- und Interoperabilitätsmuster für produktive agentic AI-Systeme zu beschreiben

ZIELGRUPPE

Dieser Kurs ist konzipiert für:

Softwareentwickler, die neu im Bereich Agentic AI sind und Grundlagenwissen aufbauen möchten
technische Fachkräfte, die KI-Funktionalitäten erkunden und sich für Kernkomponenten und Anwendungen von agentic AI interessieren
Entwicklungsteams, die Agentic AI-Lösungen evaluieren und die Unterschiede zwischen verschiedenen Agent-Typen verstehen müssen
AWS-Nutzer, die ihr Wissen auf Agentic AI ausweiten möchten, einschließlich aktueller Anwender von Amazon Q Developer, Amazon Q Business und Amazon Bedrock Agents

Voraussetzungen

Wir empfehlen, dass die Teilnehmer an diesem Kurs die folgenden Voraussetzungen erfüllen:

die Teilnahme an Generative AI Essentials oder gleichwertige Berufserfahrung
grundlegende AWS-Kenntnisse sowie Erfahrung in der Softwareentwicklung

LEHRMETHODE

Dieser Kurs setzt sich zusammen aus:

Präsentationen
Hands-on Labs
Gruppenübungen

KURSDAUER / PREIS

1 Tag
€ 775,00 zzgl. Mwst. pro Person (DE)

KURSINHALT

Tag 1

Modul 1: Von LLMs zu Agents
- Große Sprachmodelle (LLMs) verstehen
- Innovations powering agents
- Entwicklungszeitachse von LLMs zu Agenten
Modul 2: Einführung in Agentic AI
- Verständnis von Agentic AI
- Typen von AI Agents
- Anwendungsfälle von Agentic AI
Modul 3: Agentic AI Workflows verstehenW
- Workflow-Muster
- Überblick über Amazon Bedrock Flows
Modul 4: Einführung in Autonome Agents
- Funktionsweise autonomer Agents
- ReAct
- ReWoo
- Zusammenarbeit mehrerer Agents
- AWS-Lösungen für Agentic AI
Modul 5: Amazon Q und Agentic Development Tools
- Amazon Q Developer
- Amazon Q Business
- Amazon Q in AWS-Services
- Kiro: KI-gestützte IDE mit spezifikationsgetriebener Entwicklung
Modul 6: Agentic AI mit Amazon Bedrock
- Amazon Bedrock Agents
- Amazon Bedrock AgentCore
- Praxis-Lab: Arbeiten mit Amazon Bedrock Agents in Kombination mit Amazon Bedrock Knowledge Bases und Amazon Bedrock Guardrails
Modul 7: Eigene Lösungen entwickeln (DIY Solutions)
1. DIY-Lösungen
2. Observability und Monitoring
3. Agent-Interoperabilität
Modul 8: Kursabschluss
- Nächste Schritte und weiterführende Ressourcen
- Kurszusammenfassung

WICHTIG: Bitte bringen Sie zu unseren Trainings Ihr Notebook (Windows, Linux oder Mac) mit. Wenn dies nicht möglich ist, nehmen Sie bitte mit uns vorher Kontakt auf.

Kursunterlagen sind auf Englisch, auf Wunsch auch auf Deutsch (wenn verfügbar).
Kurssprache ist Deutsch, auf Wunsch auch auf Englisch.

Neue Termine in Planung!

Exam Prep: AWS Certified AI Practitioner

Geschrieben von Gemma Corrado am 2. Juli 2025. Veröffentlicht in AWS Training, Training.

Exam Prep: AWS Certified AI Practitioner

aktuelle Kurs-Termine finden Sie am Ende dieser Seite!

BESCHREIBUNG

Der Kurs Exam Prep: AWS Certified AI Practitioner bereitet Sie umfassend auf die Prüfung zum AWS Certified AI Practitioner vor. Sie erhalten einen tiefgehenden Einblick in alle relevanten Themenbereiche der Prüfung und lernen, wie diese mit der Entwicklung von KI- und Machine-Learning-Lösungen auf der AWS-Plattform zusammenhängen. Durch ausführliche Erklärungen und das Durcharbeiten prüfungsähnlicher Fragen festigen Sie Ihr Wissen, decken Wissenslücken auf und entwickeln effektive Strategien zur Bearbeitung der Prüfungsfragen. Die Analyse von Musterfragen hilft Ihnen dabei, falsche Antworten zu erkennen und Ihren Umgang mit der Prüfung weiter zu verbessern. Am Ende des Kurses verfügen Sie über ein solides Verständnis der Konzepte und praktischen Anwendungen, die in der Prüfung zum AWS Certified AI Practitioner abgefragt werden.

Kursziele

In diesem Kurs lernen Sie:

Den Prüfungsumfang und die Inhalte der AWS Certified AI Practitioner Prüfung einzuschätzen.
Prüfungsfragen im Stil der echten Prüfung zu üben und Ihre Vorbereitungsstrategie zu bewerten.
Anwendungsfälle zu analysieren und voneinander zu unterscheiden.

ZIELGRUPPE

Dieser Kurs ist konzipiert für:

Personen, die sich auf die AWS Certified AI Practitioner Prüfung vorbereiten.

Voraussetzungen

Für die Teilnahme am Kurs sind keine speziellen Trainings vorab erforderlich. Für die Prüfungsvorbereitung wird jedoch folgendes Wissen empfohlen:

Empfohlenes AWS-Wissen:

Grundkenntnisse der wichtigsten AWS-Services (z. B. Amazon EC2, Amazon S3, AWS Lambda, Amazon SageMaker AI) sowie deren typische Anwendungsfälle
Erste Erfahrungen (bis zu 6 Monate) mit KI- und ML-Technologien auf AWS
Vertrautheit mit KI- und ML-Lösungen auf AWS
Kenntnisse des AWS Shared Responsibility Models im Hinblick auf Sicherheit und Compliance
Grundverständnis von AWS Identity and Access Management (IAM) zur Absicherung und Steuerung des Zugriffs auf AWS-Ressourcen
Grundkenntnisse der AWS-Globalinfrastruktur, einschließlich AWS-Regionen, Availability Zones und Edge-Standorten
Vertrautheit mit AWS-Preismodellen

Empfohlene (aber nicht verpflichtende) Vorbereitungskurse:

Die folgenden (englischsprachigen) Online-Kurse mit jeweils kurzer Dauer werden zur Unterstützung empfohlen:

Fundamentals of Machine Learning and Artificial Intelligence (1 Stunde)
Exploring Artificial Intelligence Use Cases and Applications (1 Stunde)
Responsible Artificial Intelligence Practices (1 Stunde)
Developing Machine Learning Solutions (1 Stunde)
Developing Generative Artificial Intelligence Solutions (1 Stunde)
Essentials of Prompt Engineering (1 Stunde)
Optimizing Foundation Models (1 Stunde)
Security, Compliance, and Governance for AI Solutions (1 Stunde)
Generative AI for Executives (15 Minuten)
Amazon Q Business Getting Started (45 Minuten)
Amazon Bedrock Getting Started (1 Stunde)
Getting Started with Amazon Comprehend: Custom Classification (1 Stunde 15 Minuten)
Build a Question-Answering Bot Using Generative AI (1 Stunde 30 Minuten)

LEHRMETHODE

Dieser Kurs setzt sich zusammen aus:

Themenübersichtspräsentationen
Prüfungsähnliche Fragen
Praxisbeispiele
Gruppen- und Diskussionsaktivitäten

KURSDAUER / PREIS

1 Tag
€ 775,00 zzgl. Mwst. pro Person (DE)

KURSINHALT

Tag 1

Bereich 1: Grundlagen von Künstlicher Intelligenz (KI) und Machine Learning (ML)
- Grundlegende Konzepte und Begriffe der KI erklären
- Praxisnahe Anwendungsfälle für KI identifizieren
- Den Lebenszyklus der ML-Entwicklung beschreiben
Bereich 2: Grundlagen der Generativen KI
- Grundkonzepte der generativen KI erklären
- Fähigkeiten und Grenzen der generativen KI zur Lösung geschäftlicher Herausforderungen verstehen
- AWS-Infrastruktur und -Technologien zum Aufbau generativer KI-Anwendungen beschreiben
Bereich 3: Anwendungen von Foundation Models (Grundlagenmodellen)
- Gestaltungsaspekte bei Anwendungen mit Foundation Models beschreiben
- Effektive Techniken des Prompt Engineerings auswählen
- Trainings- und Feinabstimmungsprozesse (Fine-Tuning) von Foundation Models beschreiben
- Methoden zur Bewertung der Leistungsfähigkeit von Foundation Models beschreiben
Bereich 4: Leitlinien für verantwortungsvolle KI
- Die Entwicklung verantwortungsvoller KI-Systeme erklären
- Die Bedeutung transparenter und erklärbarer Modelle erkennen
Bereich 5: Sicherheit, Compliance und Governance für KI-Lösungen
- Methoden zur Absicherung von KI-Systemen erklären
- Vorschriften zu Governance und Compliance für KI-Systeme erkennen

WICHTIG: Bitte bringen Sie zu unseren Trainings Ihr Notebook (Windows, Linux oder Mac) mit. Wenn dies nicht möglich ist, nehmen Sie bitte mit uns vorher Kontakt auf.

Kursunterlagen sind auf Englisch, auf Wunsch auch auf Deutsch (wenn verfügbar).
Kurssprache ist Deutsch, auf Wunsch auch auf Englisch.

Neue Termine in Planung!

Exam Prep: AWS Certified Machine Learning Engineer – Associate

Geschrieben von Gemma Corrado am 1. Juli 2025. Veröffentlicht in AWS Training, Training.

Exam Prep: AWS Certified Machine Learning Engineer – Associate

aktuelle Kurs-Termine finden Sie am Ende dieser Seite!

BESCHREIBUNG

Der Kurs Exam Prep: AWS Certified Machine Learning Engineer – Associate bereitet Sie umfassend auf die Prüfung zum AWS Certified Machine Learning Engineer – Associate vor, indem er die wichtigsten Themenbereiche detailliert behandelt. Sie erhalten Einblicke in die zentralen Inhalte der Prüfung und erfahren, wie diese mit der Entwicklung von KI- und ML-Lösungen auf der AWS-Plattform zusammenhängen. Durch ausführliche Erklärungen und das Durcharbeiten von prüfungsähnlichen Fragen festigen Sie Ihr Wissen, erkennen Wissenslücken und erlernen effektive Strategien zum Beantworten der Fragen. Der Kurs beinhaltet auch die Bearbeitung von Musterprüfungsfragen, um Sie dabei zu unterstützen, falsche Antworten zu erkennen und Ihre Prüfungskompetenz zu verbessern. Am Ende des Kurses verfügen Sie über ein fundiertes Verständnis der Konzepte und praktischen Anwendungen, die in der AWS Certified Machine Learning Engineer – Associate Prüfung abgefragt werden.

Kursziele

In diesem Kurs lernen Sie:

Den Prüfungsumfang und die Inhalte der AWS Certified Machine Learning Engineer – Associate Prüfung einzuschätzen.
Prüfungsfragen im Stil der echten Prüfung zu üben und Ihre Vorbereitungsstrategie zu bewerten.
Anwendungsfälle zu analysieren und voneinander zu unterscheiden.

ZIELGRUPPE

Dieser Kurs ist konzipiert für:

Personen, die sich auf die AWS Certified Machine Learning Engineer – Associate Prüfung vorbereiten.

Voraussetzungen

Für die Teilnahme am Kurs sind keine speziellen Trainings vorab erforderlich. Für die Prüfungsvorbereitung wird jedoch folgendes Wissen empfohlen:

Allgemeine IT-Kenntnisse:

Etwa 1 Jahr Berufserfahrung in verwandten Rollen, z. B. als Backend-Softwareentwickler, DevOps-Entwickler, Data Engineer oder Data Scientist.
Grundverständnis gängiger ML-Algorithmen und deren Anwendungsfälle.
Grundlagen im Bereich Data Engineering, einschließlich gängiger Datenformate, Datenaufnahme (Ingestion) und Datenumwandlung für ML-Datenpipelines.
Kenntnisse im Abfragen und Transformieren von Daten.
Kenntnisse zu bewährten Praktiken der Softwareentwicklung für modulare, wiederverwendbare Code-Entwicklung, Deployment und Debugging.
Vertrautheit mit der Bereitstellung und Überwachung von ML-Ressourcen in der Cloud und vor Ort.
Erfahrung mit Continuous Integration und Continuous Delivery (CI/CD)-Pipelines sowie Infrastructure as Code (IaC).
Erfahrung mit Code-Repositories für Versionskontrolle und CI/CD.

Empfohlenes AWS-Wissen:

Etwa 1 Jahr Erfahrung im Umgang mit Amazon SageMaker AI und weiteren AWS-Diensten im Bereich ML-Engineering.
Kenntnisse über Amazon SageMaker und Algorithmen für Modellaufbau und -bereitstellung.
Wissen über AWS-Datenspeicher- und -verarbeitungsdienste zur Datenaufbereitung für Modellierung.
Vertrautheit mit dem Deployment von Anwendungen und Infrastruktur auf AWS.
Kenntnisse zu Monitoring-Tools für Logging und Fehlerbehebung in ML-Systemen.
Kenntnisse über AWS-Dienste zur Automatisierung und Orchestrierung von CI/CD-Pipelines.
Verständnis für AWS-Sicherheitspraktiken in Bezug auf Identitäts- und Zugriffsmanagement, Verschlüsselung und Datenschutz.

LEHRMETHODE

Dieser Kurs setzt sich zusammen aus:

Themenübersichtspräsentationen
Prüfungsähnliche Fragen
Praxisbeispiele
Gruppen- und Diskussionsaktivitäten

KURSDAUER / PREIS

1 Tag
€ 775,00 zzgl. Mwst. pro Person (DE)

KURSINHALT

Tag 1

Bereich 1: Datenaufbereitung für Machine Learning (ML)
- Daten erfassen und speichern
- Daten transformieren und Feature Engineering durchführen
- Datenintegrität sicherstellen und Daten für das Modelltraining vorbereiten

Bereich 2: Entwicklung von ML-Modellen
- Modellierungsansatz auswählen
- Modelle trainieren und optimieren
- Modellleistung analysieren

Bereich 3: Bereitstellung und Orchestrierung von ML-Workflows
- Bereitstellungsinfrastruktur basierend auf bestehender Architektur und Anforderungen auswählen
- Infrastruktur gemäß bestehender Architektur und Anforderungen erstellen und skripten
- Automatisierte Orchestrierungstools zur Einrichtung von Continuous Integration/Continuous Delivery (CI/CD)-Pipelines einsetzen

Bereich 4: Überwachung, Wartung und Sicherheit von ML-Lösungen
- Modellinterferenzen überwachen
- Infrastrukturkosten überwachen und optimieren
- AWS-Ressourcen absichern

WICHTIG: Bitte bringen Sie zu unseren Trainings Ihr Notebook (Windows, Linux oder Mac) mit. Wenn dies nicht möglich ist, nehmen Sie bitte mit uns vorher Kontakt auf.

Kursunterlagen sind auf Englisch, auf Wunsch auch auf Deutsch (wenn verfügbar).
Kurssprache ist Deutsch, auf Wunsch auch auf Englisch.

Neue Termine in Planung!

Machine Learning Engineering on AWS

Geschrieben von Gemma Corrado am 30. Juni 2025. Veröffentlicht in AWS Training, Training.

Aws Advanced Training Partner
Aws Premium Consuting Partner

Machine Learning Engineering on AWS

aktuelle Kurs-Termine finden Sie am Ende dieser Seite!

BESCHREIBUNG

Der Kurs Machine Learning Engineering on AWS ist ein dreitägiger Kurs, der sich an Fachkräfte im Bereich Machine Learning (ML) richtet, die lernen möchten, ML-Lösungen auf AWS zu entwickeln und produktiv einzusetzen. Die Teilnehmenden erwerben, durch eine ausgewogene Mischung aus Theorie, praktischen Übungen und Gruppenaktivitäten, fundierte Kenntnisse über die Entwicklung, Bereitstellung, Orchestrierung und Operationalisierung von skalierbaren ML-Lösungen. Die Kursteilnehmer arbeiten mit AWS-Diensten wie Amazon SageMaker sowie Analyse-Tools wie Amazon EMR, um robuste, skalierbare und produktionsreife Machine-Learning-Anwendungen praxisnah zu entwickeln.

Kursziele

In diesem Kurs lernen Sie folgendes:

Die Grundlagen des Machine Learning sowie dessen Anwendungsmöglichkeiten in der AWS-Cloud
Daten mit AWS-Services für ML-Aufgaben zu verarbeiten, umzuwandeln und aufzubereiten
Geeignete ML-Algorithmen und Modellierungsansätze entsprechend der Problemstellung und Anforderungen an die Interpretierbarkeit auszuwählen
Skalierbare ML-Pipelines mit AWS-Services für Modelltraining, Bereitstellung und Orchestrierung zu entwerfen und umzusetzen
Automatisierte Continuous-Integration- und Continuous-Delivery-(CI/CD)-Pipelines für ML-Workflows zu erstellen
Geeignete Sicherheitsmaßnahmen für ML-Ressourcen auf AWS
Monitoring-Strategien für produktiv eingesetzte ML-Modelle zu implementieren – einschließlich Techniken zur Erkennung von Data Drift

ZIELGRUPPE

Dieser Kurs ist konzipiert für:

Fachleute, die ML-Modelle auf AWS entwickeln, bereitstellen und betreiben möchten. Dazu zählen sowohl angehende als auch erfahrene Machine Learning Engineers mit begrenzter AWS-Erfahrung.
DevOps Engineers
Entwickler
Systemadministratoren (SysOps Engineers)

VORAUSSETZUNGEN

Teilnehmende sollten idealerweise folgende Kenntnisse mitbringen:

Grundlegendes Verständnis von Machine Learning
Erfahrung mit der Programmiersprache Python und gängigen Data-Science-Bibliotheken wie NumPy, Pandas und Scikit-learn
Grundverständnis von Cloud-Computing-Konzepten und erste Erfahrungen mit AWS
Erfahrung mit Versionskontrollsystemen wie Git (von Vorteil, aber nicht zwingend erforderlich)

LEHRMETHODE

Dieser Kurs setzt sich zusammen aus:

Vorträge
Demonstrationen
Gruppenübungen
Praktische Übungen

KURSDAUER / PREIS

3 Tage
€ 1.995,00 zzgl. Mwst. pro Person (DE)

Kursinhalt

Tag 1
- Modul 0: Einführung in den Kurs
  - Überblick über Kursziele, Inhalte und Ablauf
- Modul 1: Einführung in Machine Learning (ML) auf AWS
  - Grundlagen des Machine Learning
  - Einführung in Amazon SageMaker AI
  - Verantwortungsvolles Machine Learning (Responsible ML)
- Modul 2: Analyse von Herausforderungen im Machine Learning (ML)
  - Bewertung von geschäftlichen ML-Herausforderungen
  - Ansätze für das Training von ML-Modellen
  - ML-Trainingsalgorithmen
- Modul 3: Datenverarbeitung für Machine Learning (ML)
  - Datenvorbereitung und Datentypen
  - Explorative Datenanalyse
  - Speicheroptionen auf AWS und Auswahl der passenden Speicherlösung
- Modul 4: Datentransformation und Feature Engineering
  - Umgang mit fehlerhaften, doppelten und fehlenden Daten
  - Konzepte des Feature Engineerings
  - Methoden zur Merkmalsauswahl (Feature Selection)
  - AWS-Services zur Datentransformation
  - Lab 1: Datenanalyse und -vorbereitung mit Amazon SageMaker Data Wrangler und Amazon EMR
  - Lab 2: Datenverarbeitung mit SageMaker Processing und dem SageMaker Python SDK
Tag 2
- Modul 6: Container
  - Container-Lösungen im Vergleich zu virtuellen Maschinen
  - Vorteile, Komponenten, Lösungsarchitektur und Versionierung von Docker
  - Container-Hosting auf AWS zur Kostensenkung
  - Managed Container Services: Amazon Elastic Container Service (Amazon ECS) und Amazon Elastic Kubernetes Service (Amazon EKS)
  - AWS Fargate
  - Praktisches Labor: Bereitstellen einer Anwendung mit Amazon EKS auf Fargate
- Modul 7: Continuous Integration/Continuous Delivery (CI/CD)
  - CI/CD-Lösungen und Auswirkungen
  - CI/CD-Automatisierung mit AWS CodePipeline
  - Deployment Modelle
  - AWS CloudFormation StackSets zur Verbesserung des Deployment-Managements
- Modul 8: Verfügbarkeit und DDoS-Schutz
  - Gängige DDoS-Angriffe
  - AWS WAF
  - AWS WAF Web Access Control Lists (ACLs), Echtzeitmetriken, Logging und Sicherheitsautomatisierung
  - AWS Shield Advanced-Services und AWS DDoS Response Team (DRT)
  - AWS Network Firewall und AWS Firewall Manager zum Schutz von Konten in großem Umfang
- Modul 9: Sichern von Daten
  - Was Kryptografie ist, warum man sie verwenden sollte und wie man sie verwendet
  - AWS KMS
  - AWS CloudHSM Architektur
  - FIPS 140-2 Level 2 und Level 3 Verschlüsselung
  - Secrets Manager
- Modul 10: Groß angelegte Datenspeicher
  - Verwaltung von Amazon S3-Datenspeichern einschließlich Speicherklasse, Inventar, Metriken und Richtlinien
  - Data Lake vs. Data Warehouse: Unterschiede, Vorteile und Beispiele
  - AWS Lake Formation Lösungen, Sicherheit und Kontrolle
  - Praktisches Labor: Einrichten eines Data Lake mit Lake Formation
Tag 3
- Modul 11: Umfangreiche Anwendungen
  - Was sind Edge-Services und warum sollten Sie sie nutzen?
  - Verbesserung der Leistung und Risikominimierung mit Amazon CloudFront
  - Lambda@Edge
  - AWS Global Accelerator: IP-Adressen, intelligente Verkehrsverteilung und Zustandsprüfungen
  - Praktisches Labor: Migrieren einer lokalen NFS Share mit AWS DataSync und Storage Gateway
- Modul 12: Optimierung der Kosten
  - An-/Abschaffungszyklen vor Ort und in der Cloud
  - Cloud-Kostenmanagement-Tools, einschließlich Berichterstattung, Überwachung und Tagging
  - Beispiele und Analysen zu den fünf Säulen der Kostenoptimierung
- Modul 13: Migration von Workloads
  - Wirtschaftliche Treiber und der Prozess der Migration
  - Erfolgreiche Kundenpraktiken
  - Die 7 Rs zur Migration und Modernisierung
  - Migrationstools und Services von AWS
  - Migration von Datenbanken und großen Datenspeichern
  - AWS Schema Conversion Tool (AWS SCT)
- Modul 14: Projekte bewerten
  - Verwenden Sie das Online Course Supplement (OCS), um Anwendungsfälle zu überprüfen, Daten zu untersuchen und Fragen zum Architekturentwurf für Transit Gateway, Hybridkonnektivität, Migration und Kostenoptimierung zu beantworten

WICHTIG: Bitte bringen Sie zu unseren Trainings Ihr Notebook (Windows, Linux oder Mac) mit. Wenn dies nicht möglich ist, nehmen Sie bitte mit uns vorher Kontakt auf.

Kursunterlagen sind auf Englisch, auf Wunsch auch auf Deutsch (wenn verfügbar).
Kurssprache ist Deutsch, auf Wunsch auch auf Englisch.

Neue Termine in Planung!

Generative AI Essentials on AWS

Geschrieben von Gemma Corrado am 5. Februar 2025. Veröffentlicht in AWS Training, Training.

Generative AI Essentials on AWS

aktuelle Kurs-Termine finden Sie am Ende dieser Seite!

BESCHREIBUNG

In diesem Kurs lernen Sie die grundlegenden Konzepte, Methoden und Strategien für den Einsatz generativer KI kennen. Sie erfahren, in welchen Anwendungsbereichen diese Technologie sinnvoll eingesetzt werden kann, um geschäftliche Herausforderungen zu lösen. Außerdem erhalten Sie praxisnahe Einblicke in die zugrunde liegenden Technologien und deren Anwendung zur Bewältigung realer Problemstellungen. Am Ende des Kurses befassen wir uns mit der Projektplanung und Sie erfahren, wie Sie die Implementierung generativer KI in Ihrem Unternehmen ansprechen können.

Kursziele

In diesem Kurs lernen Sie:

die Konzepte, Methoden und Strategien generativer KI zusammenzufassen
den angemessenen Einsatz von generativer KI und maschinellem Lernen sowie deren Technologien
wie generative KI verantwortungsvoll und sicher genutzt werden kann
verschiedene Arten generativer KI-Lösungen anhand konkreter Anwendungsfälle zu erkennen
die Implementierung und Projektplanung generativer KI Ihrem Unternehmen zu erläutern

ZIELGRUPPE

Dieser Kurs ist konzipiert für:

Business-Analysten
IT- Mitarbeiter
Marketing-Fachleute
Produkt- oder Projektmanager
Geschäftsfeld- oder IT-Manager
Vertriebsfachleute

LEHRMETHODE

Dieser Kurs setzt sich zusammen aus:

Vorträge
Demonstrationen
Gruppenübungen
Praktische Übungen

KURSDAUER / PREIS

1 Tag
€ 750,00 zzgl. Mwst. pro Person (DE)

KURSINHALT

Tag 1

Modul 1: Einführung in die Generative KI
- Generative KI erklärt
- Grundlegende Modelle
- AWS-Services für generative KI
- Demo: Generative KI-Lösung
Modul 2: Untersuchung von Anwendungsfällen für Generative KI
- Geeignete Anwendungsfälle identifizieren
- Anwendungen und Anwendungsfälle generativer KI
- Szenarien für den Einsatz generativer KI
- Anwendungsfall für den Kurs
Modul 3: Grundlagen des Prompt Engineering
- Einführung in Prompt Engineering
- Best Practices bei der Promptentwicklung
- Fortgeschrittene Strategien für Prompts
- Modelleinstellungen und Parameter
- Praktische Übung: Optimierung der Slogan-Generierung mit Amazon Bedrock
Modul 4: Grundsätze und Überlegungen zu verantwortungsvoller KI
- Einführung in verantwortungsvolle KI
- Zentrale Dimensionen verantwortungsvoller KI
- Grundüberlegungen zu generativer KI
- Praktische Übung: Umsetzung verantwortungsvoller KI-Prinzipien mit Amazon Bedrock Guardrails
Modul 5: Sicherheit, Governance und Compliance
- Überblick über Sicherheit
- Problematische Prompts
- Sicherheitsdienste für generative KI
- Governance
- Compliance
Modul 6: Umsetzung von Generative KI-Projekten
- Einführung – Generative KI-Anwendung
- Definieren eines Anwendungsfalls
- Auswahl eines Grundmodells
- Verbesserung der Leistung
- Bewertung der Ergebnisse
- Bereitstellung der Anwendung
- Demo: Amazon Q Business
Modul 7: Integration von Generative KI in den Entwicklungszyklus
- Einführung
- Praktische Übung: Capstone – Erstellen eines Projektplans mit Generative KI
Modul 8: Abschluss des Kurses
- Nächste Schritte und zusätzliche Ressourcen
- Kurszusammenfassung

WICHTIG: Bitte bringen Sie zu unseren Trainings Ihr Notebook (Windows, Linux oder Mac) mit. Wenn dies nicht möglich ist, nehmen Sie bitte mit uns vorher Kontakt auf.

Kursunterlagen sind auf Englisch, auf Wunsch auch auf Deutsch (wenn verfügbar).
Kurssprache ist Deutsch, auf Wunsch auch auf Englisch.

Neue Termine in Planung!