Etyczne aspekty i mechanizmy kontrolne

Create Your Free Account

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

To ćwiczenie jest częścią kursu

Wprowadzenie do Amazon Bedrock

SkillTag.level.intermediateSkillTag.label

4.8+

Poznaj podstawy Amazon Bedrock – w pełni zarządzanej usługi AWS do obsługi modeli fundacyjnych. Zacznij od konfiguracji środowiska i uwierzytelniania, zapoznaj się z dostępnymi modelami fundacyjnymi, takimi jak Claude i Titan, oraz opanuj kluczowe interakcje z API. W tym rozdziale nauczysz się konfigurować środowisko deweloperskie, dobierać odpowiednie modele do konkretnych zastosowań i poprawnie obsługiwać żądania API – w tym strumieniowanie odpowiedzi i zarządzanie błędami.

Exercise 1: Dostęp do Amazon Bedrock Exercise 2: Inicjalizacja klienta Bedrock Exercise 3: Pobieranie szczegółów modelu Bedrock Exercise 4: Wybór modelu podstawowego Exercise 5: Wybór właściwego modelu w Bedrock Exercise 6: Generowanie tekstu w Bedrock

W tym rozdziale przejdziesz przez trzy kluczowe lekcje. Zaczniemy od podstaw generowania tekstu i obsługi odpowiedzi, a następnie przejdziemy do zaawansowanych technik inżynierii promptów – takich jak uczenie na przykładach (few-shot learning) i strukturyzowane dane wyjściowe. Ostatnia lekcja dotyczy optymalizacji parametrów modeli: nauczysz się dostrajać ustawienia takie jak temperatura czy limity tokenów, aby uzyskiwać najlepsze wyniki. Każda lekcja opiera się na poprzedniej – od podstawowych interakcji z API po zaawansowaną kontrolę parametrów dla konkretnych zastosowań.

Exercise 1: Generowanie tekstu za pomocą modeli językowych Exercise 2: Ulepszanie promptów przez przypisanie roli Exercise 3: Przetwarzanie odpowiedzi modelu i obsługa błędów Exercise 4: Kategoryzacja raportu za pomocą modelu podstawowego Exercise 5: Stosowanie technik inżynierii promptów Exercise 6: Implementacja uczenia few-shot dla geometrii Exercise 7: Tworzenie promptów z ustrukturyzowanym wyjściem Exercise 8: Praca z różnymi parametrami modelu Exercise 9: Regulowanie kreatywności za pomocą parametru temperature Exercise 10: Sterowanie wynikami za pomocą top_p i max_tokens

W tym rozdziale tworzysz solidne i odpowiedzialne aplikacje z Amazon Bedrock, wychodząc poza podstawowe interakcje z API. Zaczniesz od konwersacyjnej sztucznej inteligencji – opanujesz zarządzanie stanem i kontekstem, aby budować spójne doświadczenia czatu. Następnie poznasz zaawansowane techniki promptowania i nauczysz się generować różnorodne typy treści przy zachowaniu spójnego stylu i tonu. Rozdział obejmuje też kluczowe aspekty produkcyjne: obsługę błędów, ograniczanie liczby żądań i efektywne przetwarzanie odpowiedzi. Na koniec wdrożysz etyczne mechanizmy kontroli i środki bezpieczeństwa, dzięki którym twoje aplikacje AI będą zarówno wydajne, jak i odpowiedzialne.

Exercise 1: Etyczne aspekty i mechanizmy kontrolne

Bieżące ćwiczenie

Exercise 2: Moderowanie recenzji produktów Exercise 3: Tworzenie filtrów treści dostosowanych do wieku Exercise 4: Zarządzanie konwersacjami z AI Exercise 5: Budowanie klasy do zarządzania rozmową Exercise 6: Dodawanie pamięci do rozmowy Exercise 7: Zaawansowane strategie promptowania Exercise 8: Implementacja promptowania z łańcuchem myślenia Exercise 9: Generowanie treści w określonym stylu z Bedrock Exercise 10: Obsługa odpowiedzi API i błędów Exercise 11: Implementacja obsługi limitu zapytań Exercise 12: Implementowanie mechanizmu awaryjnego przełączania modeli Exercise 13: Gratulacje!