Generative KI auf AWS

Vorwort

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Nach der Lektüre dieses Buches wirst du die häufigsten generativen KI-Anwendungsfälle und Aufgaben verstehen, mit denen sich die Industrie und die Wissenschaft heute beschäftigen. Du wirst genau wissen, wie diese hochmodernen generativen Modelle aufgebaut sind, und du wirst praktische Erfahrungen sammeln, die dir bei der Entscheidung helfen, ob du ein bestehendes generatives Modell wiederverwendest oder eines von Grund auf neu erstellst. Anschließend lernst du, diese generativen KI-Modelle an deine domänenspezifischen Datensätze, Aufgaben und Anwendungsfälle anzupassen, die deine Geschäftsanwendungen unterstützen.

Dieses Buch richtet sich an KI/ML-Enthusiasten, Data Scientists und Ingenieure, die die technischen Grundlagen und bewährten Methoden für das Training generativer KI-Modelle, die Feinabstimmung und den Einsatz in der Produktion erlernen möchten. Wir gehen davon aus, dass du bereits mit Python und grundlegenden Deep-Learning-Komponenten wie neuronalen Netzen, Forward Propagation, Aktivierungen, Gradienten und Back Propagation vertraut bist, um die hier verwendeten Konzepte zu verstehen.

Ein grundlegendes Verständnis von Python und Deep-Learning-Frameworks wie TensorFlow oder PyTorch sollte ausreichen, um die im Buch verwendeten Codebeispiele zu verstehen. Vertrautheit mit AWS ist nicht erforderlich, um die Konzepte zu lernen, aber für einige der AWS-spezifischen Beispiele ist sie nützlich.

Du tauchst tief in den Lebenszyklus der generativen KI ein und lernst Themen wie Prompt-Engineering, In-Context-Lernen mit wenigen Schüssen, generatives Modell-Pretraining, Domänenanpassung, Modellevaluation, parametereffiziente Feinabstimmung (PEFT) und Verstärkungslernen aus menschlichem Feedback (RLHF) kennen.

Du wirst beliebte große Sprachmodelle wie Llama 2 und Falcon sowie multimodale generative Modelle wie Stable Diffusion und IDEFICS kennenlernen. Du erhältst Zugang zu diesen Basismodellen über den Hugging Face Model Hub, Amazon SageMaker JumpStart oder Amazon Bedrock Managed Service für generative KI.

Außerdem lernst du, wie du kontextabhängige Retrieval-Augmented Generation (RAG)¹ und agentenbasierte Argumentationsabläufe.² Du wirst Anwendungsframeworks und Bibliotheken kennenlernen, darunter LangChain, ReAct,³ und Program-Aided-Language-Modelle (PAL). Du kannst diese Frameworks und Bibliotheken nutzen, um auf deine eigenen Datenquellen und APIs zuzugreifen oder sie mit externen Datenquellen wie Websuche und Partnerdatensystemen zu integrieren.

Schließlich wirst du all diese generativen Konzepte, Frameworks und Bibliotheken im Zusammenhang mit multimodalen generativen KI-Anwendungsfällen für verschiedene Inhaltsmodalitäten wie Text, Bilder, Audio und Video untersuchen.

Und mach dir keine Sorgen, wenn du noch nicht alle diese Konzepte verstehst. Im Laufe des Buches wirst du jedes dieser Themen noch viel genauer kennenlernen. Mit all diesem Wissen und deiner praktischen Erfahrung kannst du hochmoderne generative KI-Anwendungen entwickeln, mit denen du deine Kunden begeistern, deine Konkurrenz ausstechen und deinen Umsatz steigern kannst!

In diesem Buch verwendete Konventionen

In diesem Buch werden die folgenden typografischen Konventionen verwendet:

Kursiv

Weist auf neue Begriffe, URLs, E-Mail-Adressen, Dateinamen und Dateierweiterungen hin.

Constant width

Wird für Programmlistings sowie innerhalb von Absätzen verwendet, um auf Programmelemente wie Variablen- oder Funktionsnamen, Datenbanken, Datentypen, Umgebungsvariablen, Anweisungen und Schlüsselwörter hinzuweisen.

Constant width bold

Wird verwendet, um die Aufmerksamkeit auf interessante Schnipsel in Codeblöcken zu lenken und um zwischen mehreren Sprechern im Dialog oder zwischen dem menschlichen Nutzer und dem KI-Assistenten zu unterscheiden.

Tipp

Dieses Element steht für einen Tipp oder eine Anregung.

Hinweis

Dieses Element steht für einen allgemeinen Hinweis.

Code-Beispiele verwenden

Zusätzliches Material (Code-Beispiele, Übungen usw.) steht unter https://oreil.ly/generative-ai-on-aws-code zum Download bereit .

Wenn du eine technische Frage oder ein Problem mit den Codebeispielen hast, sende bitte eine E-Mail an [e-mail].

Dieses Buch soll dir helfen, deine Arbeit zu erledigen. Wenn in diesem Buch Beispielcode angeboten wird, darfst du ihn in deinen Programmen und deiner Dokumentation verwenden. Du musst uns nicht um Erlaubnis fragen, es sei denn, du reproduzierst einen großen Teil des Codes. Wenn du zum Beispiel ein Programm schreibst, das mehrere Teile des Codes aus diesem Buch verwendet, brauchst du keine Erlaubnis. Der Verkauf oder die Verbreitung von Beispielen aus O'Reilly-Büchern erfordert jedoch eine Genehmigung. Die Beantwortung einer Frage mit einem Zitat aus diesem Buch und einem Beispielcode erfordert keine Genehmigung. Wenn du einen großen Teil des Beispielcodes aus diesem Buch in die Dokumentation deines Produkts aufnimmst, ist eine Genehmigung erforderlich.

Wir freuen uns über eine Namensnennung, verlangen sie aber in der Regel nicht. Eine Quellenangabe umfasst normalerweise den Titel, den Autor, den Verlag und die ISBN. Zum Beispiel: "Generative AI on AWS by Chris Fregly, Antje Barth, and Shelbee Eigenbrode (O'Reilly). Copyright 2024 Flux Capacitor, LLC, Antje Barth, and Shelbee Eigenbrode, 978-1-098-15922-1."

Wenn du der Meinung bist, dass die Verwendung von Code-Beispielen nicht unter die Fair-Use-Regelung oder die oben genannte Erlaubnis fällt, kannst du uns gerne unter [e-mail] kontaktieren .

O'Reilly Online Learning

Hinweis

Seit mehr als 40 Jahren bietet O'Reilly Media Schulungen, Wissen und Einblicke in Technologie und Wirtschaft, um Unternehmen zum Erfolg zu verhelfen.

Unser einzigartiges Netzwerk von Experten und Innovatoren teilt sein Wissen und seine Erfahrung durch Bücher, Artikel und unsere Online-Lernplattform. Die Online-Lernplattform von O'Reilly bietet dir On-Demand-Zugang zu Live-Trainingskursen, ausführlichen Lernpfaden, interaktiven Programmierumgebungen und einer umfangreichen Text- und Videosammlung von O'Reilly und über 200 anderen Verlagen. Weitere Informationen erhältst du unter https://oreilly.com.

Wie du uns kontaktierst

Bitte richte Kommentare und Fragen zu diesem Buch an den Verlag:

• O'Reilly Media, Inc.
• 1005 Gravenstein Highway Nord
• Sebastopol, CA 95472
• 800-889-8969 (in den Vereinigten Staaten oder Kanada)
• 707-829-7019 (international oder lokal)
• 707-829-0104 (Fax)
• [e-mail]
• https://www.oreilly.com/about/contact.html

Wir haben eine Webseite für dieses Buch, , auf der wir Errata, Beispiele und zusätzliche Informationen auflisten. Du kannst diese Seite unter https://oreil.ly/generative-ai-on-aws aufrufen .

Neuigkeiten und Informationen über unsere Bücher und Kurse findest du unter https://oreilly.com.

Finde uns auf LinkedIn: https://linkedin.com/company/oreilly-media

Folge uns auf Twitter: https://twitter.com/oreillymedia

Schau uns auf YouTube: https://youtube.com/oreillymedia

Danksagungen

Wir möchten uns bei allen unseren Rezensenten bedanken, darunter Brent Rabowsky, Randy DeFauw, Sean Owen, Akhil Behl und Sireesha Muppala, PhD. Ihr Feedback war entscheidend für die Erzählung, die wir in diesem Buch verfolgt haben. Außerdem haben uns eure Ratschläge und eure Intuition dabei geholfen, die technische Tiefe der Codebeispiele zu modifizieren.

Chris

Ich widme dieses Buch meiner Mutter, die mich immer dazu inspiriert hat, Wissen mit anderen zu teilen. Außerdem hast du mir immer geduldig zugehört, wenn ich mich im Leben zurechtfinde, Dinge hinterfrage und Antworten suche.

Antje

Ich möchte mich bei meiner Familie dafür bedanken, dass sie mir eine großartige Ausbildung ermöglicht und mich bei meinen beruflichen Bemühungen unterstützt hat. Insbesondere möchte ich meinem Bruder Kai danken, der mir meinen ersten Laptop kaufte und dafür sorgte, dass ich die richtigen Werkzeuge für die Universität hatte. Das war die Initialzündung für meine Karriere in der Informatik.

Shelbee

Meinem Mann Steve und meiner Tochter Emily dafür, dass sie immer "mein Warum" waren und mich unterstützt haben, vor allem in den späten Nächten und an den langen Wochenenden beim Schreiben dieses Buches. Ich möchte auch meinem Hund Molly dafür danken, dass sie geduldig dageblieben ist, während ich Fotos von ihr gemacht habe, die ich als Grundlage für einige der multimodalen Modelle in diesem Buch verwendet habe!

¹ Patrick Lewis et al., "Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks", arXiv, 2021.

² Jason Wei et al., "Chain-of-Thought Prompting Elicits Reasoning in Large Language Models", arXiv, 2022.

³ Shunyu Yao et al., "ReAct: Synergizing Reasoning and Acting in Language Models", arXiv, 2023.