AI 人工智能已成為大趨勢，坊間現時亦已有不少 AI 應用，為各行各業改善作業流程，提高工作效率，節省成本，但面對五花八門、各擅勝場的 AI 模組，除了要揀選最高效、最有性價比、最符合企業需求的 AI 模組，有時甚至要自行建構及訓練 AI，創造最適合企業需求、獨一無二的 AI 應用。有見及此，AWS Innovate 舉辦「為突破而生」免費網上課堂，帶領學員一步步實踐 AI 應用。
AWS Innovate「為突破而生」網上課為一系列「生成式 AI」相關的免費課堂：自第一課「生成式 AI 旅程」的介紹而起，到第二課探討如何建構及擴展 AI 內容，再到第三課的職場上應用「生成式 AI」，然後是與數據相關的第四課「AWS 統一數據和 AI 體驗」及第五課的「建構與訓練基礎模型和大型語言模型」。
來到第六課，課程以「建立數據基礎架構」（Building a data foundation）為題，拆解訓練 AI 模型必備的數據建立工作。課程同樣會分作五課節、每節 30 分鐘，從不同角度講解數據建立工作的一些基本知識與技巧。
從汽車保險說起：實用數據管理技術指南
例如，在「生成式 AI 的數據實踐指南」 （A practitioner’s guide to data for generative AI）課節中，AWS 的首席產品經理（技術）Jonathan Katz 就會介紹了如何應用「生成式 AI」現有的數據管理技術，結合「生成式 AI」的新技術，達至改善工作流程、降低成本的效果。其中，Jonathan 會以汽車保險報價的實例，說明客製化相關「生成式 AI」的構建過程，亦會疏理 RAG（擷取增強生成，Retrieval Augmented Generation） 的各種技術分析，講解基礎 RAG 的原理外，亦會在進階 RAG 如混合搜尋、圖形搜尋、內容摘要等方法上，講解如何打造更符合企業需要的應用。
課節亦會探討處理各類結構化、半結構化或非結構化數據的最佳做法。Jonathan 亦會示範以 Amazon bedrock Knowledge Base 實行自動管理數據工作的流程，並介紹 Amazon Bedrock Agents 如何同步不同工作流程，以便讓開發人員能更專注於其他核心事務。
串流數據整合工具分析：低成本、低延遲、高效能的數據處理方法
另一課節則由 AWS 「串流與訊息傳遞」副總裁 Ｍindy Ferguson 主講，主題為「在數據基礎架構上建構串流數據」（Build streaming data into your data foundation），Mindy 將介紹 Amazon Kinesis Client Liberay（KCL 3.0）、Amazon MSK、Amazon Managed Service for Apache Flink 及 Amazon Data Firehose 等不同串流服務，解釋用串流服務處理「擷取與儲存」、「處理」、「轉換」與「加載」各系統與資料的串流服務工具。
Ｍindy 亦會以拉丁美洲最大電商之一的 MercadoLibre 作實例分享，講解它們是如何在每分鐘處理超過 3000 萬則傳入訊息及超過 5000 萬則傳出訊息的龐大數量下，仍能將訊息的傳送速度壓縮在 1 秒之內，大幅提升了 MercadoLibre 在服務水準協議（SLA）的上線時間（uptime）至 99.9999% 之多——關鍵竟然在於 Amazon Kinesis Data Streams？另外，課節中 Ｍindy 亦會分享其他串流服務使用場景，以及介紹現時 AWS 串流服務的最新發展，讓客戶了解如何建構實時數據管理，實現高效能、低成本且低延續的串流數據處理程序。
總結而言，此課節以「建立數據基礎架構」為題，詳細分享各類實用資訊。有興趣參與其他課程的人士，亦可即到以下網址登記參加，費用全免。「為突破而生」相關活動將於 3 月 13 日正式開講，六大課題，突破 AI 界限：
「生成式 AI 旅程」（Genrative AI journey）
「建構與擴展生成式 AI」（Building and scaling with generative）
「職場的生成式 AI 應用」（Using generative AI in workplace）
「數據與 AI 的統一體驗」（Unified experience for your data and AI）
「建構與訓練基礎模型和大型語言模型」（Build and train Foundation Models and LLMS）
「建立數據基礎架構」（Building a data foundation）
分享到 :
最新影片
