54 lines
3.6 KiB
Markdown
54 lines
3.6 KiB
Markdown
---
|
||
title: "Public Cloud Learning Sessions - Introduction to AI/ML with AWS"
|
||
type: source
|
||
tags: [AI, ML, AWS, Machine-Learning, Generative-AI, Foundation-Models, Amazon-Bedrock, MLOps]
|
||
date: 2024-02-06
|
||
---
|
||
|
||
## Source File
|
||
- [[Cloud & DevOps/Public-Cloud-Learning-Sessions/09_Serverless_AI/public-cloud-learning-sessions-introduction-to-artificial-intelligence-ai-machin.md]]
|
||
|
||
## Summary（用中文描述）
|
||
- 核心主题：AWS AI/ML 入门与生成式 AI 实践——Suraav Paul（AWS 高级解决方案架构师）主讲，介绍 AI/ML 基本概念、Amazon Bedrock 基础模型服务、ML Ops 全生命周期实践
|
||
- 问题域：企业如何在 AWS 上落地 AI/ML 能力，如何选择合适的工具和服务
|
||
- 方法/机制：AI 三层分类（分类 AI / 预测 AI / 生成式 AI）→ Amazon Bedrock 全托管服务（基础模型 + 微调 + RAG + Agents + Guardrails）→ ML Ops 三管道（数据管道 + 训练管道 + 推理管道）
|
||
- 结论/价值：AWS 通过 Bedrock 民主化 AI 访问，ML Ops 结合 DevOps 实践实现 ML 生命周期自动化，强调数据隐私和负责任 AI
|
||
|
||
## Key Claims（用中文描述）
|
||
- AI 复制需要人类智能的任务，通过机器学习从数据中创建决策逻辑或模型
|
||
- 生成式 AI 通过基础模型（Foundation Models）创作内容，Amazon 相信大多数客户体验和应用将被生成式 AI 重塑
|
||
- Amazon Bedrock 是全托管服务，通过统一 API 提供多种基础模型访问，支持微调、持续预训练、RAG 和 Agents
|
||
- ML Ops 将机器学习与运维结合，涵盖数据管道、训练管道和推理管道，解决数据溯源、模型管理和部署工作流问题
|
||
- Bedrock 仅在请求-响应周期内存储数据，确保数据隐私；公司训练数据不会被模型提供商使用
|
||
|
||
## Key Quotes
|
||
> "We believe most customer experiences and applications will be reinvented with generative AI, powered by foundation models with billions of parameters." — Suraav Paul, AWS Senior Solutions Architect
|
||
|
||
> "AI is a way to describe any system that can replicate tasks that previously required human intelligence." — Suraav Paul, AWS Senior Solutions Architect
|
||
|
||
## Key Concepts
|
||
- [[Generative-AI]]：通过基础模型（Foundation Models）创作新内容的 AI 类型，不同于分类 AI（识别模式）和预测 AI（预测趋势）
|
||
- [[Foundation-Models]]：拥有数十亿参数的基础模型，是生成式 AI 的核心驱动力
|
||
- [[Amazon-Bedrock]]：AWS 全托管生成式 AI 服务，提供对多种 FM 的统一 API 访问，内置 RAG、Agents、Guardrails
|
||
- [[RAG]]：检索增强生成（Retrieval Augmented Generation），从公司数据源获取相关信息以生成准确响应
|
||
- [[MLOps]]：将机器学习与运维结合，通过数据管道、训练管道、推理管道实现 ML 生命周期自动化
|
||
- [[Responsible-AI]]：负责任 AI 原则，包括公平性、可解释性、鲁棒性、治理、透明度和隐私安全
|
||
|
||
## Key Entities
|
||
- [[Suraav-Paul]]：AWS 高级解决方案架构师，本期主讲人
|
||
- [[Amazon-Bedrock]]：AWS 提供的全托管生成式 AI 服务
|
||
- [[Amazon-SageMaker]]：AWS ML 平台，用于训练、调参与推理部署
|
||
- [[Amazon-Titan]]：Amazon 基础模型系列之一
|
||
- [[AWS]]：Amazon Web Services，云服务商
|
||
|
||
## Connections
|
||
- [[Generative-AI]] ← powered_by ← [[Foundation-Models]]
|
||
- [[Amazon-Bedrock]] ← extends ← [[Generative-AI]]
|
||
- [[RAG]] ← used_by ← [[Amazon-Bedrock]]
|
||
- [[Amazon-Bedrock]] ← part_of ← [[AWS-AI-Services]]
|
||
- [[MLOps]] ← uses ← [[Amazon-SageMaker]]
|
||
- [[MLOps]] ← extends ← [[DevOps]]
|
||
|
||
## Contradictions
|
||
- （无已知冲突）
|