Domaine du contenu 2 : principes fondamentaux de l'IA générative

Définir les concepts fondamentaux de l'IA générative (par exemple, jetons, découpage, intégrations, vecteurs, ingénierie de requête, grands modèles de langage [LLM] basés sur des transformateurs, modèles de fondation [FM], modèles multimodaux, modèles de diffusion)

Identifier les cas d'utilisation potentiels des modèles d'IA générative (par exemple, génération d'images, de vidéos et de sons ; synthèse ; assistants d'IA ; traduction ; génération de code ; agents du service client ; recherche ; moteurs de recommandation)

Décrire le cycle de vie du FM (par exemple, sélection des données, sélection du modèle, préentraînement, peaufinage, évaluation, déploiement, commentaires)

Décrire le modèle de tarification basé sur des jetons et son effet sur les coûts et les performances pour l'inférence

Décrire le rôle de l'ingénierie contextuelle dans les applications de FM

Définir les concepts fondamentaux de l'IA agentique (par exemple, les modèles de systèmes multi-agents pour les applications d'IA complexes, le protocole de contextualisation des modèles [MCP] et son rôle dans la connexion des agents à des systèmes externes, les modèles de communication multi-agents, la gestion de la mémoire, l'utilisation des outils et l'orchestration des flux de travail)

Décrire les avantages de l'IA générative (par exemple, adaptabilité, réactivité, capacités conversationnelles, capacité à générer du contenu)

Identifier les inconvénients des solutions d'IA générative (par exemple, hallucinations, interprétabilité, inexactitude, non-déterminisme)

Identifier les facteurs à prendre en compte lors de la sélection des modèles d'IA générative (par exemple, les types de modèles, les exigences de performance, les capacités, les contraintes, la conformité, le coût, la latence, la complexité du modèle)

Déterminer la valeur métier et les métriques des applications d'IA générative (par exemple, performances interdomaines, ROI, efficacité, taux de conversion, revenus moyens par utilisateur, précision, valeur du cycle de vie du client)

Identifier les services et fonctionnalités AWS permettant de développer des applications d'IA générative (par exemple, Amazon Bedrock, Amazon SageMaker AI, SageMaker JumpStart, Amazon Quick, Kiro, Strands Agents, Amazon Bedrock AgentCore)

Décrire les avantages de l'utilisation des services AWS d'IA générative pour créer des applications (par exemple, accessibilité, réduction des obstacles à l'entrée, efficacité, rentabilité, rapidité de mise sur le marché, capacité à atteindre les objectifs de l'entreprise)

Décrire les avantages de l'infrastructure AWS pour les applications d'IA générative (par exemple, sécurité, conformité, responsabilité, sûreté)

Décrire les compromis en matière de coûts des services AWS d'IA générative (par exemple, réactivité, disponibilité, redondance, performances, couverture régionale, tarification basée sur des jetons, débit de mise en service, modèles personnalisés)