AWS Amazon Bedrock 和生成式 AI - 初級到高級 [2025]

使用 Amazon Bedrock 建立聊天機器人、銀行代理、圖像生成、RAG、文字摘要。沒有人工智慧( AI )或程式設計經驗要求

從這 13 小時的課程，你會學到

學習人工智慧、機器學習和人工神經網路的基礎知識。
了解生成式 AI 的工作原理，並深入了解基礎模型。
Amazon Bedrock – 控制台詳細示範、Bedrock 架構、定價和推理參數。
用例 1：媒體和娛樂產業：使用 API 網關、S3 和穩定擴散基礎模型產生電影海報設計
用例 2：製造業：使用 API 閘道、S3 和 Cohere 基礎模型進行文字摘要
用例 3：使用 Bedrock Converse API、DeepSeek 和 Nova Pro 基礎模型、Langchain 和 Streamlit 建立聊天機器人
使用案例 4：使用檢索增強生成 (RAG) 技術建立員工人力資源問答應用程式 – Bedrock – Claude 基礎模型 + Langchain + FAISS + Streamlit
使用案例 5：使用 Bedrock 知識庫 + Claude FM + AWS Lambda + API 閘道建置無伺服器線上學習應用
用例 6：使用 Amazon Bedrock Agents 和知識庫建立零售銀行代理
用例 7：使用 Amazon Q CLI 和 AWS CloudFormation Server 建置基礎架構編碼代理程式。
用例 8：Amazon Q Business – 使用 Amazon Q 建立行銷管理應用程式
用例 9 – Amazon Q Developer 在軟體開發生命週期 (SDLC) 中的功能 – 實務操作
使用 AWS CloudWatch 進行 Bedrock 日誌記錄
GenAI 專案生命週期：階段 1 – 用例選擇 – 討論 GenAI 的各個階段以及如何確定合適的用例
GenAI 專案生命週期：階段 2 – 基礎模型選擇 – 使用 AWS Bedrock 模型評估服務的理論與實務操作
GenAI 專案生命週期：階段 3 – 提示工程 – 影響提示設計的因素 – Claude、Amazon Titan、穩定性擴散、提示設計技巧
GenAI 專案生命週期：階段 4 – 基礎模型的微調 – 理論與實務操作
Python 基礎複習
AWS Lambda 和 API Gateway 複習

要求

本課程除具備基本的 AWS 知識外，沒有其他先修課程要求。我會對 AI/ML 概念進行基本概述，並在課程結束時提供 Python、AWS Lambda 和 API Gateway 的複習內容，以防您不熟悉 Python 程式設計或這些 AWS 服務。
只需具備非常基本的 AWS 知識，例如 S3、AWS Lambda 等。

課程說明

Amazon Bedrock、Amazon Q 和 AWS GenAI 課程：

本課程包含的實作用例

用例 1 – 使用 API Gateway、S3 和穩定擴散基礎模型為媒體產業產生海報設計

用例 2 – 使用 API Gateway、S3 和 Cohere 基礎模型為製造業產生文字摘要

用例 3 – 使用 Amazon Bedrock（DeepSeek、Langchain 和 Streamlit）建立聊天機器人

用例 4 – 使用檢索增強生成 (RAG) 建立員工人力資源問答應用程式 –

Claude FM + Langchain（Orchestrator）+ FAISS（Vector DB）+ Streamlit

用例 5 – 使用 Bedrock 知識庫 + Claude FM + AWS Lambda + API Gateway 建立無伺服器電子學習應用程式

用例 6 – 使用 Amazon Bedrock Agents 和知識庫建立零售銀行代理 –

Claude Sonnet + AWS Lambda + DynamoDB + Bedrock Agents + 知識庫 + OpenAPI Schema

用例 7 – 使用 Amazon Q CLI 和 AWS CloudFormation Server 建置基礎架構編碼代理

用例 8 – Amazon Q Business – 使用 Amazon Q Business 建立行銷經理應用程式

用例 9 – Amazon Q Developer – Amazon Q Developer 程式碼產生功能概述 – 貫穿整個軟體開發生命週期

歡迎來到由經驗豐富的 AWS 解決方案架構師和 Udemy 暢銷講師帶來的 Amazon Bedrock 和 AWS 生成式 AI 的最全面指南。
本課程將從 AI/ML、生成式 AI 和 Amazon Bedrock 的基礎知識講起，並教您如何構建端到端的企業級應用程序，包括使用 Stability Diffusion Foundation 進行圖像生成、使用 Cohere 進行文本摘要、使用 Llama 2、Langchain 和 Streamlit 進行聊天機器人開發，以及使用 Amazon CodeWhisperer 進行代碼生成。
本課程旨在幫助您轉型，進入高薪的生成式 AI 領域。
本課程沒有其他先修條件，只需具備基本的 AWS 知識即可。我會提供 AI/ML 概念的基本概述，並在課程結束時提供 Python、AWS Lambda 和 API Gateway 的複習內容，以防您不熟悉 Python 程式設計或這些 AWS 服務。
隨著 GenAI 和 Bedrock 的發展，我將不斷更新本課程，為您提供企業環境中所需的詳細理解和學習，以便您可以做好職業轉型的準備。

詳細課程概述

第 2 部分 – 生成式 AI 的演進：了解人工智慧、機器學習和人工神經網路（層、權重和偏差）的基礎知識。

第 3 部分 – 生成式 AI 和基礎模型概念：了解生成式 AI 的工作原理（提示、推理、完成、上下文視窗等）以及基礎模型工作的詳細演練。

第 4 部分 – Amazon Bedrock – 深入研究：詳細進行控制台演練、Bedrock 架構、定價和推理參數。

第 5 節 – 用例 1：媒體和娛樂產業：使用 API 閘道、S3 和穩定擴散基礎模型產生電影海報設計

第 6 節 – 用例 2：使用 API 閘道、S3 和 Cohere 基礎模型進行製造業文字摘要

第 7 節 – 用例 3：使用 Bedrock – Llama 2、Langchain 和 Streamlit 建立聊天機器人

第 8 節 – 用例 4 – 使用檢索增強生成 (RAG) 建立員工 HR 問答應用程式 – Amazon Bedrock（Claude 基礎模型）+ Langchain (Ochestrator)+ FAISS (Vector DB) + Streamlit

第 9 部分 – 使用 Bedrock 知識庫 + Claude FM + AWS Lambda + API Gateway 的無伺服器 e-Learning App

第 10 節 – 使用 Amazon Bedrock 代理和知識庫、Dynam0DB、Lambda 建立零售銀行代理

第 11 節 – GenAI 專案生命週期：第 1 階段 – 用例選擇 – 討論 GenAI 的各個階段以及如何識別正確的用例

第 12 節 – GenAI 專案生命週期：第 2 階段 – 基礎模型選擇 – 使用 AWS Bedrock 模型評估服務的理論和實踐

第 13 節 – GenAI 專案生命週期：第 3 階段 – Prompt 工程 – 影響 Prompt 設計的因素、Prompt 設計技術(Zero Shot 零樣本下給建議, One Shot 單一樣本下給建議.) 、為 Claude、Titan 和 Stability AI Foundation 模型編寫 Prompt 的良好實踐

第 14 節 – GenAI 專案生命週期：第 4 階段 – 基礎模型的微調( Fine Tuning ) – 理論與實踐

第 15 節 – 使用 AWS CodeWhisperer 和 CDK 產生程式碼 – 在 Typescript 中

第 16 節 – Python 基礎複習

第 17 節 – AWS Lambda 複習

第 18 節 – AWS API Gateway 複習

重要提示 << 學習路徑：AWS 上的 GenAI 開發人員/架構師 >>

許多學員詢問如何轉型成為 AWS 生成式人工智慧 (GenAI) 開發人員或架構師，以及應該以什麼順序學習我的 Udemy 課程。以下是我基於 IT 產業經驗提供的一些指導。

我的 GenAI/ Agentic AI 課程分為兩個方向：

實踐學習，旨在培養 IT 產業所需的實際技能（最重要）
認證備考，旨在幫助您通過認證考試（錦上添花）

<< 實作課程 >>

實作課程 1（入門）– Amazon Bedrock、Amazon Q 和 AWS Generative AI [實作]

如果您是 GenAI 和 Amazon Bedrock 的新手，請從這裡開始。

實作課程 2（中級）- 在 AWS 上建立生產就緒型 AI 代理程式 – Bedrock、CrewAI 和 MCP

建議在完成課程 1 後學習此課程 – 本課程著重於智能體 AI，但如果您已完成課程 1，則更容易理解。

實作課程 3（高級）– Amazon Bedrock AgentCore：在 AWS 上部署 AI 代理

本課程為高級課程，重點介紹如何在生產環境中部署、擴展和運行 AI 代理。

建議在完成課程 1 和課程 2 後學習。

<< AWS GenAI 認證路徑 >>

認證課程 1：AWS Certified AI Practitioner (AIF-C01) – 從入門到高級

完成步驟 1 後學習，耗時數小時
·與步驟 2 同時學習

成果

您將通過 AWS Certified AI Practitioner (AIF-C01) 認證，並理解 AWS 期望的 GenAI 概念。

認證課程 2：AWS 認證生成式人工智慧開發人員專業級（即將推出）

目標受眾

該課程旨在幫助你轉換職業並進入利潤豐厚的 Generative AI 和 Amazon Bedrock 職位。

講師簡介

Rahul Trisal AWS 社群建構者||7X 認證||AWS SA 專業人士

Rahul Trisal 是無伺服器類別的 AWS 社群建構者和高級 AWS 架構師，擁有超過 15 年的經驗，專注於與大型財富 500 強組織合作的 AWS 雲端策略、架構和遷移。

無伺服器類別中的 AWS 社群產生器

擁有大規模資料中心遷移到雲端（200 多個應用程式）的實務經驗。

無伺服器雲端遷移 – 遷移和設計 AWS 無伺服器堆疊方面的深厚專業知識 – API 網關、Lambda、ECS、S3

主要 AWS 服務專業 – 擁有 CloudFormation (YAML)、EC2、S3、FSx、EFS、AWS Transfer 系列、CloudWatch、資料同步、Lambda、ELB、自動擴充、FCI 叢集 (SQL DB)、Route 53、SSM Automation、 Kinesis Data Streams 和Firehose、AWS Lambda、Python、自動擴充、自動修復策略和許多其他服務。

遷移到 AWS 的關鍵應用程式 – 業務應用程式 – 三層 Web 應用程式、ERP、檔案共享應用程式、基礎設施應用程式 – DNS 應用程式、ControlM、SFTP、監控應用程式

在 AWS 職業、架構和認證 – Udemy 課程、我的 AWS YouTube 頻道和 LinkedIn 上建立和發佈內容，並進行內部培訓

先前曾在美國、英國、非洲和拉丁美洲地區工作了 10 年（2011 年至 2019 年 11 月），擔任各種職務的顧問。

認證：

雲端：8X 認證

– AWS Certified Solution Architect – Professional
– AWS Certified DevOps – Professional
– AWS Certified Solution Architect – Associate
– AWS SysOps Certified – Associate
– AWS Developer Certified – Associate
– IBM Bluemix Cloud Architect
– AWS Cloud Practioner
– Azure Fundamental

敏捷：

o SAFe 專案顧問 (SPC 5.0)

o 認證產品負責人 (SAFe PO/PM)

o 認證 Scrum Master (PSM-1)

字幕：英文

想要了解如何將英文字幕自動翻譯成中文? 請參考這篇 How-To

Udemy 永久擁有課程許多課程約 NT400(點擊連結看更多)
✨年訂閱每月 NT350(再享特別優惠：年度訂閱首年享 25% 折扣) 🌈 悠遊 Udemy 的 26000+ 門課，最大化學習 ( 原價 NT635/月 )
Udemy 現在越來越多課程有中文字幕，請參考 Soft & Share 中文線上課程
手機上點選優惠連結看到的價格比電腦上看到的貴
＄代表當地貨幣, 如在台灣為 NT
點選”報名參加課程”有可能因瀏覽器 cookies 轉久一點或回報錯誤而無法連上，請稍等刷新或重新點選就會出現