Dominio del contenuto 2: Fondamenti di GenAI
Il dominio 2 tratta i principi fondamentali dell'intelligenza artificiale generativa (GenAI) e rappresenta il 24% dei contenuti a punteggio dell'esame.
Obiettivo 2.1: Spiegazione dei concetti di base correlati all’IA generativa
Obiettivi:
Definire i concetti fondamentali correlati alla GenAI, ad esempio token, chunking, embedding, vettori, progettazione dei prompt, modelli linguistici di grandi dimensioni (LLM) basati su trasformatore, modelli di fondazione (FM), modelli multimodali, modelli di diffusione.
Identificare i potenziali casi d'uso per i modelli di GenAI, ad esempio, generazione di immagini, video e audio, sintesi, assistenti di IA, traduzione, generazione di codice, agenti per il servizio clienti, ricerche e motori di suggerimenti.
Descrivere il ciclo di vita degli FM, ad esempio selezione dei dati, selezione dei modelli, pre-addestramento, fine-tuning, valutazione, distribuzione, feedback.
Descrivere il modello di prezzo basato su token e il suo effetto su costi e prestazioni per l'inferenza.
Descrivere il ruolo dell'ingegneria del contesto nelle applicazioni che utilizzano FM.
Definire i concetti fondamentali correlati all'IA agentica, ad esempio modelli di sistema multiagente per applicazioni di IA complesse, Model Context Protocol (MCP) e il suo ruolo nel collegamento degli agenti a sistemi esterni, modelli di comunicazione multiagente, gestione della memoria, utilizzo degli strumenti e orchestrazione dei flussi di lavoro.
Obiettivo 2.2: Comprensione delle funzionalità e dei limiti delle applicazioni di GenAI per risolvere i problemi aziendali
Obiettivi:
Descrivere i vantaggi derivanti dall'IA generativa, ad esempio adattabilità, reattività, capacità conversazionale, capacità di generare contenuti.
Identificare gli svantaggi delle soluzioni di IA generativa, ad esempio allucinazioni, interpretabilità, imprecisione e non determinismo.
Individuare i fattori da tenere in considerazione per la scelta di modelli di IA generativa, ad esempio tipi di modello, requisiti prestazionali, capacità, vincoli, conformità, costi, latenza, complessità dei modelli.
Stabilire le metriche e il valore di business delle applicazioni di IA generativa, ad esempio prestazioni multidominio, ROI, efficienza, tasso di conversione, ricavi medi per utente, accuratezza, valore medio del cliente.
Obiettivo 2.3: Descrizione dell'infrastruttura e delle tecnologie AWS per la creazione di applicazioni di GenAI
Obiettivi:
Individuare servizi e funzionalità AWS per sviluppare applicazioni di IA generativa, ad esempio Amazon Bedrock, Amazon SageMaker AI, SageMaker JumpStart, Amazon Quick, Kiro,Strands Agents, Amazon Bedrock AgentCore.
Descrivere i vantaggi dell'utilizzo dei servizi di IA generativa AWS per creare applicazioni, ad esempio accessibilità, barriere all'ingresso ridotte, efficienza, convenienza, time-to-market ridotto e capacità di raggiungere gli obiettivi aziendali.
Descrivere i vantaggi dell'infrastruttura AWS per le applicazioni di IA generativa, ad esempio, sicurezza, conformità e responsabilità.
Descrivere i compromessi in termini di costo relativi ai servizi di IA generativa AWS, ad esempio reattività, disponibilità, ridondanza, prestazioni, copertura regionale, determinazione dei prezzi basata su token, throughput di provisioning e modelli personalizzati.
