콘텐츠 도메인 2: ML 모델 및 파운데이션 모델(FM) 개발

기술 2.1.1: 작업 요구 사항 및 성능 기준에 따라 Amazon Bedrock에서 적절한 FM을 평가하고 선택합니다.

기술 2.1.2: 사전 교육을 받은 FM이 비즈니스 요구 사항을 충족할 수 있는 미세 조정 전략을 파악합니다.

기술 2.1.3: 비즈니스 요구 사항(예: 해석 가능성, 도메인별 성능, 지연 시간)을 충족하는 적절한 ML 모델, 생성형 AI(GenAI) 모델, 알고리즘 및 솔루션 템플릿을 비교하고 선택합니다.

기술 2.1.4: 비즈니스 요구 사항을 충족하기 위해 맞춤형 솔루션, 관리 서비스, 사전 학습된 모델 및 FM 간의 장단점을 평가합니다.

기술 2.1.5: 사용 사례 요구 사항에 따라 검색 증강 생성(RAG) 아키텍처 패턴을 선택합니다.

기술 2.1.6: ML 모델 성능, 훈련 시간, 비용 간의 절충점을 평가합니다.

기술 2.1.7: AI 모델 성능, 지연 시간, 비용 간의 절충점을 평가합니다.

기술 2.1.8: AWS AI 서비스를 적용하여 특정 비즈니스 문제를 해결합니다(예: Amazon Textract, Amazon Rekognition, Amazon Comprehend, Amazon Transcribe).

기술 2.2.1: Amazon SageMaker AI 기본 제공 알고리즘과 일반 ML 라이브러리를 적용합니다.

기술 2.2.2: 단순성과 성능을 위해 지원되는 프레임워크로 SageMaker AI 스크립트 모드를 구성합니다.

기술 2.2.3: 하이퍼파라미터 최적화를 구현합니다(예: SageMaker AI 자동 모델 튜닝(AMT)).

기술 2.2.4: 교육 시간 단축 기법을 구현합니다(예: 조기 중지, 분산 교육).

기술 2.2.5: 모델 과적합, 과소적합 및 치명적인 망각을 방지합니다.

기술 2.2.6: 여러 ML 모델을 결합하여 성능을 개선하거나 비용을 절감합니다.

기술 2.2.7: 기본 하이퍼파라미터를 조정합니다(예: 에포크, 스텝, 배치 크기).

기술 2.2.8: AI 솔루션에 사용자 지정 기술을 적용합니다(예: 작업별 프롬프트 엔지니어링, 미세 조정).

기술 2.2.9: 검색 구성 요소 및 임베딩 모델을 최적화합니다.

기술 2.3.1: 재현 가능한 실험을 수행합니다(예: SageMaker AI의 MLFlow 사용, Amazon Bedrock 평가 도구 세트, Amazon Bedrock Prompt Management).

기술 2.3.2: 모델 성능 기준을 만들고 드리프트 감지를 구현합니다.

기술 2.3.3: 섀도 변형의 성능을 프로덕션 변형의 성능과 비교합니다.

기술 2.3.4: 모델 출력을 설명합니다.

기술 2.3.5: 모델 컨버전스 문제를 디버깅합니다.

기술 2.3.6: 기존 ML 및 GenAI 모델에 포괄적인 모델 평가 기법을 적용합니다.

기술 2.3.7: 통합형 인적 평가 프레임워크를 구현합니다(예: HITL(Human-in-the-Loop) 워크플로, 텍스트 생성 품질 평가).

기술 2.3.8: 자연어 처리(NLP) 평가 지표 적용(예: 이중 언어 평가 언더스터디(BLEU), Recall-Oriented Understudy for Gisting Evaluation(ROUGE), BertScore, 시맨틱 유사성).

기술 2.3.9: AI 평가를 수행합니다(예: 모델 출력 평가, 콘텐츠 품질 검증, 편향 탐지, 평가형 LLM 프레임워크).

기술 2.3.10: 검색 정확도 평가를 포함하여 RAG 시스템 모니터링을 구성합니다.