Domínio do conteúdo 2: Fundamentos de IA generativa
O domínio 2 abrange os fundamentos da IA generativa e representa 24% do conteúdo pontuado no exame.
Declaração de tarefa 2.1: Explicar os conceitos básicos de IA generativa.
Objetivos:
Definir os conceitos fundamentais de IA generativa (por exemplo, tokens, fragmentação, incorporações, vetores, engenharia de prompts, LLMs baseados em transformadores, modelos de base, modelos multimodais e modelos de difusão).
Identificar possíveis casos de uso para modelos de IA generativa (por exemplo, geração de imagem, áudio e vídeo; resumo; assistentes de IA; tradução; geração de código; atendentes de suporte ao cliente; pesquisa; e mecanismos de recomendação).
Descrever o ciclo de vida do modelo de base (por exemplo, seleção de dados, seleção de modelos, pré-treinamento, ajuste fino, avaliação, implantação e feedback).
Descrever o modelo de precificação baseado em tokens e seu efeito no custo e no desempenho para inferência.
Descrever o papel da engenharia de contexto em aplicações de FM.
Definir conceitos fundamentais de IA agêntica [por exemplo, padrões de sistema multiagente para aplicações complexas de IA, Model Context Protocol (MCP) e seu papel na conexão de agentes a sistemas externos, padrões de comunicação multiagentes, gerenciamento de memória, uso de ferramentas e orquestração de fluxo de trabalho].
Declaração de tarefa 2.2: Entender os recursos e as limitações da IA generativa para resolver problemas empresariais.
Objetivos:
Descrever as vantagens da IA Generativa (por exemplo, adaptabilidade, capacidade de resposta, recursos de conversação, capacidade de gerar conteúdo).
Identificar as desvantagens das soluções de IA generativa (por exemplo, alucinações, interpretabilidade, imprecisão e não determinismo).
Identificar os fatores a serem considerados ao selecionar modelos de IA generativa (por exemplo, tipos de modelos, requisitos de desempenho, recursos, restrições, conformidade, custo, latência e complexidade do modelo).
Determinar o valor comercial e as métricas para aplicações de IA generativa [por exemplo, desempenho entre domínios, retorno sobre o investimento (ROI), eficiência, taxa de conversão, receita média por usuário, acurácia e valor da vida útil do cliente].
Declaração de tarefa 2.3: Descrever a infraestrutura e as tecnologias da AWS para criar aplicações de IA generativa.
Objetivos:
Identificar serviços e recursos da AWS para desenvolver aplicações de IA generativa (por exemplo, Amazon Bedrock, Amazon SageMaker IA, SageMaker JumpStart, Amazon Quick, Kiro, Strands Agents, Amazon Bedrock AgentCore).
Descrever as vantagens de usar os serviços de IA generativa da AWS para criar aplicações (por exemplo, acessibilidade, menor barreira de entrada, eficiência, custo-benefício, velocidade de comercialização e capacidade de atingir os objetivos empresariais).
Descrever os benefícios da infraestrutura da AWS para aplicações de IA generativa (por exemplo, proteção, conformidade, responsabilidade e segurança).
Descrever as compensações de custos dos serviços de IA generativa da AWS (por exemplo, capacidade de resposta, disponibilidade, redundância, desempenho, cobertura regional, preços baseados em tokens, throughput de provisão e modelos personalizados).
