Generative AI Solution Development: 검색 증강 생성(RAG) 방식을 사용하는 문맥 생성 AI 솔루션에 대해 소개합니다. 먼저 RAG 아키텍처와 Mosaic AI Playground를 사용한 문맥 정보의 중요성에 대해 소개합니다. 다음으로, 생성형 AI 솔루션을 위해 데이터를 준비하는 방법과 이 과정을 RAG 아키텍처 구축과 연결하는 방법을 보여드립니다. 마지막으로 컨텍스트 임베딩, 벡터, 벡터 데이터베이스, Mosaic AI Vector Search의 활용과 관련된 개념을 살펴봅니다.

Generative AI Application Development: 다단계 추론 LLM 체인과 에이전트를 사용해 고급 LLM 애플리케이션을 구축하는 데 필요한 정보와 실무 경험을 쌓을 준비가 되셨나요? 이 모듈에서는 먼저 문제를 구성 요소로 분해하고 각 단계에 가장 적합한 모델을 선택해 비즈니스 사용 사례를 개선하는 방법을 배웁니다. 그 다음에는 LangChain과 HuggingFace 트랜스포머를 활용해 다단계 추론 체인을 구축하는 방법을 보여드리겠습니다. 마지막으로 에이전트를 소개하고 Databricks에서 생성 모델을 사용해 자율 에이전트를 설계합니다.

Generative AI Application Evaluation and Governance: 제너레이티브 AI 시스템 평가 및 거버넌스에 대한 소개입니다. 먼저 평가 및 거버넌스/보안 시스템 구축의 의미와 동기를 살펴봅니다. 다음으로, 평가 및 거버넌스 시스템을 Databricks Data Intelligence Platform에 연결합니다. 셋째, 특정 구성 요소와 애플리케이션 유형에 대한 다양한 평가 기법에 대해 알려드립니다. 마지막으로, 성능과 비용 측면에서 전체 AI 시스템을 평가하는 분석으로 과정을 마무리합니다.

Generative AI Application Deployment and Monitoring: 제너레이티브 AI 애플리케이션을 배포, 운영, 모니터링하는 방법을 배울 준비가 되셨나요? 이 모듈에서는 Model Serving과 같은 도구를 사용하여 제너레이티브 AI 애플리케이션을 배포하는 기술을 습득할 수 있습니다. 또한 모범 사례와 권장 아키텍처에 따라 제너레이티브 AI 애플리케이션을 운영하는 방법도 다룹니다. 마지막으로 Lakehouse Monitoring을 사용하여 제너레이티브 AI 애플리케이션과 그 구성 요소를 모니터링하는 방법에 대해 설명합니다.