解决什么问题：绕开自建大模型的高门槛，直接调用企业级服务
很多团队想用生成式 AI，但一上来碰到的不是模型能力，而是工程阻力：自己部署开源模型要抢显卡、管运维，调商业 API 又要操心数据合规和私有化。这门课解决的场景很具体——用 AWS Bedrock 把大模型当成云服务直接调用，不碰底层基础设施，同时拿到企业级的数据隔离和权限控制。它适合已经写过一点代码、能看懂 Python 或 SDK 基本用法、但没系统用过 Bedrock 的开发者；如果你连 IAM 权限、AWS 区域这些概念都完全陌生，建议先补一点云服务基础再看，否则实操环节会卡在环境配置上。
建议怎么看：先概念后实操，重点压在评估和微调两块
资料按"概念—实操"交替推进，节奏很紧凑。建议先快速过生成式 AI 基础和 Bedrock 概述这两节，建立对"模型即服务"的整体认知，知道它和直接调某家模型 API 的差别在哪。之后把时间重点压在两块：一是基础模型评估，这是很多人忽略但实际选型最依赖的环节，要搞清楚用什么指标、怎么对比不同 FM 的输出质量；二是微调模型，这决定了你能不能把通用模型适配到自家业务语料上。每节概念讲完紧跟着就是实操，不要只看不做——视频里跑通一遍后，自己开一个测试环境照着敲一遍，遇到报错先查文档再往下走，这个反复过程才是这门课真正值钱的地方。
学完能独立做什么：完成从选型到调优的完整闭环
把资料里的实操都跟下来，你应该能独立完成几件事：在 Bedrock 里调用不同厂商的基础模型并对比效果；用平台提供的工具做模型评估，给出一份有数据支撑的选型结论；对选定的 FM 做轻量微调，让它更贴合你的业务场景。资料配合练习的方式很简单：概念部分当速查手册，实操部分当动手清单，每跑通一个模块就记下自己的参数和结果，别只存视频里的截图。整体节奏快、废话少，适合想快速判断 Bedrock 能不能落地、值不值得投入的工程和架构人员。
2小时熟悉企业级生成式AI服务
课程目录
* 01 课程简介.mp4 (3.49 MB), 00:44
* 02 什么是生成式 Al （GenAl）.mp4 (61.02 MB), 09:32
* 03 亚马逊 Bedrock概述.mp4 (25.33 MB), 04:06
* 04 (实操)亚马逊Bedrock实践.mp4 (72.54 MB), 11:42
* 05 亚马逊Bedrock - 基础模型 (FM).mp4 (30.14 MB), 04:47
* 06 (实操)亚马逊Bedrock-基础模型（FM）实践.mp4 (49.25 MB), 07:51
* 07 亚马逊Bedrock-微调模型.mp4 (40.08 MB), 06:31
* 08 亚马逊Bedrock -基础模型评估.mp4 (64.02 MB), 10:19
* 09 (实操)亚马逊Bedrock -基础模型评估实践.mp4 (32.89 MB), 05:12
* 10 亚马逊Bedrock- RAG & 知识库.mp4 (51.92 MB), 08:24
* 11 更多的生成式人工智能概念.mp4 (55.40 MB), 08:54
* 12 亚马逊Bedrock- 安全护栏.mp4 (9.96 MB), 01:39
* 13 (实操)亚马逊Bedrock- 安全护栏实践.mp4 (41.67 MB), 06:46
* 14 亚马逊Bedrock- 智能体.mp4 (41.78 MB), 06:41
* 15 亚马逊Bedrock-CloudWatch集成.mp4 (13.31 MB), 02:11
* 16 (实操)亚马逊Bedrock-CloudWatch集成实践.mp4 (36.45 MB), 05:57
* 17 亚马逊Bedrock-定价和其他功能.mp4 (27.47 MB), 04:27
* 18 (实操)亚马逊Bedrock-AI造型师实践.mp4 (32.73 MB), 05:19
