К содержимому

learnspaceYOUR NEXT CHAPTER

ПРОСТРАНСТВО ОБУЧЕНИЯ

Главная Каталог курсов Моё обучение Coursera

Знания без границ

Учитесь у лучших университетов и компаний мира.

Открыть Coursera

Интеграция

Пространство университета

Моё пространствоСтраница курса

↵

ЯЛичный кабинетСтудент

© 2026 LearnSpaceКаждый день — возможность узнать больше.Помощь

Gen AI Dev- Troubleshoot Generative AI Applications · LearnSpace

Назад в каталог

courseraАнализ данных

Gen AI Dev- Troubleshoot Generative AI Applications

Курс от Amazon Web Services

Продвинутый≈ 1.3 чАнглийский

О курсе Навыки Программа Преподаватели

О курсе

In this lesson, you will learn how to do the following:Describe common issues and challenges of generative AI.

Навыки, которые вы освоите

Cloud Computing Large Language Modeling Amazon Web Services Prompt Engineering Software Development Incident Management Natural Language Processing Artificial Intelligence and Machine Learning (AI/ML)Debugging Artificial Intelligence System Monitoring Responsible AI LLM Application Event Monitoring MLOps (Machine Learning Operations)Amazon CloudWatch Generative AI Model Evaluation Verification And Validation Machine Learning

Программа курса

4 модулей · 47 учебных материалов

01Introduction5 материалов

Module introduction

IntroductionЧтение Generative AI troubleshooting overviewЧтение Building troubleshooting frameworksЧтение Common generative AI issues and challengesЧтение

Учитесь у экспертов

AWS Instructor

Преподаватель курса

В каталоге вашей программы

Инвестируйте в себя

Новые знания — в удобное для вас время.

Начать на Coursera

Обучение откроется на Coursera
в новой вкладке

Обучение на Coursera

≈ 1.3 ч

4 модулей

Язык: Английский

Часть программы вашего университета

Course roadmapЧтение

02Error monitoring and troubleshooting frameworks16 материалов

Error monitoring

IntroductionЧтение Common failure modes in generative AI systemsЧтение AWS services for error monitoring and observabilityЧтение Implementing observability with AWS X-RayЧтение CloudWatch monitoring for integration pointsЧтение Error handling and retry strategiesЧтение

Developing troubleshooting frameworks

IntroductionЧтение Core troubleshooting framework componentsЧтение Golden datasets for hallucination detectionЧтение Output diffing techniques for response consistencyЧтение Reasoning path tracing for logical error identificationЧтение

Increasing troubleshooting efficiency

IntroductionЧтение Benefits of efficient troubleshooting approachesЧтение Log analysis with CloudWatch Logs InsightsЧтение Performance profiling with AWS X-RayЧтение Amazon Q Developer for error pattern recognitionЧтение

03Diagnosing and troubleshooting generative AI applications21 материалов

Resolving content handling issues

IntroductionЧтение Common content handling issues in foundation modelsЧтение Context window overflow diagnosticsЧтение Dynamic chunking strategiesЧтение Prompt design optimization for content handlingЧтение Truncation-related error analysisЧтение

Resolving foundation model integration issues

IntroductionЧтение Foundation model integration overviewЧтение Comprehensive error logging for foundation model integrationsЧтение Request validation for API integrityЧтение API response analysis and error resolutionЧтение

Resolving prompt engineering issues

IntroductionЧтение Prompt engineering problem identificationЧтение Prompt testing frameworks implementationЧтение Version comparison and optimization strategiesЧтение

Resolving retrieval system issues

IntroductionЧтение Retrieval system architecture and componentsЧтение Model response relevance analysisЧтение Drift monitoring and detectionЧтение Chunking and preprocessing remediationЧтение Vector search performance optimizationЧтение

04Conclusion5 материалов

Summary

Graded AssessmentЗадание Recap and next stepsЧтение ResourcesЧтение SurveyЧтение

Contact us

We want to hear from youЧтение