Bir ekip, Amazon Bedrock üzerinde çalışan açık kaynaklı bir LLM ile Retrieval Augmented Generation (RAG) kullanmak istiyor. RAG kaynak belgeleri (CSV ve DOCX dosyaları) bir S3 bucket'ında depolanıyor. Bu dosyalar üzerinde RAG'yi etkinleştirmek için en az operasyonel yük gerektiren yaklaşım hangisidir?
Bir cevap seçin
Cevabınızı kontrol etmek için bir seçeneğe dokunun.
Doğru cevap: Amazon Bedrock için bir bilgi tabanı oluşturun. S3 bucket'ını referans alan bir veri kaynağı yapılandırın. RAG sorguları gerçekleştirmek için Amazon Bedrock API'sini kullanın..
Neden bu cevap
Doğru cevap, Amazon Bedrock için bir bilgi tabanı oluşturmak ve S3 bucket'ını veri kaynağı olarak yapılandırmaktır. Bu yaklaşım, Amazon Bedrock'un yerleşik RAG yeteneklerini kullanarak operasyonel yükü en aza indirir. Bedrock bilgi tabanları, S3'teki belgeleri otomatik olarak vektörleştirir ve indeksler, böylece harici bir vektör veritabanı veya karmaşık veri işleme işlem hatları kurmaya gerek kalmaz. Diğer seçenekler daha fazla manuel müdahale, özel model eğitimi veya ek hizmetlerin yönetilmesini gerektirir, bu da operasyonel yükü artırır. Örneğin, SageMaker Pipelines veya AutoML kullanmak, model eğitimi ve dağıtımı için ek adımlar ve yönetim gerektirirken, Amazon Neptune'da verileri depolamak ayrı bir veritabanı yönetimi katmanı ekler.
Sonsuz cevap arayışı olmadan sınavınızı geçin
Bu sınav için her doğrulanmış soruyu ve açıklamayı tek bir yerde edinin ve saatlerce süren hazırlıktan tasarruf edin. 1.000'den fazla sertifika · 20'den fazla dil · ücretsiz başlayın.
Sınavınızı daha hızlı geçin → Kart gerekmez