1基盤モデルの統合・データ管理・コンプライアンス

• 1.1要件分析と基盤モデルの選定・構成

  GenAI ソリューションの設計と、用途に合う 基盤モデル（FM） の選定・構成を学びます。Amazon Bedrock でのモデル評価、Cross-Region Inference による回復性、プロビジョンドスループット、ファインチューニング／LoRA、Well-Architected Framework（生成 AI レンズ） を押さえます。

• 1.2FM 消費のためのデータ検証・処理パイプライン

  FM に渡すデータの品質を担保するパイプラインを学びます。AWS Glue Data Quality、SageMaker Data Wrangler／Processing、マルチモーダル処理（Transcribe・Textract）、Bedrock API 向けの 入力フォーマット整形、Comprehend によるエンティティ抽出を扱います。

• 1.3ベクトルストアソリューションの設計

  FM 拡張のためのベクトルデータベース設計を学びます。Amazon Bedrock Knowledge Bases、OpenSearch Service（ベクトル検索/Neural plugin）、Aurora pgvector、DynamoDB、メタデータフレームワーク、増分更新による鮮度維持を扱います。

• 1.4FM 拡張のための検索機構（RAG）

  RAG の検索品質を高める機構を学びます。チャンキング戦略、Titan 埋め込み、ハイブリッド検索、Bedrock reranker、クエリ拡張/分解/変換、function calling／MCP によるアクセスを扱います。

• 1.5プロンプト工学の戦略とガバナンス

  FM の振る舞いを制御するプロンプト戦略と、その運用ガバナンスを学びます。Bedrock Prompt Management（テンプレ/バージョン/バリアント比較）、Bedrock Guardrails、chain-of-thought、Bedrock Prompt Flows、CloudTrail／CloudWatch Logs による監査を扱います。