Accesso ad Amazon Bedrock

Introduzione ad Amazon Bedrock

Nikhil Rangarajan

Data Scientist

Conosci l’istruttore!

Machine Learning Engineer
Cloud Technology (AWS, Azure)
Ingegneria dei dati, cloud e informatica

La foto profilo dell’istruttore

Cos’è Amazon Bedrock?

Servizio di Amazon

I loghi AWS e Amazon Bedrock

Cos’è Amazon Bedrock?

Servizio di Amazon
Modelli di AI via API
- API: un tramite tra sistemi software
Bedrock dà accesso a modelli di aziende come Anthropic, Meta, ecc.
Nessun setup o training del modello: paghi a consumo

I loghi AWS e Amazon Bedrock e un diagramma di un’API.

Foundation model nella GenAI

Modelli pre-addestrati
Base per più task di AI
Generano testo, codice, immagini da prompt
- Testo/Chat: Claude, Jurassic
- Immagini: Stable Diffusion
- Embedding: Titan

Diagramma con un Foundation Model al centro e quattro frecce verso: Text/Chat, Embeddings, Code e Images.

Capire l’accesso ad Amazon Bedrock

Nota: In tutto il corso, Access Key e Secret Key sono già caricate.

Abilita l’accesso a Bedrock in AWS:
- Crea un utente IAM nella console AWS
- Aggiungi Amazon Bedrock Full Access
- Recupera le credenziali:
  - Access Key
  - Secret Key
  - Region (es.: 'us-east-1')

Diagramma di flusso con tre passaggi per abilitare l’accesso ad Amazon Bedrock in AWS. Passo 1: Crea utente IAM, Passo 2: Aggiungi Bedrock Access, Passo 3: Ottieni credenziali.

Configurare l’accesso al runtime di Bedrock

Configura le credenziali AWS nell’ambiente

# Non sicuro in produzione, solo per didattica
AWS_REGION = 'us-east-1'

AWS_ACCESS_KEY = 'your-access-key'

AWS_SECRET_KEY = 'your-secret-key'

Inizializza il client Bedrock

Usa 'bedrock-runtime' per l’inferenza

import boto3 
bedrock = boto3.client('bedrock-runtime', # use -runtime
  region_name=AWS_REGION,
  aws_access_key_id=AWS_ACCESS_KEY,
  aws_secret_access_key=AWS_SECRET_KEY)

Configurare l’accesso a Bedrock

Verifica lo stato di inizializzazione del client
Usa 'bedrock' per richieste operative

# Verifica configurazione del client Bedrock
import boto3
bedrock_client = boto3.client('bedrock', region_name='us-east-1')

models = bedrock_client.list_foundation_models()
print(f"Connected successfully! 
      Found {len(models['modelSummaries'])} available models.")

Connected successfully!  Found 13 available models.

Informazioni sui foundation model

Usa get_foundation_model() per i dettagli del modello

Serve un ModelID, identificatore univoco
- Esempi: amazon.nova-2-lite-v1:0, anthropic.claude-sonnet-4-5-20250929-v1:0

response = bedrock_client.get_foundation_model
    (modelIdentifier='anthropic.claude-sonnet-4-5-20250929-v1:0')

print(response['modelDetails'])

Informazioni sui foundation model

{'modelArn': 'arn:aws:bedrock:us-east-1::foundation-model/anthropic.claude-sonnet-4-5...',
 'modelId': 'anthropic.claude-sonnet-4-5-20250929-v1:0',
 'modelName': 'Claude Sonnet 4.5',
 'providerName': 'Anthropic',
 'inputModalities': ['TEXT', 'IMAGE'],
 'outputModalities': ['TEXT'],
 'responseStreamingSupported': True,
 'customizationsSupported': [],
 'inferenceTypesSupported': ['INFERENCE_PROFILE'],
 'modelLifecycle': {'status': 'ACTIVE', 'startOfLifeTime': ...}

Vamos praticar!

Introduzione ad Amazon Bedrock