Machine Learning and generative AI solutions

mit Azure, Microsoft Foundry und Github umsetzen

Ihr Nutzen

Erfahren Sie, wie Sie generative KI-Anwendungen mithilfe des vollständigen GenAIOps-Lebenszyklus operationalisieren. Dieses Seminar umfasst die Planung und Vorbereitung von GenAIOps-Lösungen, das Verwalten von Aufforderungen für Agents mit Versionskontrolle, die Auswertung und Optimierung von Agents durch strukturierte Experimente, die Automatisierung von Auswertungen mit Microsoft Foundry und GitHub Actions, die Überwachung der Anwendungsleistung und -kosten sowie die Implementierung der verteilten Ablaufverfolgung zum Debuggen komplexer KI-Workflows.

4,89

Zielgruppe

Machine Learning Engineers, DevOps Professionals

Voraussetzungen

Azure AI Grundlagen

Dauer und Investition

Seminardauer: 4 Tag(e)
€ 2.760,- pro Teilnehmer excl. MwSt.

Für individuelle Firmenseminare, Inhaltsvergleich, Frühbuchbonus oder Punktekarte klicken Sie hier:

Termine
Ihr Wunschtermin ist nicht dabei?
Mich bei Termingarantie benachrichtigen.
Hinweis

AI-300T00,

Original-Seminar

AI-300T00 mit digitalen Seminarunterlagen.

Inhalte
Alle Details anzeigen

    1. Tag

    • MLOps - Teil 1
    • Operationalisieren von Machine Learning Modellen (MLOps)
    • Mit Azure Machine Learning experimentieren
    • Durchführen der Hyperparameteroptimierung
    • Ausführen von Pipelines
    • Machine Learning Aufträge mit GitHub Actions auslösen

    2. Tag

    • MLOps - Teil 2
    • GitHub Actions mit featurebasierter Entwicklung
    • Arbeiten mit Umgebungen
    • Bereitstellen eines Modells mit Github Actions

    3. Tag

    • GenAIOps - Teil 1
    • Operationalisieren von generativen KI Anwendungen (GenAI Ops)
    • Planen und Vorbereiten einer GenAIOps Lösung
    • Verwaltung der Prompts für Agents in Microsoft Foundry

    4. Tag

    • GenAIOps - Teil 2
    • Bewerten und Optimieren von KI Agents durch strukturierte Elemente
    • Automatisieren von KI-Auswertungen
    • Überwachen der generativen KI Anwendung
    • Analysieren und Debuggen mit Ablaufverfolgung

    Beschreibung

    Wird noch definiert