Operationalize machine learning and generative AI solutions

Seminarinhalt

• Operationalisieren von Machine Learning-Modellen (MLOps)

  - Mit Azure Machine Learning experimentieren
  - Durchführen der Hyperparameteroptimierung mit Azure Machine Learning
  - Ausführen von Pipelines in Azure Machine Learning
  - Auslösen von Azure Machine Learning-Aufträgen mit GitHub Actions
  - Auslösen von GitHub Actions mithilfe der featurebasierten Entwicklung
  - Arbeiten mit Umgebungen in GitHub Actions
  - Bereitstellen eines Modells mit GitHub Actions
  Operationalisieren von generativen KI-Anwendungen (GenAIOps)

  - Planen und Vorbereiten einer GenAIOps-Lösung
  - Verwalten von Eingabeaufforderungen für Agents in Microsoft Foundry mit GitHub
  - Bewerten und Optimieren von KI-Agents durch strukturierte Experimente
  - Automatisieren von KI-Auswertungen mit Microsoft Foundry- und GitHub-Aktionen
  - Überwachen Ihrer generativen KI-Anwendung
  - Analysieren und Debuggen Ihrer generativen KI-App mit Ablaufverfolgung

• Dieser Kurs wird in Kooperation mit Fast Lane durchgeführt.

Zielgruppe

Dieser Kurs richtet sich an Data Scientists, Machine Learning-Ingenieure und DevOps-Experten, die KI-Lösungen auf Produktionsniveau auf Azure entwerfen und betreiben möchten. Es eignet sich für Lernende mit Erfahrungen in Python, einem grundlegenden Verständnis von Machine Learning-Konzepten und grundlegenden Kenntnissen mit DevOps-Praktiken wie Quellcodeverwaltung, CI/CD und Befehlszeilentools, die sich auf die Implementierung von MLOps- und GenAIOps-Workflows mit Azure nativen Diensten vorbereiten.