In diesem Kurs werden Lernende darauf vorbereitet, Machine Learning Operations -Lösungen (MLOps) und Generative AI Operations (GenAIOps) auf Azure zu entwerfen, zu implementieren und zu betreiben. Es umfasst das Erstellen einer sicheren und skalierbaren KI-Infrastruktur, das Verwalten des vollständigen Lebenszyklus herkömmlicher Machine Learning-Modelle mit Azure Machine Learning sowie das Bereitstellen, Bewerten, Überwachen und Optimieren von generativen KI-Anwendungen und -Agents mithilfe von Microsoft Foundry. Lernende erhalten praktische Kenntnisse über Automatisierung, kontinuierliche Integration und Bereitstellung, Infrastruktur als Code und Beobachtbarkeit mithilfe von Tools wie GitHub Actions, Azure CLI und Bicep. Der Kurs betont die Zusammenarbeit mit Data Science- und DevOps-Teams, um zuverlässige, produktionsfähige KI-Systeme bereitzustellen, die auf moderne MLOps- und GenAIOps-Best Practices abgestimmt sind.
Erfahren Sie, wie Sie Machine Learning-Modelle mithilfe des vollständigen MLOps-Lebenszyklus operationalisieren. Dieser Lernpfad umfasst Experimentierungs- und Schulungsmodelle mit Azure Machine Learning, Automatisieren von Modellschulungen mit Pipelines und Hyperparameteroptimierung, Auslösen von Aufträgen mit GitHub-Aktionen, Implementieren einer trunkbasierten Entwicklung, Verwalten von Umgebungen und Bereitstellen von Modellen in der Produktion.
Erfahren Sie, wie Sie generative KI-Anwendungen mithilfe des vollständigen GenAIOps-Lebenszyklus operationalisieren. Dieser Lernpfad 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.
Germany – German
