Operationalize machine learning and generative AI solutions
kod szkolenia: AI-300 / PL DL 4d
Szkolenie koncentruje się na praktycznym wdrażaniu i utrzymywaniu rozwiązań AI w środowisku Azure — od klasycznych modeli machine learning po aplikacje i agentów generatywnej AI. Uczestnicy poznają podejście MLOps i GenAIOps, które pozwala tworzyć bezpieczne, skalowalne i gotowe do pracy produkcyjnej systemy AI. Kurs obejmuje m.in. automatyzację procesów, zarządzanie cyklem życia modeli, ocenę jakości rozwiązań, monitorowanie działania aplikacji oraz optymalizację kosztów z wykorzystaniem narzędzi takich jak Azure Machine Learning, Microsoft Foundry, GitHub Actions, Azure CLI i Bicep.
Szkolenie jest przeznaczone dla specjalistów odpowiedzialnych za projektowanie, wdrażanie, automatyzację i utrzymanie rozwiązań AI oraz machine learning w środowisku Azure. Szczególnie sprawdzi się u osób, które chcą rozwijać kompetencje w zakresie MLOps, GenAIOps, pracy z modelami ML oraz operacyjnego zarządzania generatywnymi aplikacjami i agentami AI.
Szkolenie rekomendowane jest dla:
- inżynierów AI,
- data scientistów,
- specjalistów pracujących z modelami machine learning,
- osób wdrażających generatywne aplikacje i agentów AI,
- członków zespołów data science i DevOps odpowiedzialnych za produkcyjne systemy AI.
1. Operacjonalizacja rozwiązań AI – poznasz, jak projektować, wdrażać i utrzymywać systemy AI gotowe do pracy w środowisku produkcyjnym.
2. Zarządzanie cyklem życia modeli ML – nauczysz się, jak wykorzystywać Azure Machine Learning, AutoML i MLflow do pracy z modelami uczenia maszynowego.
3. Wdrażanie praktyk MLOps – dowiesz się, jak automatyzować procesy, integrować pracę zespołów i usprawniać dostarczanie rozwiązań machine learning.
4. Obsługa generatywnych aplikacji AI – poznasz, jak wdrażać i rozwijać aplikacje oraz agentów AI z wykorzystaniem podejścia GenAIOps.
5. Zarządzanie promptami i wersjonowaniem – nauczysz się, jak kontrolować zmiany w promptach oraz prowadzić eksperymenty wspierające rozwój agentów AI.
6. Ocena i optymalizacja rozwiązań AI – dowiesz się, jak monitorować jakość, wydajność i koszty aplikacji AI z wykorzystaniem Microsoft Foundry i GitHub Actions.
7. Obserwowalność i debugowanie przepływów AI – poznasz, jak wykorzystywać rozproszone śledzenie do analizowania i usprawniania złożonych rozwiązań AI.
1. Operacjonalizacja modeli uczenia maszynowego:
• Eksperymentowanie z Azure Machine Learning.
• Dostrajanie hiperparametrów za pomocą Azure Machine Learning.
• Tworzenie potoków w Azure Machine Learning.
• Wyzwalanie zadań Azure Machine Learning za pomocą GitHub Actions.
• Wyzwalanie działań w GitHub z wykorzystaniem programowania opartego na funkcjach.
• Praca ze środowiskami w GitHub Actions.
• Wdrażanie modelu za pomocą GitHub Actions.
2. Operacjonalizacja generatywnych aplikacji AI:
• Planowanie i przygotowanie rozwiązania GenAIOps.
• Zarządzanie promptami dla agentów w Microsoft Foundry za pomocą GitHub.
• Ocena i optymalizacja agentów AI poprzez uporządkowane eksperymenty.
• Automatyzacja ocen AI za pomocą Microsoft Foundry i GitHub Actions.
• Monitorowanie generatywnej aplikacji AI.
-
Doświadczenie programistyczne w Pythonie lub R
-
Znajomość podstawowych koncepcji i usług generatywnej AI w Azure.
-
Doświadczenie w opracowywaniu i trenowaniu modeli uczenia maszynowego
-
Znajomość podstawowych koncepcji Azure Machine Learning
Dla zwiększenia komfortu pracy oraz efektywności szkolenia zalecamy skorzystanie z dodatkowego ekranu. Brak dodatkowego ekranu nie jest przeciwwskazaniem do udziału w szkoleniu, ale w znaczący sposób wpływa na komfort pracy podczas zajęć.
Informacje oraz wymagania dotyczące uczestniczenia w szkoleniach w formule zdalnej dostępne na: https://www.altkomakademia.pl/jak-dzialamy/o-szkoleniach/?distance-learning
* podręcznik w formie elektronicznej dostępny na platformie:https://learn.microsoft.com/pl-pl/training/
* dostęp do portalu słuchacza Altkom Akademii
-
Szkolenie: polski
-
Materiały: angielski