Курс AI-300T00 Впровадження рішень машинного навчання та генеративного ШІ
Цей курс готує слухачів до проєктування, впровадження та експлуатації рішень для операцій машинного навчання (MLOps) та генеративного ШІ (GenAIOps) на платформі Azure. Він охоплює створення безпечної та масштабованої інфраструктури ШІ, управління повним життєвим циклом традиційних моделей машинного навчання за допомогою Azure Machine Learning, а також розгортання, оцінку, моніторинг та оптимізацію додатків та агентів генеративного ШІ з використанням Microsoft Foundry. Слухачі отримають практичні знання в галузі автоматизації, безперервної інтеграції та доставки, інфраструктури як коду та моніторингу за допомогою таких інструментів, як GitHub Actions, Azure CLI та Bicep. Програма курсу фокусується на спільній роботі з командами фахівців з аналізу даних та DevOps для створення надійних, готових до виробництва систем ШІ, що відповідають сучасним практикам MLOps та GenAIOps.
Після закінчення курсу слухачі зможуть:
- Навчати та оцінювати моделі класифікації машинного навчання з використанням Azure Machine Learning
- Оптимізувати навчання моделей за допомогою скриптів, відстеження MLflow, налаштування гіперпараметрів та конвеєрів машинного навчання
- Розробляти та автоматизувати рішення MLOps з використанням GitHub Actions та Azure Machine Learning
- Розгортати та відстежувати моделі машинного навчання на керованій онлайн-кінцевій точці в Azure Machine Learning
- Налаштовувати та конфігурувати Microsoft Foundry для розробки додатків генеративного ШІ
- Розробляти, версіонувати та розгортати агентів ШІ з використанням проєктування підказок у Microsoft Foundry
- Систематично тестувати, оцінювати та оптимізувати підказки агентів ШІ за допомогою автоматизованих хмарних оцінювачів
- Відстежувати та контролювати роботу агентів генеративного ШІ у виробничому середовищі за допомогою Application Insights та розподіленого трасування
- Оптимізувати агентів ШІ за допомогою тонкого налаштування, включаючи контрольоване тонке налаштування, тонке налаштування з підкріпленням і пряму оптимізацію переваг.
Аудиторія
Цей курс призначений для фахівців з аналізу даних, інженерів MLOps та розробників ШІ, які проєктують та впроваджують рішення на основі ШІ з використанням Azure Machine Learning та Microsoft Foundry. Профіль кандидата включає створення або підтримку конвеєрів машинного навчання, автоматизацію робочих процесів ШІ або використання генеративних додатків ШІ в корпоративних середовищах.
Учасники повинні впевнено працювати з Python, хмарними сервісами та GitHub.
Для ефективного навчання на курсі, слухачі повинні володіти такими знаннями і навичками:
- Знання мови програмування Python
- Досвід роботи зі службами Azure (портал Azure, підписки, групи ресурсів)
- Знання GitHub та систем контролю версій
- Знання основних концепцій Azure Machine Learning
Досвід роботи зі службами Azure Machine Learning або Azure AI буде перевагою, але не обов'язковий
1. Впровадження моделей машинного навчання у практику (MLOps)
1.1. Робота з Azure Machine Learning
- Попередня обробка даних та налаштування вилучення ознак
- Запуск автоматизованого експерименту з машинного навчання
- Оцінка та порівняння моделей
- Налаштування MLflow для відстеження моделей у блокнотах
- Навчання та відстеження моделей у блокнотах
- Оцінка моделей за допомогою панелі моніторингу Responsible AI
1.2 Підбір гіперпараметрів за допомогою Azure Machine Learning
- Визначення простору пошуку
- Налаштування методу вибірки (семплювання)
- Налаштування раннього завершення
- Використання sweep-задань (перебору) для підбору гіперпараметрів
1.3 Запуск конвеєрів (pipelines) в Azure Machine Learning
- Створення компонентів
- Створення конвеєра
- Запуск завдання конвеєра
1.4 Запуск завдань Azure Machine Learning за допомогою GitHub Actions
- Розуміння бізнес-завдання
- Вивчення архітектури рішення
- Використання GitHub Actions для навчання моделей
1.5 Запуск GitHub Actions при розробці на основі функціоналу (feature-based development)
- Розуміння бізнес-завдання
- Вивчення архітектури рішення
- Запуск робочого процесу (workflow)
1.6 Робота із середовищами (environments) в GitHub Actions
- Розуміння бізнес-завдання
- Вивчення архітектури рішення
- Налаштування середовищ
1.7 Розгортання моделі за допомогою GitHub Actions
- Розуміння бізнес-завдання
- Вивчення архітектури рішення
- Розгортання моделі
2. Впровадження генеративних ШІ-застосунків (GenAIOps)
2.1. Планування та підготовка рішення GenAIOps
- Вивчення варіантів використання (use cases) GenAIOps
- Вибір відповідної моделі генеративного ШІ
- Розуміння життєвого циклу розробки застосунків на основі мовних моделей
- Вивчення доступних інструментів та фреймворків для впровадження GenAIOps
2.2. Управління промптами для агентів у Microsoft Foundry через GitHub
- Застосування контролю версій для промптів
- Розуміння агентів Microsoft Foundry та версійності промптів
- Організація промптів у репозиторіях GitHub
- Розробка безпечних робочих процесів розгортання промптів
2.3. Оцінка та оптимізація ШІ-агентів через структуровані експерименти
- Проєктування експериментів з оцінки
- Застосування робочих процесів на базі Git для експериментів з оптимізації
- Використання критеріїв оцінки (rubrics) для узгодженого скорингу
2.4. Автоматизація оцінки ШІ за допомогою Microsoft Foundry та GitHub Actions
- Чому важлива автоматизована оцінка
- Зіставлення автоматичних оцінювачів з людськими критеріями
- Створення наборів даних для оцінки
- Впровадження пакетної оцінки (batch evaluation) на Python
- Інтеграція оцінки в GitHub Actions
2.5. Моніторинг вашого генеративного ШІ-застосунку
- Навіщо потрібен моніторинг
- Розуміння ключових метрик для моніторингу
- Вивчення способів моніторингу за допомогою Azure
- Інтеграція моніторингу у ваш застосунок
- Інтерпретація результатів моніторингу
2.6. Аналіз та налагодження генеративного ШІ-застосунку за допомогою трасування (tracing)
- Навіщо використовувати трасування
- Визначення об'єктів трасування у застосунках генеративного ШІ
- Впровадження трасування у застосунки генеративного ШІ
- Налагодження складних робочих процесів за допомогою просунутих патернів трасування
- Прийняття обгрунтованих рішень на основі аналізу даних трасування
Реєстрація на найближчий курс
У вартість курсу входить
- LIVE-навчання незалежно від формату участі в курсі (очно/віддалено)
- Електронні матеріали Microsoft
- Попередньо налаштоване середовище та навчання на сучасному обладнанні
- Електронний сертифікат Microsoft
- Обід та кава-брейки (очний курс)
- Консультації тренера протягом 6-ти місяців після закінчення курсу
Підписуйтесь на розсилку
Будьте в курсі акцій, новин і найближчих курсів!
Copyright © 2026 Networking Technologies • Політика конфіденційності