15 anmeldelser

Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)

Item: Microsoft-Machine-Learning-Operations-Mlops-Engineer-AI-300-kursus
Rating: 10
Author: Stephen Ridgway

Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)-kurset udstyrer professionelle med de nødvendige færdigheder til at operationalisere maskinlæringsmodeller i stor skala. Den fokuserer på at bygge bro mellem data science og produktion ved at implementere robuste MLOps-praksisser ved brug af Microsoft Azure-værktøjer og -tjenester. Deltagerne vil lære, hvordan man opbygger, implementerer, overvåger og administrerer maskinlæringsarbejdsgange effektivt, samtidig med at pålidelighed, skalerbarhed og styring sikres gennem ML-livscyklussen.

course: Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)

Varighed: 4 dage

Format: Virtual or Classroom

Forbereder til Eksamen: Operationalizing Machine Learning and Generative AI Solutions AI-300

Forbereder til Certificering: Microsoft Certified: Machine Learning Operations (MLOps) Engineer Associate

Deltag i dette og 60+ andre Microsoft kurser GRATIS med Unlimited Microsoft Training

Introduktion

Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)-kurset giver en omfattende forståelse af, hvordan man håndterer hele livscyklussen for maskinlæringsmodeller i produktionsmiljøer. Kurset dækker emner som modelversionering, CI/CD-pipelines, overvågning og styring og lægger vægt på praktisk implementering ved hjælp af Azure Machine Learning og relaterede tjenester. Deltagerne får praktisk erfaring med at automatisere arbejdsgange, styre modelydelse og sikre operationel ekspertise. Dette kursus forbereder kandidaterne til at tage AI-300-certificeringseksamenen og validerer deres evne til at designe og implementere MLOps-løsninger effektivt.

Dette kursus inkluderer

Instruktørledet træning
Personlig læringsvej
E-mail, chat og telefonsupport
Certificeringsgaranti

Topvirksomheder har tillid til Readynez

Hvem skal deltage på dette kursus?

Hvem er Microsoft Machine Learning Operations (MLOps) Engineer (AI-300) kurset til?

Dette kursus er ideelt for data scientists, maskinlæringsingeniører, DevOps-professionelle og AI-praktikere, der ønsker at operationalisere maskinlæringsløsninger. Den er også velegnet til professionelle, der er ansvarlige for implementering og vedligeholdelse af ML-modeller i produktionsmiljøer, samt dem, der ønsker at validere deres færdigheder med AI-300-certificeringen.

Kursusindhold

Hvad du vil lære under vores Microsoft Machine Learning Operations (MLOps) Engineer (AI-300) kursus.

Lær, hvordan du finder den bedste maskinlæringsmodel med automatiseret maskinlæring (AutoML), MLflowsporede notesbøger og Responsible AIdashboardet.
Forbehandl data og konfigurer funktionalisering
Kør et automatiseret maskinlæringseksperiment
Evaluer og sammenlign modeller
Konfigurer MLflow til modelsporing i notesbøger
Træn og spor modeller i notesbøger
Evaluer modeller med Responsible AIdashboardet
Øvelse Find den bedste klassificeringsmodel med Azure Machine Learning

Udfør hyperparameterjustering med Azure Machine Learning

Lær, hvordan du udfører hyperparameterjustering med et sweepjob i Azure Machine Learning.
Definer et søgeområde
Konfigurer en samplingsmetode
Konfigurer tidlig afslutning
Brug et sweepjob til hyperparameterjustering
Øvelse Kør et sweepjob

Kør pipelines i Azure Machine Learning

Lær, hvordan du opretter og bruger komponenter til at opbygge pipeline i Azure Machine Learning. Kør og planlæg Azure Machine Learningpipelines for at automatisere maskinlæringsworkflows.
Opret komponenter
Opret en pipeline
Kør et pipelinejob
Øvelse Kør et pipelinejob

Udløs Azure Machine Learning-job med GitHub Actions

Lær, hvordan du automatiserer dine maskinlæringsworkflows ved hjælp af GitHub Actions.
Forstå forretningsproblemet
Udforsk løsningsarkitekturen
Brug GitHub Actions til modeltræning
Øvelse

Udløs GitHub Actions med funktionsbaseret udvikling

Lær, hvordan du beskytter din hovedgren, og hvordan du udløser opgaver i maskinlæringsworkflowet baseret på ændringer i koden.
Forstå forretningsproblemet
Udforsk løsningsarkitekturen
Udløs en workflow
Øvelse

Arbejd med miljøer i GitHub Actions

Lær, hvordan du træner, tester og implementerer en maskinlæringsmodel ved hjælp af miljøer som en del af din strategi for maskinlæringsoperationer (MLOps). Forstå forretningsproblemet
Udforsk løsningsarkitekturen
Opsæt miljøer
Øvelse

Implementer en model med GitHub Actions

Lær, hvordan du automatiserer og tester modelimplementering med GitHub Actions og Azure Machine Learning CLI (v2).
Forstå forretningsproblemet
Udforsk løsningsarkitekturen
Modelimplementering
Øvelse

Planlæg og forbered en GenAIOps-løsning

Lær, hvordan du udvikler chatapplikationer med sprogmodeller ved hjælp af en kodeførst udviklingstilgang. Ved at udvikle generative AIapps kodeførst kan du oprette robuste og reproducerbare flows, der er integrerede for generative AI Operations eller GenAIOps.
Udforsk use cases for GenAIOps
Vælg den rigtige generative AImodel
Forstå udviklingslivscyklussen for en sprogmodelapplikation
Udforsk tilgængelige værktøjer og frameworks til at implementere GenAIOps
Øvelse Sammenlign sprogmodeller fra modelkataloget

Administrer prompts for agenter i Microsoft Foundry med GitHub

Lær, hvordan du administrerer AIprompts som versionerede aktiver ved hjælp af GitHub. Anvend bedste praksis inden for softwareudvikling til at oprette, teste og promovere promptversioner, der bruges i Microsoft Foundry som en del af en GenAIOpsarbejdsgang.
Anvend versionskontrol på prompter
Forstå Microsoft Foundryagenter og promptversionering
Organiser prompter i GitHublagre
Udvikl sikre promptimplementeringsarbejdsgange
Øvelse Udvikl prompt og agentversioner

Evaluer og optimer AI-agenter gennem strukturerede eksperimenter

Lær, hvordan du optimerer AIagenter gennem struktureret evaluering, der omdanner gætværk til evidensbaserede tekniske beslutninger. Du vil udforske, hvordan du designer evalueringseksperimenter med klare målinger for kvalitet, omkostninger og ydeevne; organiserer eksperimenter ved hjælp af Gitbaserede arbejdsgange; opretter evalueringsrubrikker for ensartet scoring; og sammenligner resultater for at træffe informerede optimeringsbeslutninger.
Design evalueringseksperimenter
Anvend Gitbaserede arbejdsgange på optimeringseksperimenter
Anvend evalueringsrubrikker for ensartet scoring
Øvelse Evaluer og sammenlign AIagentversioner

Automatiser AI-evalueringer med Microsoft Foundry og GitHub Actions

Lær, hvordan du implementerer automatiserede evalueringer for AIagentsvar ved hjælp af Microsoft Foundryevaluatorer, opretter evalueringsdatasæt fra produktionsdata og syntetisk generering, kører batchevalueringer med Pythonscripts og integrerer evalueringsarbejdsgange i GitHub Actions for løbende kvalitetssikring.
Forstå, hvorfor automatiserede evalueringer er vigtige
Tilpas evaluatorer til menneskelige kriterier
Opret evalueringsdatasæt
Implementerer batchevalueringer med Python
Integrer evalueringer i GitHub Actions
Øvelse Opsæt automatiserede evalueringer

Overvåg din generative AI-applikation

Lær, hvordan du overvåger ydeevnen af din generative AIapplikation ved hjælp af Microsoft Foundry. Dette modul lærer dig at spore vigtige metrikker som latenstid og tokenbrug for at træffe informerede, omkostningseffektive implementeringsbeslutninger.
Hvorfor har du brug for at overvåge?
Forstå vigtige metrikker til overvågning
Udforsk, hvordan du overvåger med Azure
Integrer overvågning i din app
Fortolk overvågningsresultater
Øvelse Aktiver overvågning for en generativ AIapplikation

Analyser og fejlfind din generative AI-app med sporing

Lær, hvordan du implementerer sporing i dine generative AIapplikationer ved hjælp af Microsoft Foundry og OpenTelemetry. Dette modul lærer dig at registrere detaljerede udførelsesflows, fejlfinde komplekse arbejdsgange og forstå applikationsadfærd for bedre pålidelighed og optimering.
Hvorfor skal du bruge sporing?
Identificer, hvad der skal spores i generative AIapplikationer
Implementer sporing i generative AIapplikationer
Fejlfind komplekse arbejdsgange med avancerede sporingsmønstre
Træf informerede beslutninger med sporingsdataanalyse
Øvelse Aktiver sporing for en generativ AIapplikation

Forberedelse

Hos Readynez tilbyder vi mange ressourcer og stiller mange erfarne eksperter til rådighed. Derfor har vi også stor succes med mange tilfredse kunder. Du kan derfor trygt tage dit kursus hos os. Selvom kurset ikke kræver formelle forudsætninger, kan en vis forudgående viden hjælpe dig med at få endnu mere ud af træningen. Enhver anbefalet erfaring eller baggrund, der er relevant for dette kursus, er anført nedenfor.

Grundlæggende forståelse af maskinlæringskoncepter og arbejdsgange
Fortrolighed med Python og data science-værktøjer
Kendskab til cloud computing-fundamenter, helst Microsoft Azure
Forståelse af DevOps-principper såsom CI/CD-pipelines
Erfaring med datamodeller eller ML-projekter er gavnlig

Mød vores instruktører

Mød nogle af de instruktører du kan møde på dit kursus. De er eksperter, passionerede omkring deres fag og dedikerede til at give deres viden tilbage til branchen, deres fag og dem som ønsker at lære, udforske og skabe fremskridt i deres karriere.

Tiago Costa

Med en mangeårig rolle som både Microsoft MVP og MCT leverer Tiago Costa LIVE-træning, der kombinerer ekspertviden med praktisk anvendelse. Hans kurser hjælper professionelle med at opbygge hands-on cloud-kompetencer og forberede sig effektivt til Microsoft-certificeringer.

Mød instruktøren: Tiago Costa

Hos Readynez mener vi, at træning i verdensklasse starter med instruktører i verdensklasse - og Tiago Costa er et perfekt eksempel på det.

Med over 20 års erfaring i at levere Microsoft Cloud- og AI-løsninger (bl.a. til Fortune 500-virksomheder) bringer Tiago en sjælden kombination af dyb teknisk ekspertise og praktisk, real-world perspektiv til hvert kursus.

50+ Microsoft-certificeringer.
Microsoft MVP siden 2016 & Microsoft Certified Trainer siden 2006.
Speaker, arkitekt og betroet rådgiver for globale virksomheder.

Som engageret community-leder, selvstændig konsulent og grundlægger af Azure & AI Portugal User Group brænder Tiago for at hjælpe andre med at udvikle deres karrierer gennem videndeling og praktiske færdigheder.

Når du træner med Tiago, lærer du ikke bare af certificerede eksperter…
Du lærer af en global frontfigur.

Find dit næste Microsoft-kursus med Tiago Costa her.

LÆS MERE

Read Less

FAQ

Ofte stillede spørgsmål for Microsoft Machine Learning Operations (MLOps) Engineer (AI-300) kurset.

Hvad er Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)?

Dette kursus fokuserer på implementering af MLOps-praksisser ved brug af Microsoft Azure. Den lærer, hvordan man bygger, implementerer, overvåger og administrerer maskinlæringsmodeller i produktion og forbereder kandidater til AI-300 certificeringseksamen.

Hvordan forbereder jeg mig til Microsoft Machine Learning Operations (MLOps) Engineer (AI-300) kurset?

Forberedelsen omfatter forståelse af grundlæggende maskinlæringsarbejdsgange, Azure-grundlæggende principper og DevOps-koncepter. At gennemgå Python og data science-praksis vil også hjælpe dig med at maksimere din læring.

Hvad er forudsætningerne for Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)?

Der er ingen strenge forudsætninger, men kendskab til maskinlæring, cloud computing og DevOps-praksis anbefales kraftigt.

Hvor meget koster Microsoft Machine Learning Operations (MLOps) Engineer (AI-300) kurset?

Prisen varierer afhængigt af uddannelsesudbyderen og leveringsformen. Typisk inkluderer det instruktørledet træning og kursusmaterialer.

Hvilke emner dækkes i Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)-kurset?

Emner omfatter modellivscyklusstyring, CI/CD-pipelines til ML, modelovervågning, versionsstyring, governance, Azure Machine Learning og automatisering af ML-workflows.

Er Microsoft Machine Learning Operations (MLOps) Engineer (AI-300) certificeringen det værd for min karriere?

Ja, det bekræfter din evne til at operationalisere maskinlæringsløsninger – en stadig mere efterspurgt færdighed på tværs af brancher, der tager AI i brug i stor skala.

Hvor lang tid tager det at gennemføre Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)-kurset?

Kurset afholdes typisk som et kort, intensivt træningsprogram, der er designet til effektivt at forberede kandidater til certificeringseksamen.

Kan jeg tage Microsoft Machine Learning Operations (MLOps) Engineer (AI-300) kurset online?

Ja, kurset er tilgængeligt både online og i underviserledede formater med praktiske laboratorier.

Hvor nemt eller svært er det at gennemføre Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)-kurset?

Kurset kan være moderat udfordrende, især for dem, der er nye i MLOps, men praktiske laboratorier og struktureret læring gør det overkommeligt.

Hvad er beståelsesscoren for Microsoft Machine Learning Operations (MLOps) Engineer (AI-300) kurset?

For at bestå det kræves bestået AI-300 certificeringseksamen. Den præcise beståelsesscore bestemmes af eksamensudbyderen og kan variere.

Hvordan kan jeg bevare min viden om Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)?

Hold dig opdateret med Azure ML-værktøjer, øv dig i at implementere modeller, og arbejd løbende med CI/CD-pipelines og overvågningsløsninger i virkelige miljøer.

Hvor meget løn kan jeg få efter at have gennemført Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)?

Professionelle med MLOps-ekspertise tjener typisk mellem €70.000 og €130.000 årligt, afhængigt af erfaring, placering og rolle.

Anmeldelser

Feedback fra vores deltagere.

Johan Andersson

Let at deltage i via Teams, og en fremragende instruktør gav mig stor værdi for den tid, jeg investerede.

Stephen Ridgway

Readynez er den bedste træningsudbyder, jeg har brugt i mange år. Deres kundeservice er førsteklasses, priserne er meget konkurrencedygtige, og undervisningen er fremragende.