15 anmeldelser

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

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

Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)-kurset gir fagfolk ferdighetene som trengs for å operasjonalisere maskinlæringsmodeller i stor skala. Den fokuserer på å bygge bro mellom datavitenskap og produksjon ved å implementere robuste MLOps-praksiser ved bruk av Microsoft Azure-verktøy og -tjenester. Deltakerne vil lære hvordan man bygger, distribuerer, overvåker og administrerer maskinlæringsarbeidsflyter effektivt, samtidig som de sikrer pålitelighet, skalerbarhet og styring gjennom hele ML-livssyklusen.

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

Varighet: 4 dager

Format: Virtual or Classroom

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

Forberedelse til Sertifisering: Microsoft Certified: Machine Learning Operations (MLOps) Engineer Associate

Bli med på dette og 60+ andre Microsoft kurs GRATIS med Unlimited Microsoft Training

Oversikt

Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)-kurset gir en omfattende forståelse av hvordan man håndterer hele livssyklusen til maskinlæringsmodeller i produksjonsmiljøer. Kurset dekker emner som modellversjonering, CI/CD-pipelines, overvåking og styring, og legger vekt på praktisk implementering ved bruk av Azure Machine Learning og relaterte tjenester. Deltakerne får praktisk erfaring med å automatisere arbeidsflyter, administrere modellytelse og sikre driftsmessig fortreffelighet. Dette kurset forbereder kandidatene til å ta AI-300-sertifiseringseksamenen og validerer deres evne til å designe og implementere MLOps-løsninger effektivt.

Dette kurset inkluderer

Instruktørledet opplæring
Personlig læringsvei
E-post-, chat- og telefonsupport
Sertifiseringsgaranti

Toppselskaper stoler på Readynez

Hvem skal delta på dette kurset?

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

Dette kurset er ideelt for dataforskere, maskinlæringsingeniører, DevOps-profesjonelle og AI-utøvere som ønsker å operasjonalisere maskinlæringsløsninger. Den er også egnet for fagfolk som er ansvarlige for å implementere og vedlikeholde ML-modeller i produksjonsmiljøer, samt de som ønsker å validere sine ferdigheter med AI-300-sertifiseringen.

Kursinnhold

Hva du vil lære under vårt Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)-kurs.

Lær hvordan du finner den beste maskinlæringsmodellen med automatisert maskinlæring (AutoML), MLflowsporede notatbøker og Responsible AIdashbordet.
Forhåndsbehandle data og konfigurer funksjonalisering
Kjør et automatisert maskinlæringseksperiment
Evaluer og sammenlign modeller
Konfigurer MLflow for modellsporing i notatbøker
Tren og spor modeller i notatbøker
Evaluer modeller med Responsible AIdashbordet
Øvelse Finn den beste klassifiseringsmodellen med Azure Machine Learning

Utfør hyperparameterjustering med Azure Machine Learning

Lær hvordan du utfører hyperparameterjustering med en sweepjobb i Azure Machine Learning.
Definer et søkeområde
Konfigurer en samplingsmetode
Konfigurer tidlig avslutning
Bruk en sweepjobb for hyperparameterjustering
Øvelse Kjør en sweepjobb

Kjør pipelines i Azure Machine Learning

Lær hvordan du oppretter og bruker komponenter for å bygge pipeline i Azure Machine Learning. Kjør og planlegg Azure Machine Learningpipelines for å automatisere maskinlæringsarbeidsflyter.
Opprette komponenter
Opprette en pipeline
Kjøre en pipelinejobb
Øvelse Kjøre en pipelinejobb

Utløse Azure Machine Learning-jobber med GitHub Actions

Lær hvordan du automatiserer maskinlæringsarbeidsflytene dine ved å bruke GitHub Actions.
Forstå forretningsproblemet
Utforsk løsningsarkitekturen
Bruk GitHub Actions for modelltrening
Øvelse

Utløse GitHub Actions med funksjonsbasert utvikling

Lær hvordan du beskytter hovedgrenen din og hvordan du utløser oppgaver i maskinlæringsarbeidsflyten basert på endringer i koden.
Forstå forretningsproblemet
Utforsk løsningsarkitekturen
Utløse en arbeidsflyt
Øvelse

Arbeide med miljøer i GitHub Actions

Lær hvordan du trener, tester og distribuerer en maskinlæringsmodell ved å bruke miljøer som en del av strategien din for maskinlæringsoperasjoner (MLOps). Forstå forretningsproblemet
Utforsk løsningsarkitekturen
Konfigurer miljøer
Øvelse

Distribuer en modell med GitHub Actions

Lær hvordan du automatiserer og tester modelldistribusjon med GitHub Actions og Azure Machine Learning CLI (v2).
Forstå forretningsproblemet
Utforsk løsningsarkitekturen
Modelldistribusjon
Øvelse

Planlegg og klargjør en GenAIOps-løsning

Lær hvordan du utvikler chatapplikasjoner med språkmodeller ved hjelp av en kodeførst utviklingstilnærming. Ved å utvikle generative AIapper kodeførst, kan du lage robuste og reproduserbare flyter som er integrerte for generative AI Operations, eller GenAIOps.
Utforsk brukstilfeller for GenAIOps
Velg riktig generativ AImodell
Forstå utviklingslivssyklusen til en språkmodellapplikasjon
Utforsk tilgjengelige verktøy og rammeverk for å implementere GenAIOps
Øvelse Sammenlign språkmodeller fra modellkatalogen

Administrer ledetekster for agenter i Microsoft Foundry med GitHub

Lær hvordan du administrerer AIledetekster som versjonerte ressurser ved hjelp av GitHub. Bruk beste praksis for programvareutvikling for å opprette, teste og promotere promptversjoner som brukes i Microsoft Foundry som en del av en GenAIOpsarbeidsflyt.
Bruk versjonskontroll på prompter
Forstå Microsoft Foundryagenter og promptversjonskontroll
Organiser prompter i GitHubrepositorier
Utvikle sikre arbeidsflyter for promptdistribusjon
Øvelse Utvikle prompt og agentversjoner

Evaluer og optimaliser AI-agenter gjennom strukturerte eksperimenter

Lær hvordan du optimaliserer AIagenter gjennom strukturert evaluering som forvandler gjetting til evidensbaserte tekniske beslutninger. Du vil utforske hvordan du designer evalueringseksperimenter med tydelige målinger for kvalitet, kostnad og ytelse; organiserer eksperimenter ved hjelp av Gitbaserte arbeidsflyter; lager evalueringsrubrikker for konsistent poengsum; og sammenligner resultater for å ta informerte optimaliseringsbeslutninger.
Design evalueringseksperimenter
Bruk Gitbaserte arbeidsflyter på optimaliseringseksperimenter
Bruk evalueringsrubrikker for konsistent poengsum
Øvelse Evaluer og sammenlign AIagentversjoner

Automatiser AI-evalueringer med Microsoft Foundry og GitHub Actions

Lær hvordan du implementerer automatiserte evalueringer for AIagentsvar ved hjelp av Microsoft Foundryevaluatorer, opprett evalueringsdatasett fra produksjonsdata og syntetisk generering, kjør batchevalueringer med Pythonskript og integrer evalueringsarbeidsflyter i GitHub Actions for kontinuerlig kvalitetssikring.
Forstå hvorfor automatiserte evalueringer er viktige
Samsvarer med menneskelige kriterier
Opprett evalueringsdatasett
Implementer batchevalueringer med Python
Integrer evalueringer i GitHub Actions
Øvelse Konfigurer automatiserte evalueringer

Overvåk din generative AI-applikasjon

Lær hvordan du overvåker ytelsen til din generative AIapplikasjon ved hjelp av Microsoft Foundry. Denne modulen lærer deg å spore viktige målinger som latens og tokenbruk for å ta informerte, kostnadseffektive distribusjonsbeslutninger.
Hvorfor trenger du å overvåke?
Forstå viktige målinger for overvåking
Utforsk hvordan du overvåker med Azure
Integrer overvåking i appen din
Tolk overvåkingsresultater
Øvelse Aktiver overvåking for en generativ AIapplikasjon

Analyser og feilsøk din generative AI-app med sporing

Lær hvordan du implementerer sporing i dine generative AIapplikasjoner ved hjelp av Microsoft Foundry og OpenTelemetry. Denne modulen lærer deg å fange opp detaljerte utførelsesflyter, feilsøke komplekse arbeidsflyter og forstå applikasjonsatferd for bedre pålitelighet og optimalisering.
Hvorfor trenger du å bruke sporing?
Identifiser hva som skal spores i generative AIapplikasjoner
Implementer sporing i generative AIapplikasjoner
Feilsøk komplekse arbeidsflyter med avanserte sporingsmønstre
Ta informerte beslutninger med sporingsdataanalyse
Øvelse Aktiver sporing for en generativ AIapplikasjon

Forberedelse

Hos Readynez tilbyr vi mange ressurser og mange erfarne eksperter. Derfor har vi også hatt stor suksess med mange fornøyde kunder. Du kan derfor trygt ta kurset ditt hos oss. Selv om kurset ikke krever formelle forkunnskaper, kan litt forkunnskap hjelpe deg med å få enda mer ut av opplæringen. All anbefalt erfaring eller bakgrunn som er relevant for dette kurset er listet opp nedenfor.

Grunnleggende forståelse av maskinlæringskonsepter og arbeidsflyter
Kjennskap til Python og data science-verktøy
Kunnskap om grunnleggende skybasert databehandling, helst Microsoft Azure
Forståelse av DevOps-prinsipper som CI/CD-pipelines
Erfaring med datamodeller eller ML-prosjekter er nyttig

Møt våre instruktører

Møt noen av instruktørene du kan møte på kurset ditt. De er eksperter, lidenskapelig opptatt av yrket sitt og dedikert til å gi kunnskapen sin tilbake til industrien, yrket og de som ønsker å lære, utforske og fremme karrieren.

Tiago Costa

Med en mangeårig rolle som både Microsoft MVP og MCT leverer Tiago Costa LIVE-trening som kombinerer ekspertkunnskap med praktisk anvendelse. Kursene hans hjelper fagfolk med å bygge praktiske skyferdigheter og forberede seg effektivt til Microsoft-sertifiseringer.

Møt instruktøren: Tiago Costa

Hos Readynez mener vi at opplæring i verdensklasse begynner med instruktører i verdensklasse - og Tiago Costa er et perfekt eksempel.

Med over 20 års erfaring med å levere Microsoft Cloud- og AI-løsninger (inkludert til Fortune 500-selskaper), kombinerer Tiago dyp teknisk ekspertise med et virkelighetsnært perspektiv i hver eneste kursleveranse.

50+ Microsoft-sertifiseringer
Microsoft MVP siden 2016 & Microsoft Certified Trainer siden 2006
Foredragsholder, arkitekt og betrodd rådgiver for globale organisasjoner

Som engasjert community-leder, frilanskonsulent og grunnlegger av Azure & AI Portugal User Group brenner Tiago for å hjelpe andre med å utvikle karrieren gjennom kunnskapsdeling og praktiske ferdigheter.

Når du trener med Tiago, får du ikke bare opplæring fra sertifiserte eksperter…
Du lærer av en global leder.

Finn ditt neste Microsoft-kurs med Tiago Costa her.

LES MER

Read Less

FAQ

Ofte stilte spørsmål for Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)-kurset.

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

Dette kurset fokuserer på å implementere MLOps-praksiser ved bruk av Microsoft Azure. Den lærer hvordan man bygger, distribuerer, overvåker og administrerer maskinlæringsmodeller i produksjon, og forbereder kandidater til AI-300-sertifiseringseksamenen.

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

Forberedelsene inkluderer forståelse av grunnleggende maskinlæringsarbeidsflyter, Azure-grunnleggende prinsipper og DevOps-konsepter. Å gjennomgå Python- og data science-praksiser vil også hjelpe deg å maksimere læringen din.

Hva er forutsetningene for Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)?

Det finnes ingen strenge forutsetninger, men kunnskap om maskinlæring, skybasert databehandling og DevOps-praksis anbefales på det sterkeste.

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

Kostnaden for Microsoft Machine Learning Operations (MLOps) Engineer-kurset er 34 900 kr.

Hvilke temaer dekkes i Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)-kurset?

Temaer inkluderer modelllivssyklusstyring, CI/CD-pipelines for ML, modellovervåking, versjonering, styring, Azure Machine Learning og automatisering av ML-arbeidsflyter.

Er Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)-sertifisering verdt det for karrieren min?

Ja, det validerer din evne til å operasjonalisere maskinlæringsløsninger – en stadig mer etterspurt ferdighet på tvers av bransjer som tar i bruk AI i stor skala.

Hvor lang tid tar det å fullføre Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)-kurset?

Kurset tilbys vanligvis som et kort, intensivt opplæringsprogram designet for å forberede kandidatene effektivt til sertifiseringseksamen.

Kan jeg ta Microsoft Machine Learning Operations (MLOps) Engineer (AI-300) kurset på nett?

Ja, kurset er tilgjengelig både på nett og i instruktørledede formater med praktiske laboratorier.

Hvor lett eller vanskelig er det å fullføre Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)-kurset?

Kurset kan være moderat utfordrende, spesielt for de som er nye til MLOps, men praktiske laboratorier og strukturert læring gjør det håndterbart.

Hva er bestått-poengsummen for Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)-kurset?

For å bestå må du bestå AI-300-sertifiseringseksamen. Den eksakte beståttscoren bestemmes av eksamensleverandøren og kan variere.

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

Hold deg oppdatert med Azure ML-verktøy, øv på å distribuere modeller, og arbeid kontinuerlig med CI/CD-pipelines og overvåkingsløsninger i virkelige miljøer.

Hvor høy lønn kan jeg få etter å ha fullført Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)?

Fagfolk med MLOps-ekspertise tjener vanligvis mellom €70 000 og €130 000 årlig, avhengig av erfaring, beliggenhet og rolle.

Anmeldelser

Tilbakemelding fra våre delegater.

Johan Andersson

Lett å delta på via Teams, og en utmerket instruktør ga meg stor verdi for tiden jeg investerte.

Stephen Ridgway

Readynez er den beste opplæringsleverandøren jeg har brukt i mange år. Kundeservicen deres er førsteklasses, prisene er svært konkurransedyktige og undervisningen er utmerket.