15 recensioner

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)-kursen utrustar yrkesverksamma med de färdigheter som krävs för att operationalisera maskininlärningsmodeller i stor skala. Den fokuserar på att överbrygga klyftan mellan data science och produktion genom att implementera robusta MLOps-metoder med Microsoft Azure-verktyg och -tjänster. Deltagarna kommer att lära sig hur man bygger, distribuerar, övervakar och hanterar maskininlärningsarbetsflöden effektivt samtidigt som tillförlitlighet, skalbarhet och styrning säkerställs genom hela ML-livscykeln.

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

Längd: 4 dagar

Kursform: Virtual or Classroom

Förbereder till Examen: Operationalizing Machine Learning and Generative AI Solutions AI-300

Förbereder till Certifiering: Microsoft Certified: Machine Learning Operations (MLOps) Engineer Associate

Deltag på denna och 60+ andra Microsoft kurser GRATIS med Unlimited Microsoft Training

Översikt

Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)-kursen ger en omfattande förståelse för hur man hanterar hela livscykeln för maskininlärningsmodeller i produktionsmiljöer. Kursen täcker ämnen som modellversionering, CI/CD-pipelines, övervakning och styrning, och betonar praktisk implementering med hjälp av Azure Machine Learning och relaterade tjänster. Deltagarna får praktisk erfarenhet av att automatisera arbetsflöden, hantera modellprestanda och säkerställa operativ excellens. Denna kurs förbereder kandidaterna för att ta AI-300-certifieringsprovet och validerar deras förmåga att designa och implementera MLOps-lösningar effektivt.

I detta kurs ingår

Instruktörsledd utbildning
Personlig lärandeväg
E-post, chatt och telefonsupport
Certifieringsgaranti

Toppföretag litar på Readynez

Vem ska delta på detta kurs?

Vem är Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)-kursen för?

Denna kurs är idealisk för data scientists, maskininlärningsingenjörer, DevOps-proffs och AI-praktiker som vill omsätta maskininlärningslösningar i praktiken. Det är också lämpligt för yrkesverksamma som ansvarar för att implementera och underhålla ML-modeller i produktionsmiljöer, samt för dem som vill validera sina färdigheter med AI-300-certifieringen.

Kursinnehåll

Vad du kommer att lära dig under vår kurs Microsoft Machine Learning Operations (MLOps) Engineer (AI-300).

Lär dig hur du hittar den bästa maskininlärningsmodellen med automatiserad maskininlärning (AutoML), MLflowspårade anteckningsböcker och instrumentpanelen Responsible AI.
Förbearbeta data och konfigurera funktionalisering
Kör ett automatiserat maskininlärningsexperiment
Utvärdera och jämför modeller
Konfigurera MLflow för modellspårning i anteckningsböcker
Träna och spåra modeller i anteckningsböcker
Utvärdera modeller med instrumentpanelen Responsible AI
Övning Hitta den bästa klassificeringsmodellen med Azure Machine Learning

Utför hyperparameterjustering med Azure Machine Learning

Lär dig hur du utför hyperparameterjustering med ett svepjobb i Azure Machine Learning.
Definiera ett sökutrymme
Konfigurera en samplingsmetod
Konfigurera tidig avslutning
Använd ett svepjobb för hyperparameterjustering
Övning Kör ett svepjobb

Kör pipelines i Azure Machine Learning

Lär dig hur du skapar och använder komponenter för att bygga pipeline i Azure Machine Learning. Kör och schemalägg Azure Machine Learningpipelines för att automatisera arbetsflöden för maskininlärning. Skapa komponenter
Skapa en pipeline
Kör ett pipelinejobb
Övning Kör ett pipelinejobb

Utlösa Azure Machine Learning-jobb med GitHub Actions

Lär dig hur du automatiserar dina maskininlärningsarbetsflöden med hjälp av GitHub Actions.
Förstå affärsproblemet
Utforska lösningsarkitekturen
Använd GitHub Actions för modellträning
Övning

Utlösa GitHub Actions med funktionsbaserad utveckling

Lär dig hur du skyddar din huvudgren och hur du utlöser uppgifter i maskininlärningsarbetsflödet baserat på ändringar i koden.
Förstå affärsproblemet
Utforska lösningsarkitekturen
Utlösa ett arbetsflöde
Övning

Arbeta med miljöer i GitHub Actions

Lär dig hur du tränar, testar och distribuerar en maskininlärningsmodell genom att använda miljöer som en del av din strategi för maskininlärningsoperationer (MLOps). Förstå affärsproblemet
Utforska lösningsarkitekturen
Konfigurera miljöer
Övning

Distribuera en modell med GitHub Actions

Lär dig hur du automatiserar och testar modelldistribution med GitHub Actions och Azure Machine Learning CLI (v2).
Förstå affärsproblemet
Utforska lösningsarkitekturen
Modelldistribution
Övning

Planera och förbereda en GenAIOps-lösning

Lär dig hur du utvecklar chattapplikationer med språkmodeller med hjälp av en kodförstutvecklingsmetod. Genom att utveckla generativa AIappar kodförst kan du skapa robusta och reproducerbara flöden som är integrerade för generativa AIoperationer, eller GenAIOps.
Utforska användningsfall för GenAIOps
Välj rätt generativ AImodell
Förstå utvecklingslivscykeln för en språkmodellapplikation
Utforska tillgängliga verktyg och ramverk för att implementera GenAIOps
Övning Jämför språkmodeller från modellkatalogen

Hantera prompts för agenter i Microsoft Foundry med GitHub

Lär dig hur du hanterar AIprompts som versionerade resurser med hjälp av GitHub. Tillämpa bästa praxis inom programvaruutveckling för att skapa, testa och marknadsföra promptversioner som används i Microsoft Foundry som en del av ett GenAIOpsarbetsflöde.
Tillämpa versionskontroll på prompter
Förstå Microsoft Foundryagenter och promptversionering
Organisera prompter i GitHubdatabaser
Utveckla säkra arbetsflöden för promptdistribution
Övning Utveckla prompt och agentversioner

Utvärdera och optimera AI-agenter genom strukturerade experiment

Lär dig hur du optimerar AIagenter genom strukturerad utvärdering som omvandlar gissningar till evidensbaserade tekniska beslut. Du kommer att utforska hur du utformar utvärderingsexperiment med tydliga mätvärden för kvalitet, kostnad och prestanda; organiserar experiment med hjälp av Gitbaserade arbetsflöden; skapar utvärderingsmatriser för konsekvent poängsättning; och jämför resultat för att fatta välgrundade optimeringsbeslut.
Designa utvärderingsexperiment
Tillämpa Gitbaserade arbetsflöden på optimeringsexperiment
Tillämpa utvärderingsmatriser för konsekvent poängsättning
Övning Utvärdera och jämför AIagentversioner

Automatisera AI-utvärderingar med Microsoft Foundry och GitHub Actions

Lär dig hur du implementerar automatiserade utvärderingar för AIagentsvar med hjälp av Microsoft Foundryutvärderare, skapar utvärderingsdataset från produktionsdata och syntetisk generering, kör batchutvärderingar med Pythonskript och integrerar utvärderingsarbetsflöden i GitHub Actions för kontinuerlig kvalitetssäkring.
Förstå varför automatiserade utvärderingar är viktiga
Anpassa utvärderare till mänskliga kriterier
Skapar utvärderingsdataset
Implementerar batchutvärderingar med Python
Integrerar utvärderingar i GitHub Actions
Övning Konfigurera automatiserade utvärderingar

Övervaka din generativa AI-applikation

Lär dig hur du övervakar prestandan för din generativa AIapplikation med hjälp av Microsoft Foundry. Den här modulen lär dig att spåra viktiga mätvärden som latens och tokenanvändning för att fatta välgrundade, kostnadseffektiva distributionsbeslut.
Varför behöver du övervaka?
Förstå viktiga mätvärden att övervaka
Utforska hur du övervakar med Azure
Integrera övervakning i din app
Tolka övervakningsresultat
Övning Aktivera övervakning för en generativ AIapplikation

Analysera och felsök din generativa AI-app med spårning

Lär dig hur du implementerar spårning i dina generativa AIapplikationer med hjälp av Microsoft Foundry och OpenTelemetry. Den här modulen lär dig att fånga detaljerade exekveringsflöden, felsöka komplexa arbetsflöden och förstå applikationsbeteende för bättre tillförlitlighet och optimering.
Varför behöver du använda spårning?
Identifiera vad som ska spåras i generativa AIapplikationer
Implementera spårning i generativa AIapplikationer
Felsök komplexa arbetsflöden med avancerade spårningsmönster
Fatta välgrundade beslut med spårningsdataanalys
Övning Aktivera spårning för en generativ AIapplikation

Förberedelse

På Readynez erbjuder vi många resurser och tillhandahåller många erfarna experter. Det är därför vi också har haft stor framgång med många nöjda kunder. Du kan därför tryggt gå din kurs hos oss. Även om kursen inte kräver formella förkunskaper kan viss förkunskap hjälpa dig att få ut ännu mer av utbildningen. All rekommenderad erfarenhet eller bakgrund som är relevant för denna kurs listas nedan.

Grundläggande förståelse för maskininlärningskoncept och arbetsflöden
Bekantskap med Python och data science-verktyg
Kunskap om grunderna i molndatabehandling, helst Microsoft Azure
Förståelse av DevOps-principer såsom CI/CD-pipelines
Erfarenhet av att arbeta med datamodeller eller ML-projekt är värdefullt

Möt våra instruktörer

Möt några av de instruktörer du möter på din kurs. De är experter, passionerade inom sina områden och dedikerade till att hjälpa de som vill lära sig, utforska och bli framgångsrika i sina karriärer.

Tiago Costa

Med en långvarig roll som både Microsoft MVP och MCT levererar Tiago Costa LIVE-utbildning som kombinerar expertkunskap med praktisk tillämpning. Hans kurser hjälper yrkesverksamma att utveckla praktiska cloud-kunskaper och förbereda sig effektivt inför Microsoft-certifieringar.

Möt instruktören: Tiago Costa

På Readynez tror vi att utbildning i världsklass börjar med instruktörer i världsklass – och Tiago Costa är ett perfekt exempel.

Med över 20 års erfarenhet av att leverera Microsoft Cloud- och AI-lösningar (inklusive till Fortune 500-företag) kombinerar Tiago djup teknisk expertis med ett verklighetsnära perspektiv i varje kurs.

50+ Microsoft-certifieringar
Microsoft MVP sedan 2016 & Microsoft Certified Trainer sedan 2006
Talare, arkitekt och betrodd rådgivare för globala organisationer

Som engagerad community-ledare, frilanskonsult och grundare av Azure & AI Portugal User Group brinner Tiago för att hjälpa andra att utveckla sina karriärer genom kunskapsdelning och praktiska färdigheter.

När du tränar med Tiago får du inte bara utbildning från certifierade experter…
Du lär dig av en global ledare.

Hitta din nästa Microsoft-kurs med Tiago Costa här.

LÄS MER

Read Less

FAQ

Vanliga frågor för kursen Microsoft Machine Learning Operations (MLOps) Engineer (AI-300).

Vad är Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)?

Denna kurs fokuserar på att implementera MLOps-metoder med Microsoft Azure. Den lär ut hur man bygger, distribuerar, övervakar och hanterar maskininlärningsmodeller i produktion och förbereder kandidater för AI-300-certifieringsprovet.

Hur förbereder jag mig för kursen Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)?

Förberedelserna inkluderar förståelse för grundläggande maskininlärningsarbetsflöden, Azure-grunder och DevOps-koncept. Att granska Python och data science-metoder hjälper också dig att maximera ditt lärande.

Vilka är förutsättningarna för Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)?

Det finns inga strikta förkunskaper, men kunskap om maskininlärning, molntjänster och DevOps-metoder rekommenderas starkt.

Hur mycket kostar Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)-kursen?

Kostnaden för kursen Microsoft Machine Learning Operations (MLOps) Engineer är kr 31.900.

Vilka ämnen täcks i Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)-kursen?

Ämnen inkluderar modelllivscykelhantering, CI/CD-pipelines för ML, modellövervakning, versionshantering, styrning, Azure Machine Learning och automatisering av ML-arbetsflöden.

Är Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)-certifiering värd det för min karriär?

Ja, det bekräftar din förmåga att operationalisera maskininlärningslösningar – en alltmer efterfrågad färdighet inom branscher som använder AI i stor skala.

Hur lång tid tar det att slutföra Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)-kursen?

Kursen hålls vanligtvis som ett kort, intensivt utbildningsprogram utformat för att effektivt förbereda kandidater inför certifieringsprovet.

Kan jag ta Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)-kursen online?

Ja, kursen finns både online och i lärarledda format med praktiska labbar.

Hur lätt eller svårt är det att slutföra Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)-kursen?

Kursen kan vara måttligt utmanande, särskilt för de som är nya på MLOps, men praktiska labbar och strukturerat lärande gör den hanterbar.

Vad är godkänt resultat för kursen Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)?

För att klara det krävs det att man framgångsrikt klarar AI-300-certifieringsprovet. Det exakta godkända resultatet bestäms av provanordnaren och kan variera.

Hur kan jag behålla mina kunskaper inom Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)?

Håll dig uppdaterad med Azure ML-verktyg, öva på att distribuera modeller och arbeta kontinuerligt med CI/CD-pipelines och övervakningslösningar i verkliga miljöer.

Hur mycket lön kan jag få efter att ha avslutat Microsoft Machine Learning Operations (MLOps) Engineer (AI-300)?

Yrkesverksamma med MLOps-expertis tjänar vanligtvis mellan 70 000 och 130 000 € årligen, beroende på erfarenhet, plats och roll.

Recensioner

Feedback från våra delegater.

Johan Andersson

Lätt att delta i via Teams och en utmärkt instruktör gav mig stort värde för den tid jag investerade.

Stephen Ridgway

Readynez är den bästa utbildningsleverantören jag har använt i många år. Deras kundservice är förstklassig, priserna är mycket konkurrenskraftiga och undervisningen utmärkt.