Webinar

AI-300T00 – Operationalize machine learning and generative AI solutions – Online Training

Inhalte

In diesem Kurs werden Lernende darauf vorbereitet, Machine Learning Operations -Lösungen (MLOps) und Generative AI Operations (GenAIOps) auf Azure zu entwerfen, zu implementieren und zu betreiben. Es umfasst das Erstellen einer sicheren und skalierbaren KI-Infrastruktur, das Verwalten des vollständigen Lebenszyklus herkömmlicher Machine Learning-Modelle mit Azure Machine Learning sowie das Bereitstellen, Bewerten, Überwachen und Optimieren von generativen KI-Anwendungen und -Agents mithilfe von Microsoft Foundry. Lernende erhalten praktische Kenntnisse über Automatisierung, kontinuierliche Integration und Bereitstellung, Infrastruktur als Code und Beobachtbarkeit mithilfe von Tools wie GitHub Actions, Azure CLI und Bicep. Der Kurs betont die Zusammenarbeit mit Data Science- und DevOps-Teams, um zuverlässige, produktionsfähige KI-Systeme bereitzustellen, die auf moderne MLOps- und GenAIOps-Best Practices abgestimmt sind.

Kursinhalt

  • Mit Azure Machine Learning experimentieren
  • Durchführen der Hyperparameteroptimierung mit Azure Machine Learning
  • Ausführen von Pipelines in Azure Machine Learning
  • Auslösen von Azure Machine Learning-Aufträgen mit GitHub Actions
  • Auslösen von GitHub Actions mithilfe der featurebasierten Entwicklung
  • Arbeiten mit Umgebungen in GitHub Actions
  • Bereitstellen eines Modells mit GitHub Actions
  • Planen und Vorbereiten einer GenAIOps-Lösung
  • Verwalten von Eingabeaufforderungen für Agents in Microsoft Foundry mit GitHub
  • Bewerten und Optimieren von KI-Agents durch strukturierte Experimente
  • Automatisieren von KI-Auswertungen mit Microsoft Foundry- und GitHub-Aktionen
  • Überwachen Ihrer generativen KI-Anwendung
  • Analysieren und Debuggen Ihrer generativen KI-App mit Ablaufverfolgung

Kursziel

Der Kurs ist eine gute Vorbereitung auf das Examen zum Microsoft Certified: Machine Learning Operations (MLOps) Engineer Associate

Alternativen

Sie wissen noch nicht, welche Azure-Zertifizierung zu Ihnen passt und wollen sich einen Überblick der diversen Level und Rollen verschaffen? Dann beachten Sie bitte unseren Blog-Artikel Azure Zertifizierungen.  

Lernziele

Der Kurs ist eine gute Vorbereitung auf das Examen zum Microsoft Certified: Machine Learning Operations (MLOps) Engineer Associate

Zielgruppen

Dieser Kurs richtet sich an Data Scientists, Machine Learning-Ingenieure und DevOps-Experten, die KI-Lösungen auf Produktionsniveau auf Azure entwerfen und betreiben möchten. Das Training eignet sich für Lernende mit Erfahrungen in Python, einem grundlegenden Verständnis von Machine Learning-Konzepten und grundlegenden Kenntnissen mit DevOps-Praktiken wie Quellcodeverwaltung, CI/CD und Befehlszeilentools, die sich auf die Implementierung von MLOps- und GenAIOps-Workflows mit Azure nativen Diensten vorbereiten.

In diesem Kurs werden Lernende darauf vorbereitet, Machine Learning Operations -Lösungen (MLOps) und Generative AI Operations (GenAIOps) auf Azure zu entwerfen, zu implementieren und zu betreiben. Es u...

Mehr Informationen

Termine und Orte

Datum Dauer Preis
Webinar
22.09.2026 - 25.09.2026 32 h 32 h Details Details Jetzt buchen
17.11.2026 - 20.11.2026 32 h 32 h Details Details Jetzt buchen

+++ Catalog API +++

SG-Seminar-Nr.: 9139614

Anbieter-Seminar-Nr.: MP10-Online

Termin

17.11.2026 - 20.11.2026

Online

Günstige Preise

Semigator berücksichtigt

  • Frühbucher-Preise
  • Last-Minute-Preise
  • Gruppenkonditionen

€ 2.558,50

Alle Preise inkl. 19% MwSt.

Jetzt buchen
Seminar merken

Der Anbieter ist für den Inhalt verantwortlich.

Veranstaltungsinformation

  • Webinar
  • Deutsch
    • Keine
  • 32 h
  • Anbieterbewertung   (232)

Ihre Vorteile

mehr erfahren
  • Anbietervergleich von über 1.500 Seminaranbietern
  • Vollständige Veranstaltungsinformationen
  • Schnellbuchung
  • Persönlicher Service
Datum Dauer Preis
Webinar
22.09.2026 - 25.09.2026 32 h 32 h Details Details Jetzt buchen
17.11.2026 - 20.11.2026 32 h 32 h Details Details Jetzt buchen