Detaillierter Kursinhalt
Planen und Vorbereiten der Entwicklung von KI-Lösungen in Azure
Microsoft Azure bietet mehrere Dienste, mit denen Entwicklern spannende KI-basierte Lösungen erstellen können. Die richtige Planung und Vorbereitung umfasst die Identifizierung der Dienste, die Sie verwenden und eine optimale Arbeitsumgebung für Ihr Entwicklungsteam erstellen.
- Einleitung
- Was ist KI?
- Azure AI-Dienste
- Azure AI Foundry
- Entwicklertools und SDKs
- Verantwortungsvolle KI
- Übung – Vorbereiten eines KI-Entwicklungsprojekts
- Modulbewertung
- Zusammenfassung
Auswählen und Bereitstellen von Modellen aus dem Modellkatalog im Azure AI Foundry-Portal
Wählen Sie die verschiedenen Sprachmodelle aus, die über den Modellkatalog von Azure AI Foundry verfügbar sind. Erfahren Sie, wie Sie ein Modell auswählen, bereitstellen und testen sowie dessen Leistung verbessern.
- Einführung
- Erkunden der Sprachmodelle im Modellkatalog
- Bereitstellen eines Modells auf einem Endpunkt
- Verbessern der Leistung eines Sprachmodells
- Übung: Erkunden und Bereitstellen von Sprachmodellen und Chatten mit Sprachmodellen
- Wissensbeurteilung
- Zusammenfassung
Entwickeln einer KI-App mit dem Azure AI Foundry SDK
Verwenden Sie das Azure AI Foundry SDK, um KI-Anwendungen mit Azure AI Foundry-Projekten zu entwickeln.
- Einleitung
- Was ist das Azure AI Foundry SDK?
- Arbeiten mit Projektverbindungen
- Erstellen eines Chatclients
- Übung – Erstellen einer generativen KI-Chat-App
- Modulbewertung
- Zusammenfassung
Erste Schritte mit Prompt Flow zum Entwickeln von Sprachmodell-Apps in Azure KI Foundry
Erfahren Sie, wie Sie mithilfe von Prompt Flow in Azure KI Foundry Anwendungen entwickeln, die Sprachmodelle nutzen.
- Einführung
- Grundlegendes zum Entwicklungslebenszyklus einer LLM-App (Large Language Model)
- Grundlegende Komponenten verstehen und Flow-Typen untersuchen
- Erkunden von Verbindungen und Laufzeiten
- Erkunden von Varianten und Überwachungsoptionen
- Übung: Erste Schritte mit dem Prompt Flow
- Wissensbeurteilung
- Zusammenfassung
Entwickeln einer RAG-basierten Lösung mit Ihren eigenen Daten mithilfe von Azure AI Foundry
Retrieval Augmented Generation (RAG) ist ein gängiges Muster, das in Lösungen für generative KI verwendet wird, um Aufforderungen mit Ihren Daten zu grounden. Azure AI Foundry bietet Unterstützung für das Hinzufügen von Daten, das Erstellen von Indizes und die Integration in generative KI-Modelle, die Ihnen beim Erstellen von RAG-basierten Lösungen helfen.
- Einführung
- Verstehen, wie Ihr Sprachmodell geerdet wird
- Machen Sie Ihre Daten durchsuchbar
- Erstellen eines Copilots mit Prompt Flow
- Übung: Erstellen eines benutzerdefinierten Copilots, der Ihre eigenen Daten verwendet
- Wissensbeurteilung
- Zusammenfassung
Optimieren eines Sprachmodells mit Azure KI Foundry
Trainieren eines Basissprachenmodells für eine Chat-Vervollständigungsaufgabe. Im Modellkatalog von Azure KI Foundry finden Sie viele Open-Source-Modelle, die Sie für die speziellen Anforderungen an das Verhalten Ihres Modells optimieren können.
- Einführung
- Verstehen, wann ein Sprachmodell optimiert werden sollte
- Vorbereiten Ihrer Daten zur Optimierung eines Chat-Vervollständigungsmodells
- Entdecken Sie die Optimierung von Sprachmodellen in Azure KI Studio
- Übung – Optimieren eines Sprachmodells
- Modulbewertung
- Zusammenfassung
Implementieren einer verantwortungsvollen generativen KI-Lösung in Azure AI Foundry
Mit der generativen KI sind erstaunlich kreative Lösungen möglich, sie muss jedoch verantwortungsbewusst implementiert werden, um das Risiko zu minimieren, dass schädliche Inhalte generiert werden.
- Einleitung
- Planen einer verantwortungsvollen generativen KI-Lösung
- Potenzielle Schäden kartieren
- Messen potenzieller Schäden
- Minimieren potenzieller Schäden
- Verwalten einer verantwortungsvollen generativen KI-Lösung
- Übung – Anwenden von Inhaltsfiltern, um die Ausgabe schädlicher Inhalte zu verhindern
- Modulbewertung
- Zusammenfassung
Bewertung der generativen KI-Leistung im Azure AI Foundry-Portal
Die Auswertung von Copiloten ist unerlässlich, um sicherzustellen, dass Ihre generativen KI-Anwendungen den Benutzeranforderungen entsprechen, genaue Antworten bereitstellen und sich im Laufe der Zeit kontinuierlich verbessern. Erfahren Sie, wie Sie die Leistung Ihrer generativen KI-Anwendungen mithilfe der Tools und Features bewerten und optimieren, die in Azure KI Studio verfügbar sind.
- Einführung
- Bewerten Sie die Modellleistung
- Manuelles Auswerten der Leistung eines Modells
- Automatisierte Auswertungen
- Bewerten Sie die Leistung Ihrer generativen KI-Apps
- Übung – Bewerten der leistung des generativen KI-Modells
- Modulbewertung
- Zusammenfassung