Este curso cubre la ingeniería de IA generativa en la plataforma Azure Databricks, que utiliza Apache Spark para explorar, perfeccionar, evaluar e integrar modelos de lenguaje avanzados. Los participantes aprenderán a implementar técnicas como la Generación Aumentada por Recuperación (RAG) y el razonamiento multietapa, a optimizar los modelos de lenguaje para tareas específicas y a evaluar su rendimiento. El curso también enfatiza los principios de la IA Responsable y la gestión de modelos en producción mediante LLMOps (Operaciones de Modelos de Lenguaje a Gran Escala). Azure Ladrillos de datos.
El curso está recomendado para:
- Científicos de datos que desarrollan y evalúan aplicaciones de IA generativa.
- Ingenieros de IA que implementan modelos de lenguaje a escala en Azure Ladrillos de datos.
- Profesionales del aprendizaje automático y la inteligencia artificial familiarizados con los conceptos básicos de IA y la plataforma Azure Ladrillos de datos.
Al finalizar el curso sabrás cómo:
- Explorar y utilizar modelos de lenguaje grandes (LLM) en Azure Ladrillos de datos.
- Implementar técnicas de recuperación-generación aumentada (RAG) para obtener resultados más precisos y contextuales.
- Construye sistemas de razonamiento de múltiples etapas para resolver problemas complejos.
- Perfecciona los modelos lingüísticos y los especializa para tareas específicas.
- Evaluar el desempeño de los LLM utilizando métricas, técnicas y métodos de LLM como juez.
Los participantes deberán tener:
- Conocimientos fundamentales de inteligencia artificial y aprendizaje automático.
- Familiaridad con los conceptos básicos de Azure Ladrillos de datos.
- Introducción a los modelos de lenguaje grandes (LLM) en Azure Databricks
- Nociones básicas sobre LLM y sus aplicaciones (resumen de textos, análisis de sentimientos, traducción, etc.)
- Creación y uso de informes interactivos con LLM
- Implementación de la Generación Aumentada por Recuperación (RAG)
- Integración de motores de búsqueda con modelos generativos
- Creación de resultados más precisos y contextualmente relevantes
- Implementación del razonamiento de múltiples etapas
- Abordar problemas complejos mediante pasos secuenciales
- Integrar resultados parciales en un proceso de razonamiento completo
- Ajuste fino para modelos de lenguaje grandes
- Adaptación de los LLM para tareas específicas
- Reducir costes y mejorar la relevancia del modelo
- Evaluación de modelos lingüísticos
- Métricas y métodos para evaluar los LLM
- Retos y buenas prácticas en evaluación
- Técnicas automatizadas, incluido el LLM como juez
- IA responsable de modelos lingüísticos
- Principios de implementación responsable
- Consideraciones éticas y reducción de riesgos
- Uso de herramientas de seguridad para LLM
- Implementación de LLMOps en Azure Databricks
- Conceptos básicos de LLMOps
- Supervisión, gestión y mantenimiento de LLM en producción
- Microsoft AI-3026: Desarrollar agentes de IA en Azure
- Microsoft DP-3011: Implementación de una solución de análisis de datos con Azure Databricks
- Microsoft DP-500: Diseño e implementación de soluciones de análisis a escala empresarial utilizando Microsoft Azure y Microsoft Power BI
No hay programas de certificación en este momento.
