Questo corso copre l'ingegneria dell'intelligenza artificiale generativa sulla piattaforma Azure Databricks, che utilizza Apache Spark per esplorare, perfezionare, valutare e integrare modelli linguistici avanzati. I partecipanti impareranno a implementare tecniche come il Retrieval-Augmented Generation (RAG) e il ragionamento multi-stadio, a ottimizzare i modelli linguistici per attività specifiche e a valutarne le prestazioni. Il corso enfatizza inoltre i principi dell'IA Responsabile e la gestione dei modelli in produzione tramite LLMOps (Large Language Model Operations). Azure Mattoncini di dati.
Il corso è consigliato per:
- Data Scientist che sviluppano e valutano applicazioni di intelligenza artificiale generativa.
- Ingegneri di intelligenza artificiale che implementano modelli linguistici su larga scala in Azure Mattoncini di dati.
- Professionisti dell'apprendimento automatico e dell'intelligenza artificiale che hanno familiarità con i concetti di base dell'IA e con la piattaforma Azure Mattoncini di dati.
Dopo aver completato il corso, saprai come:
- Esplora e usa i modelli linguistici di grandi dimensioni (LLM) in Azure Mattoncini di dati.
- Implementare tecniche di generazione aumentata del recupero (RAG) per risultati più accurati e contestualizzati.
- Costruisci sistemi di ragionamento a più stadi per risolvere problemi complessi.
- Si perfezionano i modelli linguistici e li si specializza per compiti specifici.
- Valutare le prestazioni degli LLM utilizzando metriche, tecniche e metodi LLM-as-a-judge.
I partecipanti devono avere:
- Conoscenza fondamentale dell'intelligenza artificiale e dell'apprendimento automatico.
- Familiarità con i concetti base di Azure Mattoncini di dati.
- Introduzione ai modelli linguistici di grandi dimensioni (LLM) in Azure Databricks
- Nozioni di base sugli LLM e sulle loro applicazioni (riepilogo del testo, analisi del sentiment, traduzione, ecc.)
- Creazione e utilizzo di report interattivi con LLM
- Implementazione della generazione aumentata dal recupero (RAG)
- Integrazione dei motori di ricerca con modelli generativi
- Creazione di output più accurati e contestualmente rilevanti
- Implementazione del ragionamento multifase
- Approccio a problemi complessi attraverso passaggi sequenziali
- Integrare risultati parziali in un processo di ragionamento completo
- Ottimizzazione per modelli linguistici di grandi dimensioni
- Adattare gli LLM a compiti specifici
- Riduzione dei costi e miglioramento della pertinenza del modello
- Valutazione dei modelli linguistici
- Metriche e metodi per la valutazione degli LLM
- Sfide e buone pratiche nella valutazione
- Tecniche automatizzate, tra cui LLM-as-a-judge
- Intelligenza artificiale responsabile per i modelli linguistici
- Principi di attuazione responsabile
- Considerazioni etiche e riduzione del rischio
- Utilizzo di strumenti di sicurezza per gli LLM
- Implementazione di LLMOps in Azure Databricks
- Nozioni di base di LLMOps
- Monitoraggio, gestione e manutenzione degli LLM in produzione
- Microsoft AI-3026: Sviluppare agenti di intelligenza artificiale su Azure
- Microsoft DP-3011: Implementazione di una soluzione di analisi dei dati con Azure Databricks
- Microsoft DP-500: Progettazione e implementazione di soluzioni di analisi su scala aziendale utilizzando Microsoft Azure and Microsoft Power BI
Non ci sono programmi di certificazione in questo momento.
