Цей курс охоплює генеративну інженерію штучного інтелекту на платформі Azure Цеглини даних, використовуючи Apache Spark для дослідження, налаштування, оцінки та інтеграції передових мовних моделей. Учасники навчаться впроваджувати такі методи, як Retrieval-Augmented Generation (RAG) та багатоетапне мислення, налаштовувати мовні моделі для конкретних завдань та оцінювати їхню продуктивність. Курс також наголошує на принципах відповідального штучного інтелекту та управлінні моделями у виробництві за допомогою LLMOps (операцій з великими мовними моделями) у... Azure Збірники даних.
Курс рекомендований для:
- Спеціалісти з обробки даних, які розробляють та оцінюють додатки генеративного штучного інтелекту.
- Інженери штучного інтелекту, які впроваджують мовні моделі у великих масштабах Azure Збірники даних.
- Фахівці з машинного навчання та штучного інтелекту, знайомі з основними концепціями ШІ та платформою Azure Збірники даних.
Після завершення курсу ви знатимете, як:
- Досліджуйте та використовуйте великі мовні моделі (LLM) у Azure Збірники даних.
- Впроваджуйте методи доповненої генерації пошуку (RAG) для отримання точніших та контекстуальніших результатів.
- Ви створюєте багатоетапні системи міркувань для вирішення складних проблем.
- Ви точно налаштовуєте лінгвістичні моделі та спеціалізуєте їх для конкретних завдань.
- Оцініть ефективність LLM, використовуючи метрики, методи та методики LLM як судді.
Учасники повинні мати:
- Фундаментальні знання про штучний інтелект та машинне навчання.
- Знайомство з основними поняттями Azure Збірники даних.
- Вступ до моделей великих мов (LLM) у Azure Збір даних
- Базові поняття про методи магістратури з мовного розвитку (LLM) та їх застосування (резюме тексту, аналіз настроїв, переклад тощо)
- Створення та використання інтерактивних звітів за допомогою LLM
- Впровадження генерації з доповненим пошуком (RAG)
- Інтеграція пошукових систем з генеративними моделями
- Створення точніших та контекстуально релевантних результатів
- Впровадження багатоетапного міркування
- Підхід до складних проблем за допомогою послідовних кроків
- Інтеграція часткових результатів у повний процес міркування
- Точне налаштування для моделей великих мов
- Адаптація LLM для конкретних завдань
- Зменшення витрат та підвищення релевантності моделі
- Оцінювання лінгвістичних моделей
- Метрики та методи оцінювання LLM
- Проблеми та передовий досвід в оцінюванні
- Автоматизовані методи, включаючи LLM-як-суддя
- Відповідальний ШІ за мовні моделі
- Принципи відповідального впровадження
- Етичні міркування та зниження ризиків
- Використання інструментів безпеки для LLM
- Впровадження LLMOps у Azure Збір даних
- Основи LLMOps
- Моніторинг, управління та підтримка LLM у виробництві
- Microsoft AI-3026: Розробка агентів ШІ на Azure
- Microsoft DP-3011: Впровадження рішення для аналізу даних за допомогою Azure Збір даних
- Microsoft DP-500: Проектування та впровадження аналітичних рішень корпоративного масштабу з використанням Microsoft Azure та Microsoft Потужність БІ
Наразі програм сертифікації немає.
