AI-300T00
Operacionalizar Soluciones de Aprendizaje Automático e IA Generativa
Microsoft
Este curso prepara a los estudiantes para diseñar, implementar y operar soluciones de Operaciones de Aprendizaje Automático (MLOps) y Operaciones de IA Generativa (GenAIOps) en Azure. Incluye la construcción de infraestructuras de IA seguras y escalables, la gestión de todo el ciclo de vida de los modelos tradicionales de aprendizaje automático con Azure Machine Learning, y el despliegue, evaluación, monitorización y optimización de aplicaciones y agentes de IA generativa utilizando Microsoft Foundry. Los estudiantes adquirirán conocimientos prácticos sobre automatización, integración y entrega continua, infraestructura como código y observabilidad utilizando herramientas como GitHub Actions, Azure CLI y Bicep. El curso enfatiza la colaboración con equipos de ciencia de datos y DevOps para ofrecer sistemas de IA fiables y listos para producción, alineados con las mejores prácticas modernas de MLOps y GenAIOps.
Próximamente
Todavía no hay una fecha programada para este entrenamiento. Déjanos tus datos y te avisaremos en cuanto se abra un nuevo grupo.
Este curso está dirigido a científicos de datos, ingenieros de aprendizaje automático y profesionales de DevOps que deseen diseñar y operar soluciones de IA de nivel de producción en Azure. Está orientado a estudiantes con experiencia en Python, una comprensión fundamental de conceptos de aprendizaje automático y conocimientos básicos de prácticas DevOps como control de versiones, CI/CD y herramientas de línea de comandos, que se preparan para implementar flujos de trabajo MLOps y GenAIOps utilizando servicios nativos de Azure.
Operacionalizar modelos de aprendizaje automático (MLOps)
- Empieza con el aprendizaje automático en Azure: Elige este módulo si quieres diseñar una solución de entrenamiento en aprendizaje automático y selecciona los servicios y cálculos de Azure Machine Learning.
- Experiment with Azure Machine Learning: Elige este módulo si quieres comparar modelos usando aprendizaje automático automatizado, MLflow y el panel de control de Responsible AI.
- Ejecuta scripts de entrenamiento y rastrea modelos con MLflow en Azure Machine Learning: Elige este módulo si quieres convertir cuadernos en scripts de entrenamiento, ejecutar trabajos de comandos y seguir modelos con MLflow.
- Realizar ajuste de hiperparámetros con Azure Machine Learning: Elige este módulo si quieres optimizar el entrenamiento de modelos ajustando hiperparámetros con trabajos de barrido en Azure Machine Learning.
- Ejecutar pipelines en Azure Machine Learning: Elige este módulo si quieres automatizar flujos de trabajo de aprendizaje automático en varios pasos con componentes reutilizables y pipelines de aprendizaje automático en Azure.
- Automatizar el entrenamiento de modelos con GitHub Actions: Elige este módulo si quieres automatizar y validar el entrenamiento de modelos con GitHub Actions y las canalizaciones de Azure Machine Learning.
- Desplegar y monitorizar un modelo en Azure Machine Learning: Elige este módulo si quieres registrar, desplegar, monitorizar y revertir modelos usando GitHub Actions y entornos protegidos.
Operacionalizar aplicaciones de IA generativa (GenAIOps)
- Planificar y preparar una solución GenAIOps: Aprende a planificar y preparar una solución de IA generativa definiendo especificaciones de agentes, diseñando y optimizando un agente, y aplicando el ciclo de vida de las Operaciones de IA generativa (GenAIOps).
- Gestionar los comandos para agentes en Microsoft Foundry con GitHub: Aprende a gestionar prompts de IA como activos versionados usando GitHub. Aplica las mejores prácticas de ingeniería de software para crear, probar y promover versiones de prompts usadas en Microsoft Foundry como parte de un flujo de trabajo GenAIOps.
- Evaluar y optimizar agentes de IA mediante experimentos estructurados: Aprende a optimizar agentes de IA mediante una evaluación estructurada que transforma la conjetura en decisiones de ingeniería basadas en evidencias. Explorarás cómo diseñar experimentos de evaluación con métricas claras de calidad, coste y rendimiento; organizar experimentos usando flujos de trabajo basados en Git; crear rúbricas de evaluación para una puntuación consistente; y comparar resultados para tomar decisiones de optimización informadas.
- Automatiza evaluaciones de IA con Microsoft Foundry y GitHub Actions: Aprende a implementar evaluaciones automatizadas para respuestas de agentes de IA usando evaluadores Microsoft Foundry, crear conjuntos de datos de evaluación a partir de datos de producción y generación sintética, ejecutar evaluaciones por lotes con scripts Python e integrar flujos de trabajo de evaluación en GitHub Actions para un aseguramiento continuo de la calidad.
- Supervisa tu aplicación de IA generativa: Aprende a monitorizar el rendimiento de tu aplicación de IA generativa usando Microsoft Foundry. Este módulo te enseña a seguir métricas clave como la latencia y el uso de tokens para tomar decisiones de despliegue informadas y rentables.
- Analiza y depura tu aplicación de IA generativa con trazado: Aprende a implementar el trazado en tus aplicaciones de IA generativa usando Microsoft Foundry y OpenTelemetry. Este módulo te enseña a capturar flujos de ejecución detallados, depurar flujos de trabajo complejos y comprender el comportamiento de las aplicaciones para mejorar la fiabilidad y optimización.