Erwerben Sie Kenntnisse in der Nutzung von Azure für die Bereitstellung und Verwaltung von Großen Sprachmodellen (LLMs).
Entwickeln Sie fortgeschrittene Fähigkeiten zur Erstellung von Abfragen mit Semantic Kernel, um die Interaktion mit LLMs in der Azure-Umgebung zu optimieren.
Erwerben Sie praktische Erfahrung in der Implementierung von Mustern und der Bereitstellung von Anwendungen mit Retrieval Augments Generation (RAG)
Kompetenzen, die Sie erwerben
Kategorie: Rahmen für das Risikomanagement
Rahmen für das Risikomanagement
Kategorie: Modellierung großer Sprachen
Modellierung großer Sprachen
Kategorie: MLOps (Operationen für maschinelles Lernen)
MLOps (Operationen für maschinelles Lernen)
Kategorie: Abruf-erweiterte Erzeugung
Abruf-erweiterte Erzeugung
Kategorie: Einbettungen
Einbettungen
Kategorie: Prompt-Muster
Prompt-Muster
Kategorie: LLM-Bewerbung
LLM-Bewerbung
Kategorie: Bereitstellung von Anwendungen
Bereitstellung von Anwendungen
Werkzeuge, die Sie lernen werden
Kategorie: Python-Programmierung
Python-Programmierung
Kategorie: Modell-Einsatz
Modell-Einsatz
Kategorie: Schnelles Engineering
Schnelles Engineering
Kategorie: OpenAI
OpenAI
Kategorie: OpenAI-API
OpenAI-API
Kategorie: Microsoft Azure
Microsoft Azure
Wichtige Details
Zertifikat zur Vorlage
Zu Ihrem LinkedIn-Profil hinzufügen
Bewertungen
4 Aufgaben
Unterrichtet in Englisch
91%
of learners achieved a positive career outcome
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.
Lernen Sie neue Konzepte von Branchenexperten
Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
Erwerben Sie ein Berufszertifikat zur Vorlage
In diesem Kurs gibt es 4 Module
Dieser Kurs richtet sich sowohl an Anfänger als auch an Fortgeschrittene, darunter Datenwissenschaftler, KI-Enthusiasten und Fachleute, die die Leistungsfähigkeit von Azure für Large Language Models (LLMs) nutzen möchten. Dieses umfassende Programm ist auf diejenigen zugeschnitten, die bereits über grundlegende Programmiererfahrung verfügen und mit den Grundlagen von Azure vertraut sind. In der ersten Woche lernen Sie die KI-Dienste von Azure und das Azure-Portal kennen und erhalten einen Einblick in große Sprachmodelle, ihre Funktionen und Strategien zur Risikominderung. In den folgenden Wochen geht es um praktische Anwendungen, darunter die Nutzung von Azure Machine Learning, die Verwaltung von GPU-Quoten, die Bereitstellung von Modellen und die Nutzung des Azure OpenAI Service. Im weiteren Verlauf des Kurses erforschen Sie nuanciertes Query Crafting, die Implementierung des Semantic Kernel und fortgeschrittene Strategien zur Optimierung der Interaktion mit LLMs innerhalb der Azure-Umgebung. Die letzte Woche konzentriert sich auf Architekturmuster, Bereitstellungsstrategien und die praktische Erstellung von Anwendungen mit RAG, Azure-Diensten und GitHub Actions-Workflows. Ganz gleich, ob Sie ein Datenexperte oder ein KI-Enthusiast sind, dieser Kurs vermittelt Ihnen die Fähigkeiten, robuste, groß angelegte Anwendungen unter Verwendung von Azure und Large Language Models einzusetzen, zu optimieren und zu erstellen.
In diesem Modul lernen Sie den Einstieg in Azure und seine KI-Dienste durch eine Einführung in das Azure-Portal und wichtige Angebote wie Azure Machine Learning. Sie werden auch ein Verständnis für große Sprachmodelle erlangen, einschließlich ihrer Funktionsweise, ihrer Vorteile und Risiken sowie Strategien zur Abschwächung dieser Risiken. Schließlich werden Sie Optionen für die Erkennung, Bewertung und Bereitstellung von vortrainierten LLMs in Azure kennenlernen, einschließlich der Nutzung von Prompt Engineering für eine verantwortungsvolle Datenbasis.
Das ist alles enthalten
21 Videos9 Lektüren1 Aufgabe1 Diskussionsthema
Infos zu Modulinhalt anzeigen
21 Videos•Insgesamt 83 Minuten
Treffen Sie Ihren Ausbilder: Alfredo Deza•2 Minuten
Über diesen Kurs•3 Minuten
Einführung•1 Minute
Einführung in das Azure Portal•4 Minuten
Microsoft Learn verwenden•4 Minuten
Identifizierung der Azure KI-Lösungen•5 Minuten
Einführung in Azure Machine Learning•7 Minuten
Einführung in Azure Open KI Service•7 Minuten
Zusammenfassung•1 Minute
Einführung•1 Minute
Was sind LLMs und wie funktionieren sie?•5 Minuten
Vorteile und Risiken der Verwendung von LLMs•6 Minuten
Abmilderung der Risiken von LLMs•6 Minuten
Einführung in LLMOps•5 Minuten
Zusammenfassung•1 Minute
Einführung•1 Minute
Entdecken und bewerten Sie LLMs in Azure•6 Minuten
Bereitstellungsoptionen für Inferencing•6 Minuten
Was ist das Merkmal Sicherheit von KI-Inhalten auf Azure?•6 Minuten
Unterschiede zwischen Azure Maschinelles Lernen und Azure Open KI Service•4 Minuten
Zusammenfassung•1 Minute
9 Lektüren•Insgesamt 90 Minuten
Verbinden Sie sich mit Ihrem Ausbilder•10 Minuten
Kursstruktur und Diskussionsetikette•10 Minuten
Ein Problem mit dem Kurs melden•10 Minuten
Externes Labor: Erstellen Sie ein Azure-Konto•10 Minuten
Was ist Azure OpenAI Service?•10 Minuten
Was ist Maschinelles Lernen in Azure?•10 Minuten
Eine Einführung in LLMOps•10 Minuten
Externes Labor: Erkunden Sie Azure Maschinelles Lernen Studio•10 Minuten
Was ist Azure Content Safety?•10 Minuten
1 Aufgabe•Insgesamt 30 Minuten
Einführung in LLMOps mit Azure•30 Minuten
1 Diskussionsthema•Insgesamt 10 Minuten
Treffen und Begrüßung (optional)•10 Minuten
LLMs mit Azure
Modul 2•2 Stunden abzuschließen
Moduldetails
In diesem Modul lernen Sie, Azure für Large Language Models (LLMs) zu nutzen, indem Sie Azure Machine Learning mit seinen Rechenressourcen verwenden und GPU-Quoten und Modellbereitstellungen sowie den Azure OpenAI Service verwalten. Sie wenden dieses Wissen an, indem Sie ein Modell bereitstellen und seine Inferenz-API mit der Programmiersprache Python verwenden.
Das ist alles enthalten
18 Videos4 Lektüren1 Aufgabe
Infos zu Modulinhalt anzeigen
18 Videos•Insgesamt 55 Minuten
Einführung•1 Minute
GPU-Quoten und Verfügbarkeit•4 Minuten
Erstellen einer Rechenressource•4 Minuten
Bereitstellung des Modells•3 Minuten
Verwendung der Inferenz-API•4 Minuten
Zusammenfassung•1 Minute
Einführung•1 Minute
Zugang zum Azure OpenAI Service erhalten•4 Minuten
Erstellen einer Azure OpenAI Service Ressource•5 Minuten
Bereitstellung eines OpenAI Modells•5 Minuten
Benutzung des Spielplatzes•5 Minuten
Zusammenfassung•1 Minute
Einführung•1 Minute
Schlüssel und Endpunkte verwenden•5 Minuten
Erstellen eines einfachen Python-Beispiels•5 Minuten
Überprüfung von Nutzung und Quoten•2 Minuten
Ressourcen bereinigen•4 Minuten
Zusammenfassung•1 Minute
4 Lektüren•Insgesamt 40 Minuten
Azure ML: Ressourcen erstellen•10 Minuten
Externes Labor: Erstellen Sie eine Rechenressource•10 Minuten
Externes Labor: Verwenden Sie den Azure OpenAI Service Playground•10 Minuten
In diesem Modul lernen Sie die Kunst der Erstellung von differenzierten Abfragen für Large Language Models (LLMs) in Azure durch die Implementierung von Semantic Kernel kennen. Sie erhalten Einblicke in die Verfeinerung von Prompts, verstehen die Dynamik der Verwendung von System-Prompts und erkunden fortgeschrittene Strategien zur Optimierung Ihrer Interaktion mit LLMs. Sie werden diese Techniken in der Praxis anwenden, um Ihre Fähigkeiten bei der Nutzung von Semantic Kernel in der Azure-Umgebung zu verbessern.
Das ist alles enthalten
19 Videos3 Lektüren1 Aufgabe
Infos zu Modulinhalt anzeigen
19 Videos•Insgesamt 61 Minuten
Einführung•1 Minute
Was ist ein Semantischer Kernel?•4 Minuten
Semantischer Kernel mit Azure verwenden•6 Minuten
Verwenden einer System-Eingabeaufforderung•3 Minuten
Erweiterte System-Prompts•3 Minuten
Zusammenfassung•1 Minute
Einführung•1 Minute
Übersicht der Funktionen•4 Minuten
Definieren von Funktionen•6 Minuten
Verwendung der Funktion mit dem LLM•4 Minuten
Arbeiten mit Fehlern•4 Minuten
Zusammenfassung•1 Minute
Einführung•1 Minute
Erstellen einer Klebefunktion•6 Minuten
Funktionsargumente verbrauchen•3 Minuten
Verwendung einer nativen Funktion•4 Minuten
Überblick über einen Microservice für Funktionen•3 Minuten
Verwendung einer externen Microservice API•4 Minuten
Zusammenfassung•1 Minute
3 Lektüren•Insgesamt 30 Minuten
Externes Labor: Verwendung des Semantic Kernel mit Azure•10 Minuten
In diesem Modul werden Sie Architekturmuster und die Bereitstellung großer Sprachmodellanwendungen erkunden. Durch die Untersuchung von RAG, Azure-Diensten und GitHub Actions lernen Sie, wie Sie robuste Anwendungen erstellen können. Sie werden das Gelernte anwenden, indem Sie RAG mit Azure-Suche implementieren, GitHub Actions-Workflows erstellen und eine End-to-End-Anwendung bereitstellen.
Das ist alles enthalten
20 Videos8 Lektüren1 Aufgabe
Infos zu Modulinhalt anzeigen
20 Videos•Insgesamt 72 Minuten
Einführung•1 Minute
Architektonischer Überblick•3 Minuten
Was ist RAG•4 Minuten
Überblick über die Azure KI-Suche•4 Minuten
Automatisierung und Bereitstellung mit GitHub•4 Minuten
Zusammenfassung•1 Minute
Einführung•1 Minute
Erstellen Sie die Azure-Ressourcen•5 Minuten
Erstellen Sie die Einbettungen•5 Minuten
Erstellen und Hochladen des Index•2 Minuten
Überprüfen der Einbettungen•3 Minuten
Verwendung von RAG mit Azure OpenAI•5 Minuten
Zusammenfassung•1 Minute
Einführung•1 Minute
Anwendungsübersicht•7 Minuten
Azure-Komponenten einrichten•4 Minuten
Architektonischer Überblick•4 Minuten
GitHub-Aktionen mit Azure verwenden•8 Minuten
Überprüfung und Fehlerbehebung von Bereitstellungen•6 Minuten
Zusammenfassung•2 Minuten
8 Lektüren•Insgesamt 80 Minuten
Externes Labor: Erstellen Sie eine Azure KI-Suchressource•10 Minuten
Azure KI Document Intelligence und Azure OpenAI•10 Minuten
Einführung in die RAG•10 Minuten
Externes Labor: Einbettungen in einen Index erstellen•10 Minuten
Azure Container Apps•10 Minuten
Externes Labor: Bereitstellung einer End-to-End-Anwendung•10 Minuten
Nächste Schritte•10 Minuten
Teilen Sie Ihre Lernerfahrung•10 Minuten
1 Aufgabe•Insgesamt 30 Minuten
End-to-End LLM-Anwendungen•30 Minuten
Erwerben Sie ein Karrierezertifikat.
Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.
Dozenten
Lehrkraftbewertungen
Lehrkraftbewertungen
Wir haben alle Lernenden um Feedback zu unseren Dozenten gebeten, ausgehend von der Qualität ihres Unterrichtsstils.
Die Duke University hat etwa 13.000 Studenten und Absolventen und eine erstklassige Fakultät, die dazu beiträgt, die Grenzen des Wissens zu erweitern. Die Universität engagiert sich stark für die Anwendung von Wissen im Dienste der Gesellschaft, sowohl in der Nähe ihres Campus in North Carolina als auch weltweit.
Wann werde ich Zugang zu den Vorlesungen und Aufgaben haben?
Um Zugang zu den Kursmaterialien und Aufgaben zu erhalten und um ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung erwerben, wenn Sie sich für einen Kurs anmelden. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen. Der Kurs kann stattdessen die Option "Vollständiger Kurs, kein Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich mich für diese Specialization einschreibe?
Wenn Sie sich für den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen der Spezialisierung, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Seite "Leistungen" hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder Ihrem LinkedIn-Profil hinzufügen.
Ist finanzielle Hilfe verfügbar?
Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie die Einschreibegebühr nicht aufbringen können. Wenn für das von Ihnen gewählte Lernprogramm eine finanzielle Unterstützung oder ein Stipendium verfügbar ist, finden Sie auf der Beschreibungsseite einen Link zur Beantragung.