In diesem Abschnitt behandeln wir wichtige Aspekte einer verantwortungsvollen KI-Entwicklung, darunter Rechenschaftspflicht, Inklusion und Zuverlässigkeit.

In diesem Abschnitt befassen wir uns mit den Methoden des maschinellen Lernens – Regression, Klassifizierung und Clustering – und konzentrieren uns dabei auf ihre praktischen Anwendungen sowie auf Bewertungsmetriken für die Datenanalyse und Vorhersage.

In diesem Abschnitt befassen wir uns mit Merkmalen, Labels und der Datenaufbereitung im maschinellen Lernen, wobei wir uns auf Trainings- und Validierungsdatensätze sowie deren Rolle bei der Modellentwicklung konzentrieren.

In diesem Abschnitt befassen wir uns mit den Funktionen von Azure ML, darunter AutoML, Datendienste und die Modellbereitstellung.

In diesem Abschnitt behandeln wir Lösungen im Bereich Computer Vision, darunter Funktionen zur Bild-, Objekt- und Gesichtsanalyse.

In diesem Abschnitt befassen wir uns mit den Azure AI-Diensten „Vision“, „Face“ und „Video Indexer“ für die Bildanalyse, Gesichtserkennung und Videoauswertung, wobei wir den Schwerpunkt auf ihre vorgefertigten und anpassbaren Machine-Learning-Funktionen legen.

In diesem Abschnitt befassen wir uns mit Merkmalen von NLP-Workloads wie der Extraktion von Schlüsselphrasen, der Erkennung von Entitäten und der Stimmungsanalyse anhand praktischer Anwendungsbeispiele.

In diesem Abschnitt befassen wir uns mit den Azure-KI-Diensten für NLP-Aufgaben und konzentrieren uns dabei auf Sprachanalyse, Sprachverarbeitung und Übersetzungsfunktionen zur Unterstützung der Anwendungsentwicklung mit Text-, Sprach- und mehrsprachigen Inhalten.

In diesem Abschnitt behandeln wir die Funktionen generativer KI, ethische Überlegungen sowie Anwendungsbeispiele aus der Praxis.

In diesem Abschnitt behandeln wir die Funktionen des Azure OpenAI Service zur Generierung von natürlicher Sprache, Code und Bildern für KI-Anwendungen in Azure.