Seminarkatalog

Dieser Kurs befasst sich mit generativen KI-Ingenieuren in Azure Databricks, wobei Spark verwendet wird, um erweiterte Sprachmodelle zu erkunden, zu optimieren, auszuwerten und zu integrieren. Es lehrt, wie Techniken wie Die Abruf-Augmented Generation (RAG) und mehrstufiges Denken implementiert werden, sowie wie Sie große Sprachmodelle für bestimmte Aufgaben optimieren und ihre Leistung bewerten. Lernende werden auch verantwortungsvolle KI-Methoden für die Bereitstellung von KI-Lösungen und das Verwalten von Modellen in der Produktion mithilfe von LLMOps (Large Language Model Operations) in Azure Databricks untersuchen.

• Einführung
• Grundlegendes zum Thema generative KI
• Grundlegendes zu großen Sprachmodellen (Large Language Models, LLMs)
• Identifizieren wichtiger Komponenten von LLM-Anwendungen
• Verwenden von LLMs für NLP-Aufgaben (Natural Language Processing, Verarbeitung natürlicher Sprache)
• Übung: Erkunden von Sprachmodellen
• Modulbewertung
• Zusammenfassung

• Einführung
• Erkunden der wichtigsten Konzepte eines RAG-Workflows
• Vorbereiten Ihrer Daten für RAG
• Suchen relevanter Daten mit Vektorsuche
• Reranken der abgerufenen Ergebnisse
• Übung – Einrichten von RAG
• Modulbewertung
• Zusammenfassung

• Einführung
• Was sind mehrstufige Argumentationssysteme?
• LangChain erkunden
• Erkunden Sie LlamaIndex
• Erkunden von Haystack
• Erkunden des DSPy-Frameworks
• Übung – Implementieren einer mehrstufigen Begründung mit LangChain
• Modulbewertung
• Zusammenfassung

• Einführung
• Was ist Feinabstimmung?
• Aufbereiten von Daten für die Feinabstimmung
• Optimieren eines Azure OpenAI-Modells
• Übung: Optimierung eines Azure OpenAI-Modells
• Modulbewertung
• Zusammenfassung

• Einführung
• Erkunden der LLM-Auswertung
• Auswerten von LLMs und KI-Systemen
• Auswerten von LLMs mit Standardmetriken
• Beschreiben von „LLM-as-a-Judge” für die Auswertung
• Übung: Auswerten eines Azure OpenAI-Modells
• Modulbewertung
• Zusammenfassung

• Einführung
• Was ist verantwortungsvolle KI?
• Identifizieren von Risiken
• Minimieren von Problemen
• Verwenden wichtiger Sicherheitstools zum Schutz Ihrer KI-Systeme
• Übung – Implementieren von verantwortungsvoller KI
• Modulbewertung
• Zusammenfassung

• Einführung
• Übergang vom herkömmlichen MLOps zu LLMOps
• Grundlegendes zu Modellimplementierungen
• Beschreiben der MLflow-Bereitstellungsfunktionen
• Verwenden von Unity Catalog zum Verwalten von Modellen
• Übung: Implementieren von LLMOps
• Modulbewertung
• Zusammenfassung

Bevor Sie mit diesem Modul beginnen, sollten Sie sich mit grundlegenden KI-Konzepten und Azure Databricks vertraut machen. Eventuell sollten Sie zunächst den Lernpfad Erste Schritte mit künstlicher Intelligenz und das Modul Erkunden von Azure Databricks abschließen.

Dieser Kurs wurde für Data Scientists, Machine Learning-Ingenieure und andere KI-Experten entwickelt, die generative KI-Anwendungen mit Azure Databricks erstellen möchten. Es richtet sich an Experten, die mit grundlegenden KI-Konzepten und der Azure Databricks-Plattform vertraut sind.