Darum lohnt sich der Kurs
Sie vertiefen Ihr Know-how über Python und maschinelles Lernen, um Azure Machine Learning im Enterprise-Maßstab einzusetzen: Datenerfassung, Modelltraining und Monitoring – alles aus einer Hand. Praxisprojekte garantieren in diesem Kurs für eine schnelle Anwendungskompetenz.Seminarinhalt
Dieses Training wird von Microsoft zum 30.04.2026 aus dem Programm genommen. Microsoft empfiehlt ersatzweise das Training "AI-300T00:Operationalize machine learning and generative AI solutions".
Operationalize machine learning and generative AI solutions » Kurs • ETC Trainingcenter
Lernen Sie, wie man mit Azure Machine Learning Lösungen im Cloudmaßstab bedient. In diesem Kurs lernen Sie, Ihr vorhandenes Wissen über Python und maschinelles Lernen zu nutzen, um die Datenerfassung und -aufbereitung, die Modellschulung und -bereitstellung sowie die Überwachung von Lösungen für maschinelles Lernen mit Azure Machine Learning und MLflow zu verwalten.
Operationalize machine learning and generative AI solutions » Kurs • ETC Trainingcenter
Lernen Sie, wie man mit Azure Machine Learning Lösungen im Cloudmaßstab bedient. In diesem Kurs lernen Sie, Ihr vorhandenes Wissen über Python und maschinelles Lernen zu nutzen, um die Datenerfassung und -aufbereitung, die Modellschulung und -bereitstellung sowie die Überwachung von Lösungen für maschinelles Lernen mit Azure Machine Learning und MLflow zu verwalten.
Programm
Explore and configure the Azure Machine Learning workspace
- Explore Azure Machine Learning workspace resources and assets
- Explore developer tools for workspace interaction
- Make data available in Azure Machine Learning
- Work with compute targets in Azure Machine Learning
- Find the best classification model with Automated Machine Learning
- Track model training in Jupyter notebooks with MLflow
- Run a training script as a command job in Azure Machine Learning
- Track model training with MLflow in jobs
- Perform hyperparameter tuning wiht Azure Machine learning
- Run pipelines in Azure Machine Learining
- Register an MLflow model in Azure Machine Learning
- Create and explore the Responsible AI dashboards for a model in Azure Machine Learning
- Deploy a model to managed online endpoint
- Deploy a model to a batsch endpoint
- Introduction to Azure AI Foundry
- Explore and deploy models from the model catalog in Azure AI Foundry portal
- Get started with prompt flow to develop language model apps in the Azure AI Foundry
- Build a RAG-based agent with your own data using Azure AI Foundry
- Fine-tune a language model with Azure AI Foundry
- Evaluate the performance of generative AI apps with Azure AI Foundry
- Responsible generative AI
Zielgruppen
Dieser Training richtet sich an Datenwissenschaftler*innen mit bereits vorhandenen Kenntnissen über Python und Frameworks für maschinelles Lernen wie ScikitLearn, PyTorch und Tensorflow, die maschinelle Lernlösungen in der Cloud erstellen und betreiben wollen.
Vorkenntnisse
Erfolgreiche Azure Data Scientists haben zu Beginn ihrer Tätigkeit bereits fundierte Kenntnisse zu Cloud Computing-Konzepten und Erfahrung mit allgemeinen Tools und Techniken in den Bereichen Data Science und maschinelles Lernen.
Dies gilt insbesondere in folgenden Fällen:
Dies gilt insbesondere in folgenden Fällen:
- Erstellen von Cloudressourcen in Microsoft Azure
- Verwenden von Python zum Untersuchen und Visualisieren von Daten
- Trainieren und Überprüfen von Machine Learning-Modellen mit gängigen Frameworks wie Scikit-Learn, PyTorch und TensorFlow
