Develop generative AI apps in Azure

Develop generative AI apps in AzureAI-3016MSMicrosoftMS-AI-30161.0<p>Bevor Sie mit diesem Modul beginnen, sollten Sie sich mit grundlegenden KI-Konzepten und -Diensten in Azure vertraut machen. Eventuell sollten Sie zunächst den Lernpfad Erste Schritte mit künstlicher Intelligenz abschliessen.</p><h4>Planen und Vorbereiten der Entwicklung von KI-Lösungen in Azure</h4><ul> <li>Einleitung</li><li>Was ist KI?</li><li>Microsoft Foundry</li><li>Giesserei-Werkzeuge</li><li>Entwicklerwerkzeuge und SDKs</li><li>Verantwortungsvolle KI</li><li>Übung – Vorbereiten eines KI-Entwicklungsprojekts</li><li>Modulbewertung</li><li>Zusammenfassung</li></ul> <h4>Auswählen, Bereitstellen und Auswerten von Microsoft Foundry-Modellen</h4><ul> <li>Einleitung</li><li>Erkunden des Modellkatalogs</li><li>Auswählen von Modellen mit Benchmarks</li><li>Bereitstellen von Modellen zu Endpunkten</li><li>Modellleistung bewerten</li><li>Übung – Auswählen, Bereitstellen und Auswerten von Modellen</li><li>Wissensüberprüfung</li><li>Zusammenfassung</li></ul> <h4>Entwickeln einer generativen KI-Chat-App mit Microsoft Foundry</h4><ul> <li>Einleitung</li><li>Entdecken Sie mit dem Modell-Playground</li><li>Auswählen eines Endpunkts und SDK</li><li>Generieren von Antworten mit der Antwort-API</li><li>Generieren von Antworten mit der ChatCompletions-API</li><li>Übung – Erstellen einer generativen KI-Chat-App</li><li>Wissensüberprüfung</li><li>Zusammenfassung</li></ul> <h4>Entwickeln von generativen KI-Apps, die Tools verwenden</h4><ul> <li>Einführung</li><li>Was sind Tools?</li><li>Verwendung des Tools Code_Interpreter</li><li>Verwenden Sie das Tool "Web_Search"</li><li>Verwenden Sie das Tool file_search</li><li>Verwenden des Funktionstools</li><li>Übung – Erstellen einer generativen KI-Chat-App, die Tools verwendet</li><li>Modulbewertung</li><li>Zusammenfassung</li></ul> <h4>Optimieren der leistung des generativen KI-Modells mit Microsoft Foundry</h4><ul> <li>Einleitung</li><li>Optimieren der Modellausgabe mit Prompt Engineering</li><li>Verankern Sie Ihr Modell mit durch Abruf angereicherter Generierung.</li><li>Optimieren eines Modells für ein einheitliches Verhalten</li><li>Vergleichen und Kombinieren von Optimierungsstrategien</li><li>Übung – Optimieren der leistung des generativen KI-Modells</li><li>Modulbewertung</li><li>Zusammenfassung</li></ul> <h4>Implementieren einer verantwortungsvollen generativen KI-Lösung in Microsoft Foundry</h4><ul> <li>Einleitung</li><li>Planen einer verantwortungsvollen generativen KI-Lösung</li><li>Kartieren potenzieller Schäden</li><li>Messen potenzieller Schäden</li><li>Minimieren potenzieller Schäden</li><li>Verwalten einer verantwortungsvollen generativen KI-Lösung</li><li>Übung – Anwenden von Schutzmassnahmen, um die Ausgabe schädlicher Inhalte zu vermeiden</li><li>Modulbewertung</li><li>Zusammenfassung</li></ul><h5>Planen und Vorbereiten der Entwicklung von KI-Lösungen in Azure</h5><p>Microsoft Azure bietet mehrere Dienste, mit denen Entwicklern spannende KI-basierte Lösungen erstellen können. Die richtige Planung und Vorbereitung umfasst die Identifizierung der Dienste, die Sie verwenden und eine optimale Arbeitsumgebung für Ihr Entwicklungsteam erstellen.</p> <ul> <li>Einleitung</li><li>Was ist KI?</li><li>Azure AI-Dienste</li><li>Azure AI Foundry</li><li>Entwicklertools und SDKs</li><li>Verantwortungsvolle KI</li><li>Übung – Vorbereiten eines KI-Entwicklungsprojekts</li><li>Modulbewertung</li><li>Zusammenfassung</li></ul><h5>Auswählen und Bereitstellen von Modellen aus dem Modellkatalog im Azure AI Foundry-Portal</h5><p>Wählen Sie die verschiedenen Sprachmodelle aus, die über den Modellkatalog von Azure AI Foundry verfügbar sind. Erfahren Sie, wie Sie ein Modell auswählen, bereitstellen und testen sowie dessen Leistung verbessern.</p> <ul> <li>Einführung</li><li>Erkunden der Sprachmodelle im Modellkatalog</li><li>Bereitstellen eines Modells auf einem Endpunkt</li><li>Verbessern der Leistung eines Sprachmodells</li><li>Übung: Erkunden und Bereitstellen von Sprachmodellen und Chatten mit Sprachmodellen</li><li>Wissensbeurteilung</li><li>Zusammenfassung</li></ul><h5>Entwickeln einer KI-App mit dem Azure AI Foundry SDK</h5><p>Verwenden Sie das Azure AI Foundry SDK, um KI-Anwendungen mit Azure AI Foundry-Projekten zu entwickeln.</p> <ul> <li>Einleitung</li><li>Was ist das Azure AI Foundry SDK?</li><li>Arbeiten mit Projektverbindungen</li><li>Erstellen eines Chatclients</li><li>Übung – Erstellen einer generativen KI-Chat-App</li><li>Modulbewertung</li><li>Zusammenfassung</li></ul><h5>Erste Schritte mit Prompt Flow zum Entwickeln von Sprachmodell-Apps in Azure KI Foundry</h5><p>Erfahren Sie, wie Sie mithilfe von Prompt Flow in Azure KI Foundry Anwendungen entwickeln, die Sprachmodelle nutzen.</p> <ul> <li>Einführung</li><li>Grundlegendes zum Entwicklungslebenszyklus einer LLM-App (Large Language Model)</li><li>Grundlegende Komponenten verstehen und Flow-Typen untersuchen</li><li>Erkunden von Verbindungen und Laufzeiten</li><li>Erkunden von Varianten und Überwachungsoptionen</li><li>Übung: Erste Schritte mit dem Prompt Flow</li><li>Wissensbeurteilung</li><li>Zusammenfassung</li></ul><h5>Entwickeln einer RAG-basierten Lösung mit Ihren eigenen Daten mithilfe von Azure AI Foundry</h5><p>Retrieval Augmented Generation (RAG) ist ein gängiges Muster, das in Lösungen für generative KI verwendet wird, um Aufforderungen mit Ihren Daten zu grounden. Azure AI Foundry bietet Unterstützung für das Hinzufügen von Daten, das Erstellen von Indizes und die Integration in generative KI-Modelle, die Ihnen beim Erstellen von RAG-basierten Lösungen helfen.</p> <ul> <li>Einführung</li><li>Verstehen, wie Ihr Sprachmodell geerdet wird</li><li>Machen Sie Ihre Daten durchsuchbar</li><li>Erstellen eines Copilots mit Prompt Flow</li><li>Übung: Erstellen eines benutzerdefinierten Copilots, der Ihre eigenen Daten verwendet</li><li>Wissensbeurteilung</li><li>Zusammenfassung</li></ul><h5>Optimieren eines Sprachmodells mit Azure KI Foundry</h5><p>Trainieren eines Basissprachenmodells für eine Chat-Vervollständigungsaufgabe. Im Modellkatalog von Azure KI Foundry finden Sie viele Open-Source-Modelle, die Sie für die speziellen Anforderungen an das Verhalten Ihres Modells optimieren können.</p> <ul> <li>Einführung</li><li>Verstehen, wann ein Sprachmodell optimiert werden sollte</li><li>Vorbereiten Ihrer Daten zur Optimierung eines Chat-Vervollständigungsmodells</li><li>Entdecken Sie die Optimierung von Sprachmodellen in Azure KI Studio</li><li>Übung – Optimieren eines Sprachmodells</li><li>Modulbewertung</li><li>Zusammenfassung</li></ul><h5>Implementieren einer verantwortungsvollen generativen KI-Lösung in Azure AI Foundry</h5><p>Mit der generativen KI sind erstaunlich kreative Lösungen möglich, sie muss jedoch verantwortungsbewusst implementiert werden, um das Risiko zu minimieren, dass schädliche Inhalte generiert werden.</p> <ul> <li>Einleitung</li><li>Planen einer verantwortungsvollen generativen KI-Lösung</li><li>Potenzielle Schäden kartieren</li><li>Messen potenzieller Schäden</li><li>Minimieren potenzieller Schäden</li><li>Verwalten einer verantwortungsvollen generativen KI-Lösung</li><li>Übung – Anwenden von Inhaltsfiltern, um die Ausgabe schädlicher Inhalte zu verhindern</li><li>Modulbewertung</li><li>Zusammenfassung</li></ul><h5>Bewertung der generativen KI-Leistung im Azure AI Foundry-Portal</h5><p>Die Auswertung von Copiloten ist unerlässlich, um sicherzustellen, dass Ihre generativen KI-Anwendungen den Benutzeranforderungen entsprechen, genaue Antworten bereitstellen und sich im Laufe der Zeit kontinuierlich verbessern. Erfahren Sie, wie Sie die Leistung Ihrer generativen KI-Anwendungen mithilfe der Tools und Features bewerten und optimieren, die in Azure KI Studio verfügbar sind.</p> <ul> <li>Einführung</li><li>Bewerten Sie die Modellleistung</li><li>Manuelles Auswerten der Leistung eines Modells</li><li>Automatisierte Auswertungen</li><li>Bewerten Sie die Leistung Ihrer generativen KI-Apps</li><li>Übung – Bewerten der leistung des generativen KI-Modells</li><li>Modulbewertung</li><li>Zusammenfassung</li></ul>Bevor Sie mit diesem Modul beginnen, sollten Sie sich mit grundlegenden KI-Konzepten und -Diensten in Azure vertraut machen. Eventuell sollten Sie zunächst den Lernpfad Erste Schritte mit künstlicher Intelligenz abschliessen.Planen und Vorbereiten der Entwicklung von KI-Lösungen in Azure - Einleitung - Was ist KI? - Microsoft Foundry - Giesserei-Werkzeuge - Entwicklerwerkzeuge und SDKs - Verantwortungsvolle KI - Übung – Vorbereiten eines KI-Entwicklungsprojekts - Modulbewertung - Zusammenfassung Auswählen, Bereitstellen und Auswerten von Microsoft Foundry-Modellen - Einleitung - Erkunden des Modellkatalogs - Auswählen von Modellen mit Benchmarks - Bereitstellen von Modellen zu Endpunkten - Modellleistung bewerten - Übung – Auswählen, Bereitstellen und Auswerten von Modellen - Wissensüberprüfung - Zusammenfassung Entwickeln einer generativen KI-Chat-App mit Microsoft Foundry - Einleitung - Entdecken Sie mit dem Modell-Playground - Auswählen eines Endpunkts und SDK - Generieren von Antworten mit der Antwort-API - Generieren von Antworten mit der ChatCompletions-API - Übung – Erstellen einer generativen KI-Chat-App - Wissensüberprüfung - Zusammenfassung Entwickeln von generativen KI-Apps, die Tools verwenden - Einführung - Was sind Tools? - Verwendung des Tools Code_Interpreter - Verwenden Sie das Tool "Web_Search" - Verwenden Sie das Tool file_search - Verwenden des Funktionstools - Übung – Erstellen einer generativen KI-Chat-App, die Tools verwendet - Modulbewertung - Zusammenfassung Optimieren der leistung des generativen KI-Modells mit Microsoft Foundry - Einleitung - Optimieren der Modellausgabe mit Prompt Engineering - Verankern Sie Ihr Modell mit durch Abruf angereicherter Generierung. - Optimieren eines Modells für ein einheitliches Verhalten - Vergleichen und Kombinieren von Optimierungsstrategien - Übung – Optimieren der leistung des generativen KI-Modells - Modulbewertung - Zusammenfassung Implementieren einer verantwortungsvollen generativen KI-Lösung in Microsoft Foundry - Einleitung - Planen einer verantwortungsvollen generativen KI-Lösung - Kartieren potenzieller Schäden - Messen potenzieller Schäden - Minimieren potenzieller Schäden - Verwalten einer verantwortungsvollen generativen KI-Lösung - Übung – Anwenden von Schutzmassnahmen, um die Ausgabe schädlicher Inhalte zu vermeiden - Modulbewertung - ZusammenfassungPlanen und Vorbereiten der Entwicklung von KI-Lösungen in Azure Microsoft Azure bietet mehrere Dienste, mit denen Entwicklern spannende KI-basierte Lösungen erstellen können. Die richtige Planung und Vorbereitung umfasst die Identifizierung der Dienste, die Sie verwenden und eine optimale Arbeitsumgebung für Ihr Entwicklungsteam erstellen. - Einleitung - Was ist KI? - Azure AI-Dienste - Azure AI Foundry - Entwicklertools und SDKs - Verantwortungsvolle KI - Übung – Vorbereiten eines KI-Entwicklungsprojekts - Modulbewertung - Zusammenfassung Auswählen und Bereitstellen von Modellen aus dem Modellkatalog im Azure AI Foundry-Portal Wählen Sie die verschiedenen Sprachmodelle aus, die über den Modellkatalog von Azure AI Foundry verfügbar sind. Erfahren Sie, wie Sie ein Modell auswählen, bereitstellen und testen sowie dessen Leistung verbessern. - Einführung - Erkunden der Sprachmodelle im Modellkatalog - Bereitstellen eines Modells auf einem Endpunkt - Verbessern der Leistung eines Sprachmodells - Übung: Erkunden und Bereitstellen von Sprachmodellen und Chatten mit Sprachmodellen - Wissensbeurteilung - Zusammenfassung Entwickeln einer KI-App mit dem Azure AI Foundry SDK Verwenden Sie das Azure AI Foundry SDK, um KI-Anwendungen mit Azure AI Foundry-Projekten zu entwickeln. - Einleitung - Was ist das Azure AI Foundry SDK? - Arbeiten mit Projektverbindungen - Erstellen eines Chatclients - Übung – Erstellen einer generativen KI-Chat-App - Modulbewertung - Zusammenfassung Erste Schritte mit Prompt Flow zum Entwickeln von Sprachmodell-Apps in Azure KI Foundry Erfahren Sie, wie Sie mithilfe von Prompt Flow in Azure KI Foundry Anwendungen entwickeln, die Sprachmodelle nutzen. - Einführung - Grundlegendes zum Entwicklungslebenszyklus einer LLM-App (Large Language Model) - Grundlegende Komponenten verstehen und Flow-Typen untersuchen - Erkunden von Verbindungen und Laufzeiten - Erkunden von Varianten und Überwachungsoptionen - Übung: Erste Schritte mit dem Prompt Flow - Wissensbeurteilung - Zusammenfassung Entwickeln einer RAG-basierten Lösung mit Ihren eigenen Daten mithilfe von Azure AI Foundry Retrieval Augmented Generation (RAG) ist ein gängiges Muster, das in Lösungen für generative KI verwendet wird, um Aufforderungen mit Ihren Daten zu grounden. Azure AI Foundry bietet Unterstützung für das Hinzufügen von Daten, das Erstellen von Indizes und die Integration in generative KI-Modelle, die Ihnen beim Erstellen von RAG-basierten Lösungen helfen. - Einführung - Verstehen, wie Ihr Sprachmodell geerdet wird - Machen Sie Ihre Daten durchsuchbar - Erstellen eines Copilots mit Prompt Flow - Übung: Erstellen eines benutzerdefinierten Copilots, der Ihre eigenen Daten verwendet - Wissensbeurteilung - Zusammenfassung Optimieren eines Sprachmodells mit Azure KI Foundry Trainieren eines Basissprachenmodells für eine Chat-Vervollständigungsaufgabe. Im Modellkatalog von Azure KI Foundry finden Sie viele Open-Source-Modelle, die Sie für die speziellen Anforderungen an das Verhalten Ihres Modells optimieren können. - Einführung - Verstehen, wann ein Sprachmodell optimiert werden sollte - Vorbereiten Ihrer Daten zur Optimierung eines Chat-Vervollständigungsmodells - Entdecken Sie die Optimierung von Sprachmodellen in Azure KI Studio - Übung – Optimieren eines Sprachmodells - Modulbewertung - Zusammenfassung Implementieren einer verantwortungsvollen generativen KI-Lösung in Azure AI Foundry Mit der generativen KI sind erstaunlich kreative Lösungen möglich, sie muss jedoch verantwortungsbewusst implementiert werden, um das Risiko zu minimieren, dass schädliche Inhalte generiert werden. - Einleitung - Planen einer verantwortungsvollen generativen KI-Lösung - Potenzielle Schäden kartieren - Messen potenzieller Schäden - Minimieren potenzieller Schäden - Verwalten einer verantwortungsvollen generativen KI-Lösung - Übung – Anwenden von Inhaltsfiltern, um die Ausgabe schädlicher Inhalte zu verhindern - Modulbewertung - Zusammenfassung Bewertung der generativen KI-Leistung im Azure AI Foundry-Portal Die Auswertung von Copiloten ist unerlässlich, um sicherzustellen, dass Ihre generativen KI-Anwendungen den Benutzeranforderungen entsprechen, genaue Antworten bereitstellen und sich im Laufe der Zeit kontinuierlich verbessern. Erfahren Sie, wie Sie die Leistung Ihrer generativen KI-Anwendungen mithilfe der Tools und Features bewerten und optimieren, die in Azure KI Studio verfügbar sind. - Einführung - Bewerten Sie die Modellleistung - Manuelles Auswerten der Leistung eines Modells - Automatisierte Auswertungen - Bewerten Sie die Leistung Ihrer generativen KI-Apps - Übung – Bewerten der leistung des generativen KI-Modells - Modulbewertung - Zusammenfassung1 Tag690.00675.00675.00690.00690.00490.001400.00950.00940.00695.00540.00675.00399.00690.00990.00450.00