0521 968 7740Mo–Fr, 8–17 Uhr
Viele Organisationen haben KI-Prototypen, aber nur wenige besitzen saubere Betriebsprozesse für produktive Modelle und generative KI-Anwendungen. Diese Schulung setzt genau dort an. Du lernst, wie MLOps auf Azure mit Azure Machine Learning und Microsoft Foundry zusammenpasst und welche Aufgaben in einem produktionsreifen KI-Lifecycle geregelt sein müssen. Dazu gehören Trainings- und Deployment-Pipelines, Modell- und Prompt-Versionierung, Evaluation, Monitoring, Governance und kontrollierte Releases. Besonders wichtig ist die Verbindung zwischen klassischem Modellbetrieb und GenAIOps: Während Machine-Learning-Modelle überwacht, neu trainiert und freigegeben werden, brauchen generative KI-Systeme zusätzliche Abläufe für Prompts, Systemnachrichten, Modellvarianten und Antwortqualität. Im Training werden diese Betriebsfragen nicht abstrakt behandelt, sondern anhand typischer Azure-Szenarien strukturiert. Du erkennst, welche Artefakte versioniert werden, wie Quality-Gates vor dem Deployment aussehen und wie Teams Veränderungen an KI-Services nachvollziehbar dokumentieren. Auch Kosten, Zugriffsschutz und Auditierbarkeit werden berücksichtigt. Das AI-300 Training passt besonders für Azure-Teams, die Data-Science-Ergebnisse in stabile Services überführen oder GenAI-Anwendungen mit Microsoft Foundry kontrolliert betreiben möchten. Am Ende steht ein praxistaugliches Verständnis dafür, wie KI-Systeme auf Azure geplant, ausgeliefert, überwacht und über ihren gesamten Lifecycle gesteuert werden.
