AI-200T00: Develop AI cloud solutions on Azure

Praxisorientiertes Training zur Entwicklung von AI Cloudlösungen auf Microsoft Azure mit Fokus auf Architektur, Betrieb und Skalierbarkeit. Sie lernen, wie Sie moderne AI Cloudlösungen auf Microsoft Azure nicht nur entwickeln, sondern auch stabil und effizient betreiben. Verstehen Sie, wie unterschiedliche Azure Dienste sinnvoll kombiniert werden, um skalierbare, sichere und beobachtbare AI Anwendungen umzusetzen und gewinnen Sie ein Verständnis für Architekturentscheidungen, Betriebsmodelle und die Integration komplexer AI Workflows in produktive Umgebungen.
Jetzt beraten lassen

Physisch oder virtuell?

Nehmen Sie an einem unserer Standorte oder virtuell an unseren Klassenraumtrainings teil. Unter “Termin buchen” werden Ihnen alle Optionen angezeigt, zuerst sortiert nach Standort, dann nach Datum.

Dieses Training richtet sich an:
  • Backend-  und Cloud-DeveloperInnen
  • SoftwareentwicklerInnen mit Fokus auf AI  und datengetriebene Anwendungen
  • Azure EntwicklerInnen, die containerisierte und event getriebene Architekturen umsetzen
  • Technische Fachkräfte, die AI Workflows produktiv, skalierbar und sicher auf Azure betreiben möchten
  • Programmiererfahrung (z. B. Python, JavaScript oder C#) 
  • Grundkenntnisse in Azure und Cloud-Computing 
  • Basiswissen zu Containerisierungstechnologien


Wichtige Information

Dieses Training behandelt prüfungsrelevante Themen zum Examen: Microsoft Certified: Azure AI Cloud Developer Associate Certification

Was werden Sie in diesem Training erlernen?

Dieses Training vermittelt ein fundiertes Verständnis für die Konzeption, Umsetzung und den Betrieb moderner AI Cloudlösungen auf Microsoft Azure. Im Mittelpunkt steht das Zusammenspiel zentraler Azure Dienste zur Realisierung produktiver AI Workloads.

Ein Schwerpunkt liegt auf containerisierten Anwendungen sowie deren Planung, Bereitstellung und Betrieb unter Berücksichtigung verschiedener Hosting-Modelle. Darüber hinaus werden serverlose und eventgetriebene Architekturen behandelt, um flexible und skalierbare AI Workflows umzusetzen.

Ergänzend lernen Sie den Einsatz moderner Azure Datenplattformen für unterschiedliche Datentypen kennen. Abschließend werden zentrale Betriebsaspekte wie Sicherheit, Monitoring und Observability behandelt, um stabile und transparente Produktivumgebungen zu gewährleisten.

Nach dem Training…
  • entwerfen Sie containerbasierte Anwendungen mit Azure Container Apps und Azure Kubernetes Service (AKS).
  • stellen Sie containerisierte Workloads in Azure Umgebungen bereit und überwachen diese.
  • entwickeln Sie serverlose, skalierbare APIs für AI Workloads mit Azure Functions.
  • implementieren Sie eventgetriebene und nachrichtenbasierte Architekturen mit Azure Service Bus und Event Grid.
  • konzipieren Sie AI-nahe Datenlösungen mit Azure Cosmos DB, PostgreSQL (pgvector) und Azure Managed Redis.
  • integrieren und orchestrieren Sie AI Workflows über mehrere Azure Services hinweg.
  • wenden Sie Sicherheits-, Monitoring- und Observability-Konzepte für produktive AI Anwendungen sicher an.

Agenda

Implementierung von Container Application Hosting auf Azure
Container in Azure Container Registry speichern und verwalten
Übung – Container-Image mit ACR Tasks erstellen und verwalten
Images taggen und versionieren
Images mit ACR Tasks erstellen und ausführen
Registries, Repositories und Artifacts
Container in Azure App Service bereitstellen
Containerisierte Anwendungen überwachen und Fehler beheben
Übung – Container in Azure App Service bereitstellen
Laufzeitverhalten von Containern konfigurieren
Anwendungseinstellungen konfigurieren
Bereitstellen und Verwalten von Anwendungen in Azure Container Apps
Container in Azure Container Apps bereitstellen
Laufzeiteinstellungen mit Umgebungsvariablen und Secrets konfigurieren
Authentifizierung für Image Pulls aus privaten Registries konfigurieren
Bereitstellungen mithilfe von Logs und Status überprüfen
Übung – Containerisierte Backend-API in Container Apps bereitstellen
Container App mit Azure CLI und YAML bereitstellen
Container Apps Umgebungen untersuchen
Container in Azure Container Apps verwalten
Lebenszyklus einer Container App verwalten
Images aktualisieren und Revisionen sicher verwalten
Übung – Fehlerhafte Bereitstellung diagnostizieren und beheben
Container-Ressourcen und Skalierung optimieren
Health Probes konfigurieren und Fehlerursachen untersuchen
Logs überwachen und Probleme analysieren
Container in Azure Container Apps skalieren
Revisionsmodi auswählen und anwenden
Übung – Autoskalierung mit KEDA-Triggern konfigurieren
Compute-Ressourcen im Hinblick auf Leistung und Kosten auswählen
KEDA-Scaler für benutzerdefinierte Workloads anwenden
Ereignisgesteuerte Skalierung mit KEDA implementieren
Skalierungsregeln konfigurieren
Bereitstellen und Überwachen von Anwendungen in Azure Kubernetes Service
Anwendungen in Azure Kubernetes Service bereitstellen
Übung – AI-Inference-API in Azure Kubernetes Service bereitstellen
Anwendungen in Azure Kubernetes Service bereitstellen
Anwendungen in Azure Kubernetes Service verfügbar machen
Kubernetes Deployment Manifeste erstellen
Anwendungen in Azure Kubernetes Service konfigurieren
ConfigMaps für Anwendungseinstellungen definieren
Secrets für sensible Daten implementieren
Persistenten Speicher an eine Anwendung anbinden
Übung – Anwendungen in Azure Kubernetes Service konfigurieren
Anwendungen in Azure Kubernetes Service überwachen und Fehler beheben
Pods und Services analysieren und Fehler beheben
Übung – Anwendungen in Azure Kubernetes Service analysieren und korrigieren
Service-Konnektivität und Endpunkte überprüfen
Anwendungslogs und Metriken überwachen
Entwicklung von AI-Lösungen mit Azure Cosmos DB for NoSQL
Azure Cosmos DB for NoSQL abfragen
Azure Cosmos DB for NoSQL SDK implementieren
Übung – RAG-Dokumentenspeicher in Azure Cosmos DB for NoSQL aufbauen
Abfragen für Azure Cosmos DB for NoSQL erstellen
Azure Cosmos DB for NoSQL kennenlernen
Vektorsuche in Azure Cosmos DB for NoSQL implementieren
Vektorähnlichkeitsabfragen für semantische Suche ausführen
Ergebnisse der Vektorsuche mit Metadatenfiltern kombinieren
Übung – Semantische Suchanwendung mit Azure Cosmos DB for NoSQL entwickeln
Change Feed zur Aktualisierung von Embeddings verwenden
Embeddings in Azure Cosmos DB speichern und abrufen
Abfrageleistung in Azure Cosmos DB for NoSQL optimieren
Indexierung in Azure Cosmos DB verstehen
Range- und Composite-Indizes konfigurieren
Übung – Abfrageleistung mit Vektorindizes in Azure Cosmos DB for NoSQL optimieren
Konsistenzstufen für optimale Leistung auswählen
RU-Kosten durch strategische Indexierung senken
Vektorindizes für Embedding-Workloads optimieren
Entwicklung von AI-Lösungen mit Azure Database for PostgreSQL
Mit Azure Database for PostgreSQL entwickeln und abfragen
Übung – Backend für ein Agent Tool mit Azure Database for PostgreSQL entwickeln
Daten abfragen
Schemas erstellen und verwalten
Verbindung zu PostgreSQL herstellen
Azure Database for PostgreSQL kennenlernen
SDKs und Anwendungen integrieren
Vektorsuche mit Azure Database for PostgreSQL implementieren
Vektorähnlichkeitssuche für semantische Retrieval-Szenarien ausführen
Übung – Vektorsuche in Azure Database for PostgreSQL implementieren
Retrieval-Muster für RAG-Pipelines implementieren
Index-Lebenszyklus und Embedding-Updates verwalten
Schnelle Vektorähnlichkeitssuche durchführen
Embeddings mit pgvector speichern und abfragen
Vektorsuche in Azure Database for PostgreSQL optimieren
Übung – Leistung der Vektorsuche in Azure Database for PostgreSQL optimieren
Verbindungsoptimierung
Skalierung für Workloads mit hohem Datenvolumen
Datenlayout optimieren
Vektorindizes auswählen und konfigurieren
PostgreSQL für pgvector tunen
  • Group Exercise: Review Architecting on AWS core best practices
  • Lab 1: Securing Amazon S3 VPC Endpoint Communications
  • Group Exercise: Review Architecting on AWS core best practices
  • AWS Organizations for multi-account access and permissions
  • AWS SSO to simplify access and authentication across AWS accounts and third-party services
  • AWS Control Tower
  • Permissions, access, and authentication
  • Group Exercise: Review Architecting on AWS core best practices
  • Lab 1: Securing Amazon S3 VPC Endpoint Communications
  • Group Exercise: Review Architecting on AWS core best practices
  • Lab 1: Securing Amazon S3 VPC Endpoint Communications

Dein Training im Überblick

Dauer 5 Tage
Trainingssprache Deutsch
Nicht verfügbar

2.890,00 €

Startdatum und Ort wählen

Terminübersicht