Skip to content

DP-3028: Implement Generative AI engineering with Azure Databricks

Engineering mit generativer künstlicher Intelligenz (KI) in Azure Databricks nutzt die Funktionen der Plattform, um erweiterte Sprachmodelle zu erkunden, zu optimieren, auszuwerten und zu integrieren. Mithilfe der Skalierbarkeit von Apache Spark und der Umgebung für die Zusammenarbeit von Azure Databricks können Sie komplexe KI-Systeme entwerfen.

Physisch oder virtuell?

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

• Data Analyst
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.

Was werden Sie in diesem Training erlernen?

In diesem Training lernen Sie, wie Sie generative KI-Lösungen mit Azure Databricks entwickeln und umsetzen. Sie arbeiten mit modernen Large Language Models (LLMs), wenden Techniken wie Retrieval Augmented Generation (RAG) und Multi-Stage Reasoning an, und verbessern Modelle durch Fine-Tuning und gezielte Evaluierung. Darüber hinaus erfahren Sie, wie Sie verantwortungsvolle KI-Prinzipien einhalten und LLMOps zur Verwaltung des Lebenszyklus Ihrer Modelle implementieren.

Agenda

Get started with language models in Azure Databricks
Understand Generative AI
Understand Large Language Models (LLMs)
Identify key components of LLM applications
Use LLMs for Natural Language Processing (NLP) tasks
Explore language models
Implement Retrieval Augmented Generation (RAG) with Azure Databricks
Explore the main concepts of a RAG workflow
Prepare your data for RAG
Find relevant data with vector search
Rerank your retrieved results
Exercise - Set up RAG
Implement multi-stage reasoning in Azure Databricks
What are multi-stage reasoning systems?
Explore LangChain
Explore LlamaIndex
Explore Haystack
Explore the DSPy framework
Implement multi-stage reasoning with LangChain
Fine-tune language models with Azure Databricks
What is fine-tuning?
Prepare your data for fine-tuning
Fine-tune an Azure OpenAI model
Evaluate language models with Azure Databricks
Compare LLM and traditional ML evaluations
Evaluate LLMs Evaluate LLMs with standard metrics and AI systems
Describe LLM-as-a-judge for evaluation
Evaluate an Azure OpenAI model
Review responsible AI principles for language models in Azure Databricks
What is responsible AI?
Identify risks
Mitigate issues
Use key security tooling to protect your AI systems
Implement responsible AI
Implement LLMOps in Azure Databricks
Transition from traditional MLOps to LLMOps
Understand model deployments
Describe MLflow deployment capabilities
Use Unity Catalog to manage models
Implement LLMOps

Dein Training im Überblick

Dauer 1 Tag
Trainingssprache Deutsch
Trainingsart brainyCLASS (offen)

690,00 

Startdatum und Ort wählen

Aktuell sind keine Termine vorhanden

Termin anfragen

Terminübersicht