Microsoft Azure AI - Architektur, Entwicklung und Integration von KI-Services und Copilots
Classroom Schulung | Deutsch | Anspruch
Schulungsdauer: 3 Tage
Ziele
In dieser 3-tägigen Schulung "Microsoft Azure AI - Architektur, Entwicklung und Integration von KI-Services und Copilots" lernen Sie, wie Sie KI-Funktionalitäten mit Microsoft Azure konzipieren, bereitstellen und in bestehende Anwendungen integrieren.
Sie erhalten einen fundierten Überblick über die relevanten Azure-KI-Dienste und deren Zusammenspiel sowie das notwendige technische Wissen, um Azure-Ressourcen für KI-Anwendungen effizient zu verwalten.
Die Schulung vermittelt sowohl konzeptionelle als auch praktische Inhalte – von der Planung über die Bereitstellung bis hin zur Integration von Azure AI in produktive Systeme. Ein besonderer Schwerpunkt liegt auf der erfolgreichen Zusammenarbeit zwischen technischen und fachlichen Bereichen in KI-Projekten.
Dabei werden auch Aspekte wie Anforderungsmanagement, Schnittstellenverständnis und Koordination zwischen Architektur, Entwicklung und Betrieb behandelt. Je nach Kenntnisstand und individuellen Lernzielen der Teilnehmenden können bestimmte Themen vertieft oder praxisnah erprobt werden.
Ziel ist es, ein gemeinsames Verständnis für den effektiven Einsatz von Azure-KI-Diensten zu schaffen – als Grundlage für durchdachte, skalierbare und zukunftssichere KI-Lösungen.
Zielgruppe
- Azure-Cloud-Architekten, die Ihr bestehendes Azure-Know-How auf das stetig wachsende Portfolio der Azure-AI-Dienste ausweiten möchten.
- Entwickler, die gerade beginnen, Ihre Anwendungen mit Cloud-basierten AI-Fähigkeiten auszustatten.
- Datenwissenschaftler, die bereits über ausgeprägte AI-Kenntnisse verfügen, erhalten mit diesem Kurs einen Einblick, wie AI-Services in Azure bereitgestellt werden.
Voraussetzungen
- Kenntnisse in Mathematik, Statistik, Wahrscheinlichkeitsrechnung sowie Azure-Fudamentals sind von Vorteil
Agenda
Strategische Grundlagen und Einstieg in Azure AI-Services
- Einführung in AI, KI und ML: Definitionen, Unterschiede und aktuelle Trends
- Azure AI Foundry Überblick über Azure Machine Learning, Azure AI Foundry und Azure OpenAI
- Governance / Sicherheit / Compliance
- Kostenaspekte und Skalierung: Was kosten Cognitive Services, was OpenAI, wie kann man automatisiert skalieren?
- Prompt Engineering (für Azure OpenAI): Sollte bei generativer KI unbedingt dabei sein.
- Praktische Übungen in den AI-Studios: Grafische Erkundung der Dienste, erste Schritte mit Azure Machine Learning Studio, Azure AI Foundry und Azure OpenAI
- Live-Demos und Übungen
Entwicklung mit Azure AI Foundry
- Einführung in die neue Azure AI Foundry: Architektur, Entitätstypen, Funktionen und Möglichkeiten
- Entwicklung eigener AI-Anwendungen und CoPiloten: Einführung in die Nutzung der REST API und SDKs für C# und Python am Beispiel mit Azure AI Vision
- Modell-Monitoring & ML Ops
- Live-Demos und Übungen
Programmatischer Umgang mit den wichtigsten AI-Dienste
- Entwicklung eigener AI-Anwendungen und Copiloten: Nutzung der REST API und SDKs für C# und Python mit Azure AI Language
- Entwicklung eigener AI-Anwendungen und Copiloten: Nutzung der REST API und SDKs für C# und Python mit Azure AI Speech
- Entwicklung eigener AI-Anwendungen und Copiloten: Nutzung der REST API und SDKs für C# und Python mit Azure AI Document Intelligence und Content Safety
- Einführung in das Machine Learning Studio: Erweiterte Funktionen und Anwendungsbeispiele
- Live-Demos und Übungen
Ziele
In dieser 3-tägigen Schulung "Microsoft Azure AI - Architektur, Entwicklung und Integration von KI-Services und Copilots" lernen Sie, wie Sie KI-Funktionalitäten mit Microsoft Azure konzipieren, bereitstellen und in bestehende Anwendungen integrieren.
Sie erhalten einen fundierten Überblick über die relevanten Azure-KI-Dienste und deren Zusammenspiel sowie das notwendige technische Wissen, um Azure-Ressourcen für KI-Anwendungen effizient zu verwalten.
Die Schulung vermittelt sowohl konzeptionelle als auch praktische Inhalte – von der Planung über die Bereitstellung bis hin zur Integration von Azure AI in produktive Systeme. Ein besonderer Schwerpunkt liegt auf der erfolgreichen Zusammenarbeit zwischen technischen und fachlichen Bereichen in KI-Projekten.
Dabei werden auch Aspekte wie Anforderungsmanagement, Schnittstellenverständnis und Koordination zwischen Architektur, Entwicklung und Betrieb behandelt. Je nach Kenntnisstand und individuellen Lernzielen der Teilnehmenden können bestimmte Themen vertieft oder praxisnah erprobt werden.
Ziel ist es, ein gemeinsames Verständnis für den effektiven Einsatz von Azure-KI-Diensten zu schaffen – als Grundlage für durchdachte, skalierbare und zukunftssichere KI-Lösungen.
Zielgruppe
- Azure-Cloud-Architekten, die Ihr bestehendes Azure-Know-How auf das stetig wachsende Portfolio der Azure-AI-Dienste ausweiten möchten.
- Entwickler, die gerade beginnen, Ihre Anwendungen mit Cloud-basierten AI-Fähigkeiten auszustatten.
- Datenwissenschaftler, die bereits über ausgeprägte AI-Kenntnisse verfügen, erhalten mit diesem Kurs einen Einblick, wie AI-Services in Azure bereitgestellt werden.
Voraussetzungen
- Kenntnisse in Mathematik, Statistik, Wahrscheinlichkeitsrechnung sowie Azure-Fudamentals sind von Vorteil
Agenda
Strategische Grundlagen und Einstieg in Azure AI-Services
- Einführung in AI, KI und ML: Definitionen, Unterschiede und aktuelle Trends
- Azure AI Foundry Überblick über Azure Machine Learning, Azure AI Foundry und Azure OpenAI
- Governance / Sicherheit / Compliance
- Kostenaspekte und Skalierung: Was kosten Cognitive Services, was OpenAI, wie kann man automatisiert skalieren?
- Prompt Engineering (für Azure OpenAI): Sollte bei generativer KI unbedingt dabei sein.
- Praktische Übungen in den AI-Studios: Grafische Erkundung der Dienste, erste Schritte mit Azure Machine Learning Studio, Azure AI Foundry und Azure OpenAI
- Live-Demos und Übungen
Entwicklung mit Azure AI Foundry
- Einführung in die neue Azure AI Foundry: Architektur, Entitätstypen, Funktionen und Möglichkeiten
- Entwicklung eigener AI-Anwendungen und CoPiloten: Einführung in die Nutzung der REST API und SDKs für C# und Python am Beispiel mit Azure AI Vision
- Modell-Monitoring & ML Ops
- Live-Demos und Übungen
Programmatischer Umgang mit den wichtigsten AI-Dienste
- Entwicklung eigener AI-Anwendungen und Copiloten: Nutzung der REST API und SDKs für C# und Python mit Azure AI Language
- Entwicklung eigener AI-Anwendungen und Copiloten: Nutzung der REST API und SDKs für C# und Python mit Azure AI Speech
- Entwicklung eigener AI-Anwendungen und Copiloten: Nutzung der REST API und SDKs für C# und Python mit Azure AI Document Intelligence und Content Safety
- Einführung in das Machine Learning Studio: Erweiterte Funktionen und Anwendungsbeispiele
- Live-Demos und Übungen
