MOC AI 300 Operationalize machine learning and generative AI solutions
Il corso AI 300 Operationalize machine learning and generative AI solutions è pensato per chi desidera progettare, implementare e gestire soluzioni di Machine Learning Operations (MLOps) e Generative AI Operations (GenAIOps) su Microsoft Azure.
Questo corso è erogato in collaborazione con Pipeline Srl, Microsoft Learning Partner, centro autorizzato all’erogazione di corsi ufficiali Microsoft.
Cosa imparerai
- Imparare a implementare operazioni di machine learning end-to-end (MLOps) con Azure Machine Learning
- imparare a implementare applicazioni di IA generativa utilizzando l’intero ciclo di vita di GenAIOps.
- Operationalizzare modelli di machine learning (MLOps)
- Sperimentare con Azure Machine Learning
- Eseguire il tuning degli iperparametri con Azure Machine Learning
- Creare ed eseguire pipeline in Azure Machine Learning
- Attivare job di Azure Machine Learning tramite GitHub Actions
- Attivare GitHub Actions con sviluppo basato su feature
- Gestire gli ambienti in GitHub Actions
- Distribuire (deploy) un modello tramite GitHub Actions
- Operationalizzare applicazioni di intelligenza artificiale generativa (GenAIOps)
- Pianificare e preparare una soluzione GenAIOps
- Gestire i prompt per agenti in Microsoft Foundry con GitHub
- Valutare e ottimizzare agenti AI tramite esperimenti strutturati
- Automatizzare le valutazioni AI con Microsoft Foundry e GitHub Actions
- Monitorare un’applicazione di intelligenza artificiale generativa
- Analizzare ed eseguire il debug di un’app GenAI tramite tracing
È consigliata familiarità con i concetti basilari di AI generativa e con i servizi di Azure; esperienza di programmazione con Python o R; esperienza nello sviluppo e nell’addestramento di modelli di machine learning; conoscenza dei concetti di base di Azure Machine Learning.
AI engineer; Sviluppatori software, Web Developer
Il corso include:
- documentazione didattica;
- un attestato di frequenza inviato via e-mail una settimana dopo il termine del corso.
- Operationalizzare modelli di machine learning (MLOps)
- Sperimentare con Azure Machine Learning
- Eseguire il tuning degli iperparametri con Azure Machine Learning
- Creare ed eseguire pipeline in Azure Machine Learning
- Attivare job di Azure Machine Learning tramite GitHub Actions
- Attivare GitHub Actions con sviluppo basato su feature
- Gestire gli ambienti in GitHub Actions
- Distribuire (deploy) un modello tramite GitHub Actions
- Operationalizzare applicazioni di intelligenza artificiale generativa (GenAIOps)
- Pianificare e preparare una soluzione GenAIOps
- Gestire i prompt per agenti in Microsoft Foundry con GitHub
- Valutare e ottimizzare agenti AI tramite esperimenti strutturati
- Automatizzare le valutazioni AI con Microsoft Foundry e GitHub Actions
- Monitorare un’applicazione di intelligenza artificiale generativa
- Analizzare ed eseguire il debug di un’app GenAI tramite tracing
È consigliata familiarità con i concetti basilari di AI generativa e con i servizi di Azure; esperienza di programmazione con Python o R; esperienza nello sviluppo e nell’addestramento di modelli di machine learning; conoscenza dei concetti di base di Azure Machine Learning.
AI engineer; Sviluppatori software, Web Developer
Il corso include:
- documentazione didattica;
- un attestato di frequenza inviato via e-mail una settimana dopo il termine del corso.
F.A.Q.
La durata dei corsi a calendario varia in base al programma: può essere di mezza giornata fino a un massimo di 5 giornate. In base al corso scelto, il calendario dettagliato ti sarà sempre fornito al momento dell’iscrizione.
I corsi si svolgono generalmente dalle 9:00 alle 17:00, con una pausa pranzo dalle 13:00 alle 14:00.
Nei corsi di 5 giornate, l’ultimo giorno (venerdì) termina alle 13:00.
Attualmente tutti i corsi a calendario si svolgono in Aula Virtuale, con docente in diretta e possibilità di interazione con altri partecipanti, replicando l’esperienza di un corso in presenza.
Sì, tutti i corsi in aula sono erogati in lingua italiana, salvo eccezioni esplicitamente indicate.
Per i corsi in modalità e-learning (self-study), la maggior parte dei contenuti è in lingua inglese.
Al termine del corso a calendario viene fornito un attestato di partecipazione digitale, confermando il completamento del percorso formativo e la partecipazione attiva alle sessioni.