Plan and prepare to develop AI solutions on Azure

• Introduction
• What is AI?
• Azure AI services
• Azure AI Foundry
• Developer tools and SDKs
• Responsible AI
• Exercise – Prepare for an AI development project

Choose and deploy models from the model catalog in Azure AI Foundry portal

• Introduction
• Explore the model catalog
• Deploy a model to an endpoint
• Optimize model performance
• Exercise – Explore, deploy, and chat with language models

Develop an AI app with the Azure AI Foundry SDK

• Introduction
• What is the Azure AI Foundry SDK?
• Work with project connections
• Create a chat client
• Exercise – Create a generative AI chat app

Get started with prompt flow to develop language model apps in the Azure AI Foundry

• Understand the development lifecycle of a large language model (LLM) app
• Understand core components and explore flow types
• Explore connections and runtimes
• Explore variants and monitoring options
• Exercise – Get started with prompt flow

Build a RAG-based agent with your own data using Azure AI Foundry

• Understand how to ground your language model
• Make your data searchable
• Build an agent with prompt flow
• Exercise – Create a custom agent that uses your own data

Fine-tune a language model with Azure AI Foundry

• Understand when to fine-tune a language model
• Prepare your data to fine-tune a chat completion model
• Explore fine-tuning language models in Azure AI Studio
• Exercise – Fine-tune a foundation model

Evaluate the performance of generative AI apps with Azure AI Foundry

• Assess the model performance
• Manually evaluate the performance of a model
• Assess the performance of your generative AI apps
• Exercise – Evaluate the performance of your generative AI app

Responsible generative AI

• Plan a responsible generative AI solution
• Identify potential harms
• Measure potential harms
• Mitigate potential harms
• Operate a responsible generative AI solution
• Exercise – Explore content filters in Azure AI Studio

Questo corso AI-3016 – Develop generative AI apps in Azure si rivolge a sviluppatori software, AI Engineer e a Data Scientist.

Gli obiettivi di apprendimento di questo corso AI-3016 – Develop generative AI apps in Azure sono i seguenti:

• Descrivere le funzionalità del portale Azure AI Foundry
• Usare Azure AI Foundry per effettuare il provisioning e gestire una risorsa di Azure per intelligenza artificiale
• Usare Azure AI Foundry per creare e gestire un progetto di intelligenza artificiale
• Capire quando usare Azure AI Foundry
• Avere informazioni sul ciclo di vita dello sviluppo durante la creazione di applicazioni del modello linguistico
• Avere informazioni sul prompt flow di un flusso
• Esplorare i componenti principali quando si lavora con il prompt flow
• Identificare la necessità di definire la base del modello linguistico con RAG (Retrieval Augmented Generation)
• Indicizzare i dati con Azure AI Search per renderli ricercabili per i modelli linguistici
• Creare un copilota usando RAG sui propri dati in Azure AI Foundry
• Descrivere un processo complessivo per lo sviluppo di una soluzione di intelligenza artificiale generativa responsabile
• Identificare e classificare in ordine di priorità i potenziali danni correlati a una soluzione di intelligenza artificiale generativa
• Misurare la presenza di danni in una soluzione di intelligenza artificiale generativa
• Mitigare i danni in una soluzione di intelligenza artificiale generativa
• Prepararsi per la distribuzione e la gestione responsabili di una soluzione di intelligenza artificiale generativa

Per partecipare con profitto a questo corso AI-3016 – Develop generative AI apps in Azure è necessario conoscere i concetti e i servizi AI fondamentali di Azure. A tal fine è consigliabile avere frequentato il corso AI-900 – Azure AI Fundamentals o possedere competenze equivalenti.

E’ inoltre necessario avere familiarità con la programmazione Python o C#.

Lingua utilizzata nel corso/dal docente: Italiano
Il materiale didattico è in lingua Inglese

Il corso include:

• documentazione didattica accessibile via web, di durata illimitata;
• un attestato di frequenza inviato via e-mail una settimana dopo il termine del corso.