Develop custom copilots with Azure AI Studio

Generative künstliche Intelligenz (KI) wird durch einfach zu verwendende Plattformen wie Azure KI Studio immer zugänglicher. Hier erfahren Sie, wie Sie generative KI-Anwendungen wie benutzerdefinierte Copilots erstellen, die Sprachmodelle und Prompt flow verwenden, um Ihren Benutzern einen Mehrwert zu bieten.

• Intermediate
• Data Scientist
• AI Engineer
• Azure AI services

Bevor Sie mit diesem Modul beginnen, sollten Sie sich mit grundlegenden KI-Konzepten und -Diensten in Azure vertraut machen. 

Einführung in Azure KI Studio

• Was ist Azure KI Studio?
• Funktionsweise von Azure KI Studio
• Gründe für die Verwendung von Azure KI Studio

Erkunden und Bereitstellen von Modellen aus dem Modellkatalog in Azure KI Studio

• Erkunden der Sprachmodelle im Modellkatalog
• Bereitstellen eines Modells auf einem Endpunkt
• Verbessern der Leistung eines Sprachmodells

Erste Schritte mit prompt flow zum Entwickeln von Sprachmodell-Apps in Azure KI Studio

• Grundlegendes zum Entwicklungslebenszyklus einer LLM-App (Large Language Model)
• Grundlegende Komponenten verstehen und Flow-Arten untersuchen
• Erkunden von Verbindungen und Laufzeiten
• Erkunden von Varianten und Überwachungsoptionen

Erstellen einer RAG-basierten Copilotlösung mit Ihren eigenen Daten mithilfe von Azure KI Studio

• Grundlegendes zum Grounding Ihres Sprachmodells
• Durchsuchbarmachen Ihrer Daten
• Erstellen eines Copilots mit Prompt Flow

Integrieren eines optimieren Sprachmodells mit Ihrem Copilot in Azure KI Studio

• Grundlegendes zum Optimieren eines Sprachmodells
• Vorbereiten Ihrer Daten zur Optimierung eines Chat-Vervollständigungsmodells
• Entdecken Sie die Optimierung von Sprachmodellen in Azure KI Studio

Auswerten der Leistung Ihres benutzerdefinierten Copiloten im Azure KI Studio

• Bewerten der Modell-Leistung
• Manuelles Auswerten der Leistung eines Modells
• Bewerten der Leistung Ihres benutzerdefinierten Copiloten

Verantwortungsvolle generative KI

• Planen einer Lösung für verantwortungsbewusste generative KI
• Identifizieren potenzieller Schäden
• Messen potenzieller Schäden
• Minimieren potenzieller Schäden
• Betreiben einer Lösung für verantwortungsbewusste generative KI