Studiegids voor examen AI-300: Het operationaliseren van machine learning en generatieve AI-oplossingen

Doel van dit document

Deze studiegids helpt u inzicht te krijgen in wat u kunt verwachten op het examen en bevat een overzicht van de onderwerpen die het examen kan behandelen en koppelingen naar aanvullende bronnen. Met de informatie en materialen in dit document kunt u zich concentreren op uw studies terwijl u zich voorbereidt op het examen.

Nuttige koppelingen	Beschrijving
Hoe je de certificering kunt behalen	Voor sommige certificeringen is slechts één examen vereist, terwijl voor andere certificeringen meerdere examens zijn vereist.
certificeringsvernieuwing	Microsoft-medewerkers, experts en speciale certificeringen verlopen jaarlijks. U kunt uw certificering verlengen door een gratis online evaluatie af te leggen op Microsoft Learn.
Uw Microsoft Learn-profiel	Door uw certificeringsprofiel aan Microsoft Learn te koppelen, kunt u examens plannen en vernieuwen en certificaten delen en afdrukken.
Beoordeling van examens en scorerapporten	Een score van 700 of hoger is vereist om te slagen.
Examenzandbak	U kunt de examenomgeving verkennen door naar onze examen-sandbox te gaan.
Accommodaties aanvragen	Als u ondersteunende apparaten gebruikt, extra tijd nodig hebt of een deel van de examenervaring moet wijzigen, kunt u een accommodatie aanvragen.

Over het examen

Sommige examens worden gelokaliseerd in andere talen en die worden ongeveer acht weken na het bijwerken van de Engelse versie bijgewerkt. Als het examen niet beschikbaar is in uw voorkeurstaal, kunt u een extra 30 minuten aanvragen om het examen te voltooien.

Opmerking

De opsommingstekens die volgen op elk van de vaardigheden die worden gemeten, zijn bedoeld om te illustreren hoe we die vaardigheid beoordelen. Verwante onderwerpen kunnen worden behandeld in het examen.

Opmerking

De meeste vragen hebben betrekking op functies die algemene beschikbaarheid (GA) zijn. Het examen kan vragen bevatten over preview-functies als deze functies vaak worden gebruikt.

Vaardigheden gemeten

Doelgroepprofiel

Als kandidaat voor deze Microsoft-certificering moet u beschikken over expertise op het gebied van het instellen van infrastructuur voor machine learning bewerkingen (MLOps) en generatieve AI-bewerkingen (GenAIOps) op Azure, samen aangeduid als AI-bewerkingen (AIOps). U hebt ervaring nodig met het trainen, optimaliseren, implementeren en onderhouden van traditionele machine learning modellen met behulp van Azure Machine Learning, naast het implementeren, evalueren, bewaken en optimaliseren van generatieve AI-toepassingen en -agents met behulp van Microsoft Foundry.

U moet een data science-achtergrond hebben met ervaring met Python-programmering en een inzicht in DevOps-procedures op invoerniveau, waaronder het gebruik van hulpprogramma's zoals GitHub Actions en het werken met opdrachtregelinterfaces (CLIs).

Daarnaast hebt u kennis en ervaring in MLOps nodig met behulp van:

• Machine Learning.

• Gieterij.

• GitHub Actions.

• Praktijken voor Infrastructuur als Code (IaC) met Bicep en Azure CLI.

Uw verantwoordelijkheden voor deze rol zijn onder andere:

• MlOps-infrastructuur ontwerpen en implementeren.

• De levenscyclus en bewerkingen van machine learning model implementeren.

• GenAIOps-infrastructuur ontwerpen en implementeren.

• Het implementeren van generatieve AI-kwaliteitscontrole en waarneembaarheid.

• Het optimaliseren van generatieve AI-systemen en modelprestaties.

U werkt samen met gegevenswetenschappers, DevOps-teams en belanghebbenden om schaalbare AI-oplossingen te leveren met uitgebreide automatisering en bewaking.

Vaardigheden in één oogopslag

• Een MLOps-infrastructuur ontwerpen en implementeren (15-20%)

• Levenscyclus en bewerkingen van machine learning model implementeren (25-30%)

• Een GenAIOps-infrastructuur ontwerpen en implementeren (20-25%)

• Generatieve AI-kwaliteitscontrole en waarneembaarheid implementeren (10-15%)

• Generatieve AI-systemen en modelprestaties optimaliseren (10-15%)

Een MLOps-infrastructuur ontwerpen en implementeren (15-20%)

Resources maken en beheren in een Machine Learning werkruimte

• Een werkruimte maken en beheren

• Gegevensarchieven maken en beheren

• Computatiedoelen maken en beheren

• Identiteits- en access beheer configureren voor werkruimten

Assets maken en beheren in een Machine Learning-werkruimte

• Gegevensassets maken en beheren

• Omgevingen maken en beheren

• Onderdelen maken en beheren

• Assets delen in werkruimten met behulp van registers

IaC implementeren voor Machine Learning

• GitHub-integratie configureren met Machine Learning om beveiligde access in te schakelen

• Machine Learning werkruimten en resources implementeren met Bicep en Azure CLI

• Resourceinrichting automatiseren met behulp van GitHub Actions werkstromen

• Beperk netwerktoegang tot Machine Learning werkruimtes

• Broncodebeheer voor machine learning projecten beheren met behulp van Git

Levenscyclus en bewerkingen van machine learning model implementeren (25-30%)

Modeltraining organiseren

• Het instellen van experimenttracking met MLflow

• Geautomatiseerde machine learning gebruiken om optimale modellen te verkennen

• Notebooks gebruiken voor experimenten en verkennen

• Hyperparameterafstemming automatiseren

• Voer modeltrainingsscripts uit

• Gedistribueerde training beheren voor grote en deep learning-modellen

• Training pipelines implementeren

• Modelprestaties vergelijken tussen taken

Modelregistratie en versiebeheer implementeren

• Verpak een specificatie voor het ophalen van kenmerken met het modelartefact

• Een MLflow-model registreren

• Een model evalueren met behulp van verantwoorde AI-principes

• Levenscyclus van modellen beheren, inclusief archiveringsmodellen

Machine learning-modellen implementeren voor productieomgevingen

• Modellen implementeren als realtime- of batcheindpunten met beheerde deductieopties

• Modeleindpunten testen en problemen oplossen

• Progressieve implementatie- en veilige terugdraaistrategieën implementeren

Machine learning modellen in productie bewaken en onderhouden

• Gegevensdrift detecteren en analyseren

• Prestatiegegevens bewaken van modellen die zijn geïmplementeerd in productie

• Opnieuw trainen of waarschuwingstriggers configureren wanneer drempelwaarden worden overschreden

Een GenAIOps-infrastructuur ontwerpen en implementeren (20-25%)

Foundry-omgevingen en platformconfiguratie implementeren

• Maak en configureer Foundry-resources en projectomgevingen

• Identiteits- en toegangsbeheer configureren met beheerde identiteiten en op rollen gebaseerde toegangscontrole (RBAC)

• Netwerkbeveiligings- en privénetwerkconfiguraties implementeren

• Infrastructuur implementeren met Bicep-sjablonen en Azure CLI

Basismodellen implementeren en beheren voor productieworkloads

• Basismodellen implementeren met behulp van serverloze API-eindpunten en beheerde rekenopties

• Geschikte modellen selecteren voor specifieke use cases

• Strategieën voor modelversiebeheer en productie-implementatie implementeren

• Ingerichte doorvoereenheden configureren voor workloads met een hoog volume

Promptversiebeheer en -beheer implementeren met broncodebeheer

• Prompts ontwerpen en ontwikkelen

• Promptvarianten maken en prestaties vergelijken tussen verschillende prompts

• Versiebeheer implementeren voor prompts met behulp van Git-opslagplaatsen

Generatieve AI-kwaliteitscontrole en waarneembaarheid implementeren (10-15%)

Evaluatie en validatie configureren voor generatieve AI-toepassingen en -agents

• Testdatasets en gegevensmapping maken voor uitgebreide modelevaluatie

• Metrische gegevens van AI-kwaliteit implementeren, waaronder geaardheid, relevantie, samenhang en vloeiendheid

• Risico- en veiligheidsevaluaties configureren voor detectie van schadelijke inhoud

• Geautomatiseerde evaluatiewerkstromen instellen met behulp van ingebouwde en aangepaste metrische evaluatiegegevens

Waarneembaarheid implementeren voor generatieve AI-toepassingen en -agents

• Continue bewaking in Foundry onderzoeken

• Metrische prestatiegegevens bewaken, inclusief latentie, doorvoer en reactietijden

• Kostenmetingen bijhouden en optimaliseren, inclusief tokenverbruik en resourcegebruik

• Gedetailleerde mogelijkheden voor logboekregistratie, tracering en foutopsporing configureren voor het oplossen van problemen met productie

Generatieve AI-systemen en modelprestaties optimaliseren (10-15%)

Prestaties en nauwkeurigheid van retrieval-augmented generation (RAG) optimaliseren

• Optimaliseer de prestaties van het ophalen door similariteitsdrempels, segmentgrootten en ophaalstrategieën te optimaliseren.

• Insluitingsmodellen selecteren en verfijnen voor domeinspecifieke use cases en nauwkeurigheidsverbeteringen

• Hybride zoekmethoden implementeren en optimaliseren, waarbij semantische en op trefwoorden gebaseerde ophaalbewerkingen worden gecombineerd

• De prestaties van het RAG-systeem evalueren en verbeteren met behulp van metrische gegevens van relevantie en A/B-testframeworks

Geavanceerde afstemming en modelaanpassing implementeren

• Geavanceerde afstemmingsmethoden ontwerpen en implementeren

• Synthetische gegevens maken en beheren voor fijn afstemmen

• De prestaties van het model bewaken en optimaliseren

• Een nauwkeurig afgestemd model beheren van ontwikkeling via productie-implementatie

Studiehulpmiddelen

We raden u aan om praktijkervaring op te doen voordat u het examen gaat afleggen. We bieden zelfstudieopties en leslokaaltrainingen, evenals koppelingen naar documentatie, communitysites en video's.

Studiehulpmiddelen	Koppelingen naar leren en documentatie
Training ontvangen	Kies uit leertrajecten en modules in eigen tempo of volg een door een docent geleide cursus
Documentatie zoeken	Overzicht van kunstmatige intelligentie Documentatie over Generatieve AI documentatie Microsoft 365 Copilot documentatie Microsoft 365
Stel een vraag	Microsoft Q& A | Microsoft Docs
Ondersteuning voor de community krijgen	Microsoft 365 Copilot community hub Microsoft 365 communityhub
Microsoft Learn volgen	Microsoft Learn - Microsoft Tech Community
Een video zoeken	Gereedheidszone voor examens Andere Microsoft Learn-afleveringen bekijken