Nach diesem Kurs automatisierst du den gesamten Lebenszyklus klassischer Modelle in Azure Machine Learning und betreibst generative Anwendungen in Microsoft Foundry. Du versionierst Prompts, misst die Antwortqualität, erkennst Datendrift und rollst neue Versionen kontrolliert aus. Infrastruktur legst du mit Bicep und GitHub Actions wiederholbar an. Der Kurs passt zu dir, wenn du aus der Data Science kommst, Python sicher beherrschst und dafür sorgen willst, dass Modelle auch nach dem ersten Release zuverlässig laufen.
Das nimmst du mit.
- Machine-Learning-Arbeitsbereiche per Bicep, Azure CLI und GitHub Actions bereitstellen
- Experimente mit MLflow nachverfolgen und Trainingspipelines aufbauen
- Modelle schrittweise ausrollen, auf Datendrift überwachen und sicher zurückrollen
- Prompts versionieren und generative KI automatisiert bewerten
- RAG-Qualität messbar verbessern und Token-Kosten überwachen
Dein Training im Detail
- Für wen?
- Data Scientists und KI-Engineers, die Modelle und KI-Anwendungen verlässlich in den Betrieb bringen wollen.
- Was bringst du mit?
- Du hast Erfahrung mit Data Science und Python und kennst DevOps-Grundlagen wie GitHub Actions und die Arbeit auf der Kommandozeile.
- Umfang & Planung
- Standardumfang: 4 Trainingstage. Für Firmen ist nach Absprache ein angepasster Umfang möglich.
Agenda: vom Verständnis zur Anwendung
Unser eigenständig entwickelter Agenda-Vorschlag. Schwerpunkte, Übungsumgebung und Umfang stimmen wir vor einer Buchung ab.
Arbeitsbereich, Datenspeicher, Compute und Berechtigungen einrichten
Infrastructure as Code mit Bicep, Azure CLI und GitHub Actions
Training orchestrieren: MLflow, AutoML, Hyperparameter und Pipelines
Modelle registrieren, bereitstellen und im Betrieb überwachen
Foundry-Umgebungen, Modellbereitstellung und Prompt-Versionierung
Evaluierung und Observability für generative KI und Agenten
RAG optimieren und Modelle per Fine-Tuning anpassen
Du baust eine Pipeline, die bei einer Änderung im Repository ein Modell trainiert, registriert und schrittweise bereitstellt. Zusätzlich richtest du einen Alarm ein, der bei Datendrift ein neues Training anstößt.
Prüfung, Lizenzen & Nachweise
Der Kurs bereitet auf die Prüfung AI-300 (Operationalizing Machine Learning and Generative AI Solutions) vor. Prüfung und Prüfungsgebühr sind nur enthalten, wenn dein Angebot das ausdrücklich bestätigt. Das Zertifikat Microsoft Certified: Machine Learning Operations Engineer Associate vergibt Microsoft, nicht NextNowa. Dies ist kein offizieller Microsoft-Kurs.
Herstellerquellen & fachlicher Stand
Quellen geprüft am 2026-11-04. Die Quellen beschreiben die Technologie bzw. externe Prüfungsanforderungen. Sie belegen keine Partnerschaft mit NextNowa.
Dein Lerninhalt
Die genannten Inhalte beschreiben das Schulungsthema. Konkreten Lehrplan, Termine und Trainer stimmen wir vor einer Buchung ab; verbindlich ist das Angebot.
Häufige Fragen
In welcher Sprache kann ich die Prüfung AI-300 ablegen?
Microsoft nennt auf der Zertifizierungsseite derzeit nur Englisch. Prüfe die Angabe vor der Anmeldung noch einmal, weil sich das Sprachangebot ändern kann.
Worin unterscheiden sich MLOps und GenAIOps?
MLOps betrachtet Training, Registrierung und Betrieb klassischer Modelle. GenAIOps ergänzt Themen wie Prompt-Versionen, Bewertung von Antworten, Token-Kosten und RAG.
Erhalte ich bei AI-300 Operationalizing Machine Learning and Generative AI Solutions: MLOps und GenAIOps auf Azure ein Zertifikat?
Der Kurs bereitet auf die Prüfung AI-300 (Operationalizing Machine Learning and Generative AI Solutions) vor. Prüfung und Prüfungsgebühr sind nur enthalten, wenn dein Angebot das ausdrücklich bestätigt. Das Zertifikat Microsoft Certified: Machine Learning Operations Engineer Associate vergibt Microsoft, nicht NextNowa. Dies ist kein offizieller Microsoft-Kurs.