AI-200: Develop AI cloud solutions on Azure

Moduł 1: Implementowanie hostowania aplikacji kontenera na platformie Azure

• Przechowywanie kontenerów i zarządzanie nimi w usłudze Azure Container Registry
  • Rejestry, repozytoria i artefakty
  • Kompilowanie i uruchamianie obrazów za pomocą usługi ACR Tasks
  • Oznacz i wersjonuj obrazy
• Wdrażanie kontenerów w usłudze Azure App Service
  • Wdrażanie kontenerów w usłudze Azure App Service
  • Konfigurowanie zachowania środowiska uruchomieniowego kontenera
  • Konfigurowanie ustawień aplikacji
  • Obserwowanie i rozwiązywanie problemów z aplikacjami konteneryzowanymi

Moduł 2: Wdrażanie aplikacji i zarządzanie nimi w usłudze Azure Container Apps

• Wdrażanie kontenerów w usłudze Azure Container Apps
  • Eksplorowanie środowisk usługi Container Apps
  • Wdrażanie aplikacji kontenera przy użyciu interfejsu wiersza polecenia platformy Azure i kodu YAML
  • Konfiguracja ustawień środowiska uruchomieniowego przy użyciu zmiennych środowiskowych i sekretów
  • Konfigurowanie uwierzytelniania ściągania obrazu dla prywatnych rejestrów
  • Weryfikowanie wdrożeń przy użyciu dzienników i stanu
• Zarządzanie kontenerami w usłudze Azure Container Apps
  • Bezpieczne aktualizowanie obrazów i zarządzanie poprawkami
  • Zarządzanie cyklem życia aplikacji kontenera
  • Monitorowanie dzienników i rozwiązywanie problemów
  • Konfigurowanie sond monitorujących i rozwiązywanie problemów z awariami
  • Optymalizowanie zasobów kontenera i skalowanie
• Skalowanie kontenerów w usłudze Azure Container Apps
  • Konfigurowanie reguł skalowania
  • Implementowanie skalowania opartego na zdarzeniach za pomocą usługi KEDA
  • Stosowanie modułów skalowania KEDA dla obciążeń niestandardowych
  • Wybieranie zasobów obliczeniowych pod kątem wydajności i kosztów
  • Wybieranie i stosowanie trybów poprawek

Moduł 3: Wdrażanie i monitorowanie aplikacji w usłudze Azure Kubernetes Service

• Wdrażanie aplikacji w usłudze Azure Kubernetes Service
  • Tworzenie manifestów wdrożenia platformy Kubernetes
  • Uwidacznianie aplikacji w usługach Azure Kubernetes Services
  • Wdrażanie aplikacji w usługach Azure Kubernetes Services
• Konfigurowanie aplikacji w usłudze Azure Kubernetes Service
  • Definiowanie obiektów ConfigMap dla ustawień aplikacji
  • Wprowadzanie tajemnic dla poufnych danych
  • Dołączanie magazynu trwałego do aplikacji
• Monitorowanie i rozwiązywanie problemów z aplikacjami w usłudze Azure Kubernetes Service
  • Monitorowanie dzienników i metryk aplikacji
  • Rozwiązywanie problemów z podami i usługami
  • Weryfikowanie łączności i punktów końcowych usługi

Moduł 4: Opracowywanie rozwiązań sztucznej inteligencji za pomocą usługi Azure Cosmos DB for NoSQL

• Tworzenie zapytań dla usługi Azure Cosmos DB dla noSQL
  • Eksplorowanie usługi Azure Cosmos DB dla NoSQL
  • Zaimplementuj Azure Cosmos DB for NoSQL SDK
  • Wykonywanie zapytań w Azure Cosmos DB w przypadku NoSQL
• Implementowanie wyszukiwania wektorów w usłudze Azure Cosmos DB dla noSQL
  • Przechowywanie i pobieranie osadzeń w usłudze Azure Cosmos DB
  • Wykonywanie zapytań podobieństwa wektorów do wyszukiwania semantycznego
  • Łączenie wyników podobieństwa wektorów z filtrowaniem metadanych
  • Wyzwalanie odświeżania osadzania przy użyciu zestawienia zmian
• Optymalizowanie wydajności zapytań dla usługi Azure Cosmos DB dla noSQL
  • Omówienie indeksów w usłudze Azure Cosmos DB
  • Konfigurowanie indeksów zakresowych i złożonych
  • Dostrajanie indeksów wektorów na potrzeby osadzania obciążeń
  • Obniż koszty RU za pomocą indeksowania strategicznego
  • Wybieranie poziomów spójności w celu uzyskania optymalnej wydajności

Moduł 5: Opracowywanie rozwiązań sztucznej inteligencji za pomocą usługi Azure Database for PostgreSQL

• Kompilowanie i wykonywanie zapytań za pomocą usługi Azure Database for PostgreSQL
  • Zapoznaj się z Azure Database for PostgreSQL
  • Nawiązywanie połączenia z bazą danych PostgreSQL
  • Tworzenie schematów i zarządzanie nimi
  • Wykonywanie zapytań o dane
  • Integrowanie zestawów SDK i aplikacji
• Implementowanie wyszukiwania wektorów za pomocą usługi Azure Database for PostgreSQL
  • Przechowywanie i osadzanie zapytań za pomocą składnika pgvector
  • Wykonywanie szybkiego wyszukiwania podobieństwa wektorów
  • Zarządzanie cyklem życia indeksu i osadzaniem aktualizacji
  • Uruchom wyszukiwanie podobieństwa wektorów dla wyszukiwania semantycznego
  • Implementowanie wzorców pobierania dla potoków RAG
• Optymalizowanie wyszukiwania wektorów w usłudze Azure Database for PostgreSQL
  • Dostosuj PostgreSQL dla pgvector
  • Wybieranie i konfigurowanie indeksów wektorów
  • Optymalizowanie układu danych
  • Skalowanie dla obciążeń o dużym natężeniu
  • Optymalizacja połączeń

Moduł 6: Rozszerzanie rozwiązań sztucznej inteligencji za pomocą usługi Azure Managed Redis

• Implementacja operacji na danych w usłudze Azure Managed Redis
  • Eksplorowanie usługi Azure Managed Redis
  • Biblioteki klienta i najlepsze rozwiązania programistyczne
  • Implementowanie operacji na danych
• Implementowanie komunikatów zdarzeń za pomocą usługi Azure Managed Redis
  • Publikowanie i subskrybowanie zdarzeń za pomocą usługi Redis pub/sub
  • Implementowanie kolejek zadań za pomocą Redis Streams
  • Wybieranie między rozgłaszaną i skoordynowaną dystrybucją
• Implementowanie magazynu wektorów w usłudze Azure Managed Redis
  • Indeksowanie i dane wektorów zapytań
  • Wybieranie typów wektorów i strategii indeksowania
  • Optymalizacja struktur danych Redis dla przechowywania wektorów

Moduł 7: Integrowanie usług zaplecza dla rozwiązań sztucznej inteligencji

• Kolejkowanie i przetwarzanie operacji sztucznej inteligencji za pomocą usługi Azure Service Bus
  • Eksplorowanie pojęć i komunikatów usługi Azure Service Bus w architekturach sztucznej inteligencji
  • Wybierz między kolejkami a tematami z subskrypcjami
  • Strukturyzuj wiadomości dla obciążeń AI
  • Niezawodne przetwarzanie komunikatów
• Opracowywanie przepływów pracy sztucznej inteligencji opartej na zdarzeniach za pomocą usługi Azure Event Grid
  • Omówienie pojęć związanych z usługą Azure Event Grid i wzorców opartych na zdarzeniach dla rozwiązań sztucznej inteligencji
  • Praca ze schematami i właściwościami zdarzeń
  • Konfigurowanie zasad dostarczania i ponawiania prób na potrzeby niezawodnego przetwarzania zdarzeń
  • Publikowanie zdarzeń niestandardowych z aplikacji sztucznej inteligencji
• Tworzenie bezserwerowych zapleczy sztucznej inteligencji za pomocą usługi Azure Functions
  • Omówienie hostowania i skalowania usługi Azure Functions dla obciążeń sztucznej inteligencji
  • Konfigurowanie lokalnego środowiska deweloperskiego dla usługi Functions
  • Tworzenie wyzwalaczy i powiązań dla wzorców integracji sztucznej inteligencji
  • Zarządzanie tajnymi danymi i konfiguracją w funkcjach
  • Konfigurowanie tożsamości i dostępu dla usługi Functions

Moduł 8: Zarządzanie tajemnicami aplikacji i konfiguracją dla rozwiązań sztucznej inteligencji

• Zarządzanie sekretami aplikacji za pomocą Azure Key Vault
  • Przechowywanie i organizowanie wpisów tajnych, kluczy i certyfikatów
  • Pobieranie sekretów przy użyciu bibliotek klienckich Azure SDK
  • Obsługa przechowywania wersji wpisów tajnych i rotacji
  • Implementowanie strategii buforowania w celu zmniejszenia liczby wywołań usługi Key Vault
• Zarządzanie ustawieniami aplikacji za pomocą usługi Azure App Configuration
  • Nawiązywanie połączenia z usługą App Configuration z poziomu kodu aplikacji
  • Organizuj ustawienia za pomocą etykiet i flag funkcjonalności
  • Odwołanie do tajemnic usługi Key Vault z usługi App Configuration
  • Podejmowanie decyzji o tym, co należy przechowywać w usłudze App Configuration i usłudze Key Vault

Moduł 9: Obserwowanie i rozwiązywanie problemów z aplikacjami na platformie Azure

• Instrumentować aplikację przy użyciu OpenTelemetry
  • Eksplorowanie funkcji OpenTelemetry i jej roli w obserwacji
  • Dodaj zestaw OpenTelemetry SDK do aplikacji
  • Konfigurowanie zakresów i śladów
  • Eksportowanie danych telemetrycznych do usługi Azure Monitor
  • Debugowanie rozproszonych przepływów przy użyciu danych śledzenia
• Analizowanie danych telemetrycznych aplikacji za pomocą dzienników i metryk
  • Pisanie podstawowych zapytań KQL
  • Eksplorowanie dzienników pod kątem błędów i wydajności
  • Tworzenie pulpitów nawigacyjnych na potrzeby telemetrii aplikacji
  • Tworzenie skoroszytów na potrzeby interaktywnej analizy
  • Ustawianie alertów dla niepowodzeń i anomalii aplikacji

• Wiedza techniczna
  • Podstawowa znajomość Microsoft Azure (portal, zasoby, subskrypcje, RBAC)
  • Umiejętność pracy z API (REST) oraz ogólne rozumienie integracji usług
• Programowanie
  • Podstawy programowania w jednym z języków:
  • Python (zalecany)
  • .NET / C# (opcjonalnie)
  • Umiejętność czytania i modyfikowania kodu
• Podstawy AI
  • Ogólne zrozumienie pojęć takich jak:
  • modele AI / ML
  • przetwarzanie języka naturalnego (NLP)
  • generatywna sztuczna inteligencja (LLM)
• Dodatkowo
  • Podstawowa znajomość pracy w środowisku chmury
  • Mile widziane doświadczenie z:
  • Azure AI Services / Cognitive Services
  • narzędziami CLI lub PowerShell