+358 40 7070202
myynti@corellia.fi
Search
Facebook Linkedin Instagram

Hyödynnä kesäkampanjan etuhinnat 100-300 €/kurssi – etu voimassa 1.6.-14.8.2026 tulleisiin kurssi-ilmoittautumisiin valituista koulutuksista. Tarkemmat tiedot kesäkampanjan kursseista ja ehdoista löydät Kampanjat-sivulta.

DP-3028 Implement Generative AI engineering with Azure Databricks

Kurssilla opit generatiivisen tekoälyn toteuttamista Azure Databricksissa LLM-mallien, RAG-tekniikoiden ja LLMOps-käytäntöjen avulla.
Päivämäärät
Palautteita
azure-databricks

kesto 1 pv

690 € + ALV
  • Kurssimuoto: Etä
Ilmoittaudu kurssille

Koulutus keskittyy generatiivisen tekoälyn (Generative AI) toteuttamiseen Azure Databricks-ympäristössä. Osallistujat oppivat käyttämään ison kielimallin (LLM) teknologioita Spark-alustalla, toteuttamaan tekniikoita kuten RAG (retrieval-augmented generation) ja monivaiheista päättelyä (multi-stage reasoning), hienosäätämään kielimalleja erityistehtäviin, arvioimaan niiden suorituskykyä sekä ottamaan vastuullisen tekoälyn periaatteet ja tuotantokäytännöt (LLMOps) haltuun.

Tavoite

Koulutuksen päätavoitteena on, että osallistuja pystyy rakentamaan generatiivisia tekoälysovelluksia Azure Databricks -alustalla:

  • ymmärtämään suurten kielimallien (LLM) periaatteet ja sovellukset.
  • toteuttamaan RAG-työnkulkuja ja monivaiheista päättelyä osana tekoälyratkaisua.
  • hienosäätämään kielimalleja (fine-tuning) ja arvioimaan niiden suorituskykyä relevantilla mittareilla.
  • soveltamaan vastuullisen tekoälyn (Responsible AI) periaatteita sekä hallitsemaan mallien elinkaarta (LLMOps) tuotantoympäristössä.

Kenelle

Koulutus  soveltuu erityisesti data-analyytikoille, datatieteilijöille, koneoppimisen ja tekoälyn kehittäjille sekä muille asiantuntijoille, jotka haluavat laajentaa osaamistaan generatiivisen tekoälyn toteuttamiseen Azure Databricksin avulla.

Esitietovaatimukset

Koulutukseen osallistujalla on suositeltavaa olla perustuntemusta tekoälyn ja koneoppimisen käsitteistä, Python -ohjelmointikielestä sekä Databricks -ympäristön ja Azure -palveluiden peruskäytöstä. Lisäksi suositellaan kokemusta suurten tietoaineistojen käsittelystä ja Spark -alustan hyödyntämisestä.

Tietoa koulutuksista

Luokkakoulutukset
Corellian koulutustiloissa:
Kalevankatu 9 A, Helsinki

Kiinnostaako asiakaskohtainen toteutus? Meillä onnistuu.

Lähetä tarjouspyyntö

Kurssin olennainen sisältö

Get started with language models in Azure Databricks

  • Describe Generative AI
  • Describe Large Language Models (LLMs)
  • Identify key components of LLM applications
  • Use LLMs for Natural Language Processing (NLP) tasks
  • Lab: Explore language models

Implement Retrieval Augmented Generation RAG with Azure Databricks

  • Set up a RAG workflow
  • Prepare your data for RAG
  • Retrieve relevant documents with vector search
  • Improve model accuracy by reranking your search results
  • Lab: Set up RAG

Implement multistage reasoning in Azure Databricks

  • Identify the need for multi-stage reasoning systems
  • Describe a multi-stage reasoning workflow
  • Implement multi-stage reasoning with libraries like LangChain, LlamaIndex, Haystack, and the DSPy framework
  • Lab: Implement multi-stage reasoning with LangChain

Finetune language models with Azure Databricks

  • Understand when to use fine-tuning
  • Prepare your data for fine-tuning
  • Fine-tune an Azure OpenAI model
  • Lab: Fine-tune an Azure OpenAI model

Evaluate language models with Azure Databricks

  • Compare LLM and traditional ML evaluations
  • Describe the relationship between LLM evaluation and evaluation of entire AI systems
  • Describe generic LLM evaluation metrics like accuracy, perplexity, and toxicity
  • Describe LLM-as-a-judge for evaluation
  • Lab: Evaluate an Azure OpenAI model

Review responsible AI principles for language models in Azure Databricks

  • Describe the responsible AI principles for implementation of language models
  • Identify the ethical considerations for language models
  • Mitigate the risks associated with language models
  • Implement key security tooling for language models
  • Lab: Implement responsible AI

Implement LLMOps in Azure Databricks

  • Describe the LLM lifecycle overview
  • Identify the model deployment option that best fits your needs
  • Use MLflow and Unity Catalog to implement LLMops
  • Lab: Implement LLMOps

Kurssin kesto

Kesto 1 pv.

Kurssityyppi

Etä

Kouluttajat

Pekka Korhonen

Ilmoittaudu kurssille

Osallistujan tiedot

Käyttöjärjestelmätoive *

Osallistumistapa *

Alkuun
Sisältö
close menu icon

Oletko kiinnostunut asiakaskohtaisesta toteutuksesta?

Kerro tarpeesi, niin suunnittelemme koulutuksen tarpeisiinne räätälöitynä.