Opleiding: Training Azure AI Foundry fundamentals

Wil je een Microsoft Foundry-omgeving zelf kunnen opzetten en inrichten binnen Azure, zodat je AI-projecten gestructureerd van modelkeuze naar een werkende pipeline brengt? In deze training leer je een workspace op te zetten, passende modellen te selecteren en een eerste ontwikkelstraat te bouwen. Daarnaast verken je deployment, MLOps en de principes van Responsible AI. Hierdoor ben je in staat om zelfstandig een Foundry-project op te starten en de bouwstenen ervan te doorgronden.

Algemene omschrijving

Microsoft Foundry is het geïntegreerde platform van Microsoft voor het beheren van de volledige AI-levenscyclus binnen Azure: van modelkeuze en datavoorbereiding tot deployment en beheer. Tijdens deze training leer je stap voor stap hoe je zo'n omgeving opzet, inricht en inzet. Je start met het aanmaken van een workspace en het verkennen van de interface, en gaat daarna in op het selecteren van modellen uit de Microsoft-modelhub of het uploaden van eigen modellen. Ook kijk je naar de agentgerichte functionaliteit die inmiddels centraal staat in het platform, zoals de Foundry Agent Service en multi-agent workflows.

Vervolgens breng je de hele ontwikkelstraat in beeld: datasets, evaluatiecriteria, iteratief testen, deployment, MLOps en de principes van Responsible AI. Je werkt aan een oefencase waarin je een eenvoudige Foundry-pipeline opzet, keuzes maakt in modeltype en agentfunctionaliteit, en de resultaten test en bijstelt. Zo ervaar je welke afwegingen bij het inrichten van een AI-project horen en welke tools daarbij passen.

Onze trainers zijn, naast trainer, dagelijks werkzaam op dit expertisegebied. Ze wisselen theorie, demonstraties en opdrachten af en laten hun voorbeelden waar mogelijk aansluiten bij de context waarin jij of je team werken. Hierdoor weet je na afloop hoe je zelfstandig een Foundry-project opstart en de bouwstenen van een geslaagde implementatie inzet.

Deze training als bedrijfstraining voor jou en je team?

Elk vraagstuk en elke situatie is anders; daarom staan tijdens een bedrijfstraining jouw organisatie en (bedrijfs)vraagstukken centraal. In goed overleg stellen we een lesprogramma samen dat volledig aansluit bij jouw (jullie!) specifieke uitdaging, wensen en dagelijkse werkpraktijk.

Programma

Tijdens de training Microsoft Foundry fundamentals komen onderstaande onderwerpen aan bod.

NB: Afhankelijk van snelle ontwikkelingen op dit expertisegebied, kan de werkelijke trainingsinhoud hier van afwijken. Bel ons gerust voor meer informatie over de actuele inhoud.

• Introductie Microsoft Foundry
• • Kennismaken met Microsoft Foundry als centrale ontwikkelstraat voor AI-projecten
  • Een workspace aanmaken en de interface verkennen
  • De Azure AI-diensten verkennen: Azure Machine Learning, Azure OpenAI en Foundry Tools
  • Doorgronden hoe AI-ontwikkeling binnen Foundry schaalbaar, herhaalbaar en beheersbaar wordt opgezet
• Werken met Azure Machine Learning
• • Een Azure Machine Learning workspace en resource group inrichten
  • Data invoeren en voorbereiden: tabulaire data, tekst en JSON-bestanden
  • Klassieke ML-modellen en LLM-workflows maken, trainen en evalueren
  • Werken met AutoML, Notebooks en de Designer-interface op basis van de huidige Azure ML SDK
  • Metrics vastleggen met modellogging en hyperparameters optimaliseren
  • Modellen versie beheren, registreren en exporteren via de Model Registry
• Integratie met Azure OpenAI
• • Toegang krijgen tot verschillende modellen via Azure OpenAI Studio
  • Prompts opzetten en experimenteren met prompt engineering
  • GPT-modellen finetunen op basis van eigen documenten of data
  • Deployment endpoints inrichten met throttling, logging en content filtering
  • Weten dat de Assistants API wordt uitgefaseerd ten gunste van de Foundry Agent Service
• Modeldeployment en MLOps
• • Modellen publiceren als REST endpoints via managed online deployment
  • Batch inference en real-time inference vergelijken: use cases en performanceverschillen
  • CI/CD van modellen inrichten met Azure DevOps of GitHub Actions
  • ML Pipelines opzetten voor herhaalbare training- en deploymentflows
  • Endpoints monitoren met Azure Application Insights en custom logs
• Governance en Responsible AI
• • Overzicht krijgen van de Responsible AI-principes: fairness, privacy en accountability
  • Werken met het Responsible AI Dashboard in Azure Machine Learning
  • Bias-analyse uitvoeren met Fairlearn om ongelijke prestaties op subgroepen op te sporen
  • Rollen en rechten beheren met Azure Role-Based Access Control (RBAC)
• Praktijkcase: een eigen AI-service bouwen
• • Werken aan een realistische bedrijfsopdracht: een AI-oplossing ontwikkelen in een Foundry-omgeving
  • Kiezen tussen een generatieve AI-toepassing, zoals een chatbot, of een ML-model, zoals een voorspeller
  • Alle fasen doorlopen: datavoorbereiding, model, finetuning, deployment en monitoring
  • Agentfunctionaliteit inrichten met de Foundry Agent Service
  • Werken met pipelines, endpoints en dashboards voor een verantwoorde inzet
  • Je AI-service presenteren, inclusief geleerde lessen en aanbevelingen

De training is praktisch en interactief van opzet, met veel ruimte voor jouw vragen en werksituatie. Je gaat aan de slag met passende praktijkvoorbeelden. Door actief te oefenen, te analyseren en te evalueren, maak je je de materie stap voor stap eigen en ervaar je hoe je een Foundry-omgeving opzet, modellen selecteert en een eerste pipeline bouwt.

Onze trainers zijn, naast trainer, dagelijks werkzaam op dit expertisegebied. Ze beschikken dus niet alleen over de meest actuele kennis, maar hebben ook essentiële praktijkervaring. Hierdoor zijn ze in staat om een waardevolle vertaalslag te maken van ‘kennis’ naar ‘toepassing binnen jouw organisatie en werksituatie’.

Doelen

Na deze training ben je in staat om:

• Een Microsoft Foundry-workspace op te zetten en de interface en AI-diensten in te richten
• Passende modellen te selecteren uit de Microsoft-modelhub of eigen modellen te uploaden
• Een eerste ontwikkelstraat te bouwen met datasets, evaluatiecriteria en iteratief testen
• De workflow rond deployment en MLOps te doorgronden en toe te passen op een pipeline
• De principes van Responsible AI en governance binnen Foundry scherper te doorgronden en te beoordelen