Machine Learning Operations und Generative AI

Passt der Kurs zu dir?

1. 1
   Motivation und Lernbereitschaft
2. 2
   Zuverlässigkeit im jeweiligen Arbeitsfeld
3. 3
   Konkrete Zulassung des gewählten Weges prüfen

Das lernst du

1. 1
   Machine Learning Operations und Generative AI mit Microsoft Azure (AI-300)
2. 2
   Kursbeschreibung
3. 3
   Die Weiterbildung Machine Learning Operations und Generative AI mit Microsoft Azure (AI-300) vermittelt umfassende Kenntnisse zur Entwicklung, Bereitstellung, Automatisierung und Überwachung moderner Machine-Learning- und Generative-AI-Lösungen auf Microsoft Azure.
4. 4
   Im Mittelpunkt stehen Machine Learning Operations (MLOps) und Generative AI Operations (GenAIOps). Die Teilnehmenden lernen, produktionsreife KI-Lösungen mit Azure Machine Learning, Microsoft Foundry, MLflow sowie modernen DevOps-Methoden zu entwickeln und zu betreiben. Dabei werden sowohl klassische Machine-Learning-Modelle als auch generative KI-Anwendungen und intelligente Agenten berücksichtigt.
5. 5
   Nach erfolgreichem Abschluss können die Teilnehmenden den gesamten Lebenszyklus von KI-Anwendungen planen, automatisieren, überwachen und kontinuierlich optimieren. Sie beherrschen den Einsatz moderner Azure-Dienste für produktive KI-Systeme und schaffen die Grundlage für skalierbare, sichere und zuverlässige KI-Lösungen.
6. 6
   Zielgruppe
7. 7
   Die Weiterbildung richtet sich an Machine-Learning-Engineers, Data Scientists, AI Engineers, DevOps Engineers, Cloud Engineers, Softwareentwicklerinnen und Softwareentwickler sowie IT-Fachkräfte, die produktive KI- und Machine-Learning-Lösungen mit Microsoft Azure entwickeln und betreiben möchten.
8. 8
   Kursniveau
9. 9
   Fortgeschritten
10. 10
    Vorkenntnisse
11. 11
    Empfohlen werden Grundkenntnisse in Python, Machine Learning, Microsoft Azure sowie erste Erfahrungen mit DevOps, Git und CI/CD-Prozessen.
12. 12
    Modul 1 - Machine Learning Operations und Generative AI mit Microsoft Azure (AI-300)
13. 13
    Die Teilnehmenden erwerben fundierte Kenntnisse zur Planung, Implementierung und Verwaltung moderner MLOps- und GenAIOps-Lösungen auf Microsoft Azure.
14. 14

    Zu den Inhalten gehören unter anderem

    Grundlagen von Machine Learning Operations (MLOps)
    Einführung in Generative AI Operations (GenAIOps)
    Azure Machine Learning
    Microsoft Foundry
    Entwurf einer MLOps-Infrastruktur
    Compute-Ressourcen und Umgebungen
    Versionsverwaltung und Modellregistrierung
    GitHub Actions
    Infrastructure as Code mit Azure CLI und Bicep
    CI/CD für Machine Learning
    Automatisierung von Trainingspipelines
    Modelltraining und Experimentverwaltung
    Modellbereitstellung
    Online- und Batch-Endpunkte
    Überwachung produktiver Modelle
    Modellbewertung
    Daten- und Modelldrift erkennen
    Responsible AI
    Governance und Sicherheit
    Bereitstellung generativer KI-Anwendungen
    Prompt Flow
    RAG-Architekturen
    Evaluation generativer KI
    Observability und Monitoring
    Optimierung von Kosten und Performance
    Skalierung produktiver KI-Lösungen
    Prüfungsvorbereitung AI-300
    Zusatzinformationen
    Diese Modulzusammenstellung stellt ein Beispiel aus mehreren möglichen Varianten dar. New Horizons München, Stuttgart und Nürnberg hat ein zertifiziertes Modulbausteinsystem entwickelt, das individuelle Zusammenstellungen und Anpassungen der Maßnahme je nach Berufserfahrung und Bildungsziel ermöglicht. Daher können Dauer und Preise des Angebots variieren. Bitte wenden Sie sich hierzu an unsere Bildungsberaterinnen und Bildungsberater.
    Das Angebot richtet sich an Einzelpersonen sowie an B2B-Kund:innen. Der Kurs ist AZAV-zertifiziert und kann über einen Bildungsgutschein oder im Rahmen des Qualifizierungs­chancengesetzes (QCG) gefördert werden. Die Durchführung erfolgt über New Horizons München, Stuttgart und Nürnberg sowie learn2program.de. Alle Kurse können deutschlandweit online belegt werden. Viele unserer Kurse finden auf Deutsch und/oder auf Englisch statt.
    Die Weiterbildung Machine Learning Operations und Generative AI mit Microsoft Azure (AI-300) vermittelt praxisorientierte Kompetenzen für den produktiven Einsatz moderner KI-Systeme. Die Teilnehmenden lernen, Machine-Learning-Modelle und generative KI-Anwendungen mit Azure Machine Learning und Microsoft Foundry zu automatisieren, bereitzustellen, zu überwachen und kontinuierlich zu optimieren. Damit erwerben sie die Fähigkeiten, unternehmensweite KI-Lösungen zuverlässig und skalierbar zu betreiben.
    AI-300, Machine Learning Operations, MLOps, GenAIOps, Microsoft Azure, Azure Machine Learning, Microsoft Foundry, MLflow, GitHub Actions, CI/CD, Infrastructure as Code, Azure CLI, Bicep, Prompt Flow, RAG, Generative AI, Azure AI, AI Engineer, Machine Learning Engineer, Data Scientist, Azure Weiterbildung, AZAV, Bildungsgutschein, QCG, learn2program.de

1. 1

   München

   Blended Learning · Teilzeit · 1–3 Monate · 1.000–5.000 €

2. 2

   Pforzheim

   Blended Learning · Teilzeit · 1–3 Monate · 1.000–5.000 €

3. 3

   Böblingen

   Blended Learning · Teilzeit · 1–3 Monate · 1.000–5.000 €

4. 4

   Ravensburg

   Blended Learning · Teilzeit · 1–3 Monate · 1.000–5.000 €

5. 5

   Esslingen am Neckar

   Blended Learning · Teilzeit · 1–3 Monate · 1.000–5.000 €

Förderwege

Wer deinen Kurs zahlt

Brutto im Monat

Mitte und Viertel bundesweit

3 Schritte vom Kurs in den Beruf

1. 1

   KI auf echte Arbeitsaufgaben anwenden

   Deine Branchenkenntnis bleibt wertvoll, wenn du einen Prozess mit KI unterstützt und das Ergebnis prüfst. Gute Praxis beschreibt Ausgangslage, Daten, menschliche Kontrolle und eine überprüfbare Verbesserung, ohne Automatisierung pauschal zu versprechen. Beispiel: Bearbeite einen kleinen Prozess aus deinem bisherigen Beruf und vergleiche Zeitbedarf und Qualität vorher und nachher.

2. 2

   Fachwissen mit neuen Werkzeugen verbinden

   Branchenkenntnis, Kommunikation und Qualitätskontrolle bleiben wichtig. Gerade im Quereinstieg ergänzt du vorhandene Erfahrung durch ein Projekt mit Quellenprüfung, Versionierung, Freigabe und dokumentierten Grenzen. Beispiel: Ein Bewerbungsbeispiel beschreibt Aufgabe, verwendete Werkzeuge, Prüfung der Ergebnisse und Grenzen des Ansatzes.

3. 3

   Verantwortung schrittweise aufbauen

   Projektkoordination, Schulung und Prozessgestaltung verlangen mehr als Toolbedienung. Achte auf Inhalte zu Use-Case-Auswahl, Datenqualität, Prüfung, Dokumentation und Zusammenarbeit. Vergleiche die Kursaufgaben mit den Zielstellen, die du erreichen möchtest. Beispiel: Vergleiche einen Grundlagenkurs mit einem Projektkurs und entscheide nach deinem aktuellen Kenntnisstand.

Themen

Arbeitsmarkt

KI & Machine Learning bundesweit in Zahlen