|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/databricks-generative-ai-engineer-associate-practice-exams-y/
课程评论：没有评论
课程名称：Databricks 生成式 AI 工程师助理：实践考试 课程概述：您是否准备好掌握生成式 AI，成为 Databricks 生成式 AI 工程师助理？本课程将为您提供使用大型语言模型（LLMs）、向量搜索、MLflow 和 Databricks 上的模型服务来构建、部署和优化 AI 解决方案所需的技能。 为什么要注册？ - 以 Databricks 笔记本为基础的真实世界实践项目 - 行业相关的案例研究与最佳实践 - 涵盖 Databricks 生成式 AI 工程师助理认证所需的所有主题 - 为初学者和专业人士提供逐步指导 通过本课程，您将掌握实施 AI 驱动的应用程序、优化机器学习工作流的专业知识，并能够顺利通过 Databricks 生成式 AI 工程师助理考试！ 考试详情： - 格式：在线监控认证考试 - 问题数量：45 道选择题 - 考试时长：90 分钟 考试内容分解： 1. 应用程序设计（14%）：制作提示、选择模型任务，以及将业务需求转化为 AI 解决方案。 2. 数据准备（14%）：实施数据分块策略、过滤内容，并为 RAG 应用准备数据。 3. 应用程序开发（30%）：开发数据提取工具、创建提示、实施 LLM 防护措施，并选择合适的模型。 4. 应用程序的组装与部署（22%）：编写代码链、部署端点，并利用 Databricks 的向量搜索和模型服务功能。 5. 治理（8%）：应用数据屏蔽技术、实施防护措施，并确保遵循法律要求。 6. 评估与监控（12%）：评估模型性能、监控部署情况并管理成本。 通过本课程的学习，您将获得广泛的知识和实用技能，为成功的 AI 职业生涯打下坚实的基础。
Are you ready to master Generative AI and become a Databricks Generative AI Engineer Associate? This course will equip you with the skills to build, deploy, and optimize AI solutions using LLMs (Large Language Models), Vector Search, MLflow, and Model Serving on Databricks.Why Enroll?Hands-on real-world projects with Databricks notebooksIndustry-relevant case studies & best practicesCovers all topics required for the Databricks Generative AI Engineer Associate certificationStep-by-step guidance for beginners and professionalsBy the end of this course, you'll have the expertise to implement AI-driven applications, optimize machine learning workflows, and ace the Databricks Generative AI Engineer Associate exam!Exam Details:Format: Online proctored certification examNumber of Questions: 45 multiple-choice Duration: 90 minutesExam Content Breakdown:Design Applications (14%): Crafting prompts, selecting model tasks, and translating business requirements into AI solutions.Data Preparation (14%): Implementing data chunking strategies, filtering content, and preparing data for RAG applications.Application Development (30%): Developing tools for data extraction, creating prompts, implementing LLM guardrails, and selecting appropriate models.Assembling and Deploying Applications (22%): Coding chains, deploying endpoints, and utilizing Databricks features like Vector Search and Model Serving.Governance (8%): Applying data masking techniques, implementing guardrails, and ensuring compliance with legal requirements.Evaluation and Monitoring (12%): Assessing model performance, monitoring deployments, and managing costs
