Ocenianie i optymalizowanie agentów sztucznej inteligencji za pomocą eksperymentów strukturalnych
Dowiedz się, jak optymalizować agentów sztucznej inteligencji poprzez ocenę ustrukturyzowaną, która przekształca zgadywanie w decyzje inżynieryjne oparte na dowodach. Dowiesz się, jak zaprojektować eksperymenty ewaluacyjne z przejrzystymi metrykami dotyczącymi jakości, kosztów i wydajności; organizowanie eksperymentów przy użyciu przepływów pracy opartych na usłudze Git; tworzenie rubryk oceny dla spójnego oceniania; i porównaj wyniki, aby podejmować świadome decyzje dotyczące optymalizacji.
Cele szkolenia
W tym module wykonasz następujące czynności:
- Eksperymenty oceny projektu z przejrzystymi metrykami dotyczącymi jakości, kosztów i wydajności
- Stosowanie przepływów pracy opartych na usłudze Git w celu systematycznego organizowania i porównywania wariantów agentów
- Tworzenie rubryk oceny, które zapewniają spójne ocenianie wśród ewaluatorów ludzkich
- Porównanie wyników eksperymentu w celu podejmowania decyzji dotyczących optymalizacji opartej na dowodach
Wymagania wstępne
Przed rozpoczęciem tego modułu należy dysponować następującymi informacjami:
- Podstawowa wiedza na temat agentów sztucznej inteligencji i dużych modeli językowych
- Znajomość przepływów pracy kontroli wersji usługi Git
- Doświadczenie w pracy z rozwiązaniem Microsoft Azure AI Foundry lub podobnymi platformami programistycznymi sztucznej inteligencji
Rozpoczynanie pracy z platformą Azure
Wybierz konto Azure, które najbardziej Ci odpowiada. Płać na bieżąco lub wypróbuj platformę Azure bezpłatnie przez 30 dni. Zarejestruj się.