资源介绍
视频数量：75个
总时长：9小时40分
课程介绍：
Azure生成式AI运维工程师认证备考课：从云基础到智能体部署运维全流程
最近一年，身边很多朋友都在用大模型写代码、做客服、写文案，但问起"你们怎么把这个AI能力真正变成一个稳定运行的产品"，不少人答不上来。模型调通只是起点，后续怎么部署、怎么管理、怎么监控、出了问题怎么排查，才是AI产品能不能跑得长久的核心。这门时长9小时40分钟、共75节课的AI-300备考课程，围绕的就是这条从基础到实战的完整路径，对应微软认证体系中机器学习运维工程师助理级别。
一、云基础打底：理解Azure的底层逻辑
课程一开始没有急着讲AI，而是花了相当篇幅带大家摸清Azure的底层骨架。Azure基础这一章从全球骨干网络讲起，覆盖微软遍布60多个区域的光纤网络、海底电缆和边缘站点，再到区域与数据中心、资源层级结构、不同订阅类型、Entra ID租户与订阅的关系，以及如何申请订阅、搭建环境，最后还专门讲了成本管理。云上跑AI模型，账单控制不好是很现实的问题。学完这章，你对"在Azure上跑服务"这件事会有全局性认知，而不是只盯着某个具体产品。
二、管理工具：用顺手的方式操控Azure
光会看门户远远不够。课程第二章系统介绍了Azure的各种管理工具，包括Azure门户本身、PowerShell在Windows和Mac上的安装演示、CLI的安装与使用、CloudShell和Azure Copilot。PowerShell和CLI是后续做自动化、脚本化部署的基础，CloudShell省去了本地配置环境的麻烦，Copilot则能用自然语言帮你在Azure里做很多操作。这部分的设计思路很明确：让你找到最适合自己的工具组合，为后面写脚本、做自动化铺路。
三、基础设施即代码与Foundry入门
第三章简短介绍了基础设施即代码（IaC）的概念，这是现代运维绕不开的理念——把环境配置写成代码、版本化管理、反复部署。第四章进入课程的真正核心：Microsoft Foundry与GenAIOps基础。先讲清生成式AI和大语言模型的基本概念，再介绍Foundry平台是什么、它和Azure机器学习的区别、如何部署Foundry实例以及Foundry的定价模式。Foundry是微软面向生成式AI推出的统一平台，后面所有内容都围绕它展开。
四、基础模型部署与对话调用
第五章直接进入动手环节：在Foundry里部署OpenAI模型，并用Python与模型对话。两种部署方式都会讲到——门户部署和代码部署，还会演示如何通过Python SDK完成对话调用。这一章是后续构建应用的基础，模型跑起来，后面才有东西可聊。
五、智能体服务全攻略
第六章是重头戏之一，覆盖Foundry智能体服务的方方面面。先介绍智能体AI概念，然后逐步带你创建不同类型的智能体：基础智能体、网页搜索智能体、代码解释器智能体、OpenAPI工具智能体、图像生成智能体、支持MCP服务器的智能体以及多工具组合智能体。每种都配Python实操演示。学完这章，你基本能把Foundry能做的智能体类型全部跑通。
六、提示词工程、RAG与Foundry IQ
第七章讲提示词工程、版本控制与管理，提示词质量直接决定生成式AI应用的最终效果。第八章聚焦检索增强生成（RAG）和Foundry IQ，先讲RAG原理，再介绍Azure AI搜索的配置方法，然后用三段实操带你用Foundry IQ构建应用。Foundry IQ是微软在知识增强生成方向上的核心产品，能让模型基于你自己的数据回答问题，是企业级AI应用的高频需求。
七、可观测性：AI应用的眼睛和耳朵
第九章是全课篇幅最大的一章，覆盖生成式AI应用的可观测性建设。从Azure Log Analytics的工作区、表格、数据保留讲起，再到Azure Monitor及其组件、数据采集方式、Monitor代理、数据收集规则、诊断设置，最后教你为Foundry配置诊断设置和应用层插桩，以及指标、日志和Kusto查询语言（KQL）的基础语法。从"能跑"到"跑得稳"，可观测性是关键。
八、AI风险与负责任AI
最后一章讲AI风险和负责任AI，覆盖常见AI风险类型、提示注入攻击、训练数据投毒、过度依赖等具体问题，再介绍微软的负责任AI原则，以及Microsoft Defender for Cloud在AI服务方向上的安全防护能力，包括如何为AI服务配置Defender。这一章把安全合规维度补齐，让课程形成完整闭环。
这门课适合谁呢？正在备考AI-300认证的人，这门课几乎覆盖考试涉及的所有知识点；AI应用开发者想把自己的大模型应用真正部署到生产环境，课程里的部署、监控、运维、Agent开发、RAG构建内容会很实用；云运维或DevOps工程师想往AI运维方向转型，从Azure基础一路讲到生成式AI专属的运维实践，路径非常清晰；AI方向的解决方案架构师，也能借此建立对微软Azure上AI技术栈的完整认知。
学完整个课程，你不仅能掌握通过AI-300认证所需的知识体系，更重要的是获得一套在Azure平台上构建、部署、运维生成式AI应用的完整方法论。从基础设施到智能体开发，从提示词工程到RAG落地，从可观测性建设到安全合规，每个环节都讲到了具体操作步骤和工具用法。AI应用的竞争，最终会落到工程化能力的竞争上。