Ruta de aprendizaje: Desarrollar aplicaciones de IA generativa en Azure.
La Inteligencia Artificial Generativa (IA) se está volviendo más accesible gracias a plataformas de desarrollo integrales como Microsoft Foundry. Aprende a construir aplicaciones de IA generativa que utilicen modelos de lenguaje para chatear con tus usuarios.
Módulo 1: Planifica y prepárate para desarrollar soluciones de IA en Azure.
Microsoft Azure ofrece múltiples servicios que permiten a los desarrolladores crear soluciones increíbles impulsadas por IA. Una planificación y preparación adecuadas implica identificar los servicios que vas a utilizar y crear un entorno de trabajo óptimo para tu equipo de desarrollo.
• ¿Qué es la IA?
• Herramientas de fundición.
• Microsoft Foundry.
• Herramientas y SDKs para desarrolladores.
• IA responsable.
• Ejercicio: Prepárate para un proyecto de desarrollo de IA.
Módulo 2: Elige y despliega modelos desde el catálogo de modelos en el portal Microsoft Foundry.
Elige los distintos modelos de lenguaje disponibles a través del catálogo de modelos de Microsoft Foundry. Entiende cómo seleccionar, desplegar y probar un modelo, y mejorar su rendimiento.
• Explora el catálogo de modelos.
• Despliega un modelo en un punto final.
• Optimizar el rendimiento del modelo.
• Ejercicio: Explorar, desplegar y chatear con modelos de lenguaje.
Módulo 3: Desarrolla una aplicación de IA con el SDK de Microsoft Foundry.
Utiliza el SDK de Microsoft Foundry para desarrollar aplicaciones de IA con proyectos de Microsoft Foundry.
• ¿Qué es el SDK de Microsoft Foundry?
• Trabajo con conexiones de proyectos.
• Crea un cliente de chat.
• Ejercicio: Crea una aplicación de chat generativa con IA.
Módulo 4: Empieza con el flujo de prompts para desarrollar aplicaciones de modelos de lenguaje en Microsoft Foundry.
Aprende cómo usar el flujo de prompts para desarrollar aplicaciones que aprovechen modelos de lenguaje en Microsoft Foundry.
• Comprender el ciclo de vida de desarrollo de una aplicación de modelos de lenguaje grandes (LLM).
• Comprende los componentes centrales y explora los tipos de flujo.
• Explora conexiones y duraciones de ejecución.
• Explora variantes y opciones de monitorización.
• Ejercicio: Empieza con un flujo rápido.
Módulo 5: Desarrolla una solución basada en RAG con tus propios datos usando Microsoft Foundry.
La Generación Aumentada por Recuperación (RAG) es un patrón común utilizado en soluciones de IA generativa para conectar prompts con tus datos. Microsoft Foundry ofrece soporte para añadir datos, crear índices e integrarlos con modelos de IA generativa para ayudarte a construir soluciones basadas en RAG.
• Entiende cómo conectar con la base de tu modelo de lenguaje.
• Haz que tus datos sean buscables.
• Crear una aplicación cliente basada en RAG.
• Implementa RAG en un flujo de prompts.
• Ejercicio: Crea una aplicación de IA generativa que utilice tus propios datos.
Módulo 6: Afinar un modelo de lenguaje con Microsoft Foundry.
Entrena un modelo de lenguaje base en una tarea de completar chats. El catálogo de modelos en Microsoft Foundry ofrece muchos modelos de código abierto que pueden ajustarse a tus necesidades específicas de comportamiento de modelo.
• Entender cuándo afinar un modelo de lenguaje.
• Prepara tus datos para afinar un modelo de completación de chat.
• Explora el ajuste fino de modelos de lenguaje en el portal Microsoft Foundry.
• Ejercicio: Afinar un modelo de lenguaje.
Módulo 7: Implementa una solución responsable de IA generativa en Microsoft Foundry.
La IA generativa permite soluciones creativas increíbles, pero debe implementarse de forma responsable para minimizar el riesgo de generación de contenido dañino.
• Planifica una solución responsable de IA generativa.
• Cartografía de posibles daños.
• Medir los posibles daños.
• Mitigar posibles daños.
• Gestionar una solución responsable de IA generativa.
• Ejercicio: Aplicar filtros de contenido para evitar la salida de contenido dañino.
Módulo 8: Evaluar el rendimiento de la IA generativa en el portal Microsoft Foundry.
Evaluar los copilots es esencial para asegurar que tus aplicaciones de IA generativa satisfagan las necesidades de los usuarios, proporcionen respuestas precisas y mejoren continuamente con el tiempo. Descubre cómo evaluar y optimizar el rendimiento de tus aplicaciones de IA generativa utilizando las herramientas y características disponibles en Azure AI Studio.
• Evaluar el rendimiento del modelo.
• Evalúa manualmente el rendimiento de un modelo.
• Evaluaciones automáticas.
• Ejercicio: Evaluar el rendimiento de modelos de IA generativa.
Ruta de aprendizaje: Desarrollar agentes de IA en Azure.
La IA Generativa se está volviendo más funcional y accesible, y los agentes de IA son un componente clave de esta evolución. Este camino de aprendizaje te ayudará a entender los agentes de IA, incluyendo cuándo usarlos y cómo construirlos, utilizando Microsoft Foundry Agent Service y Microsoft Agent Framework. Al final de este camino de aprendizaje, tendrás las habilidades necesarias para desarrollar agentes de IA en Azure.
Módulo 9: Empieza a desarrollar agentes de IA en Azure.
Los agentes de IA representan la próxima generación de aplicaciones inteligentes. Aprende cómo pueden desarrollarse y usarse en Microsoft Azure.
• ¿Qué son los agentes de IA?
• Opciones para el desarrollo de agentes.
• Microsoft Foundry Agent Service.
• Ejercicio: Explora el desarrollo de agentes de IA.
Módulo 10: Desarrolla un agente de IA con Microsoft Foundry Agent Service.
Este módulo proporciona a los ingenieros las habilidades para comenzar a crear agentes con Microsoft Foundry Agent Service.
• ¿Qué es un agente de IA?
• Cómo usar el Servicio de Agentes Microsoft Foundry.
• Desarrollar agentes con el Microsoft Foundry Agent Service.
• Ejercicio: Construye un agente de IA.
Módulo 11: Desarrollar agentes de IA con la extensión Microsoft Foundry en Visual Studio Code.
Aprende a construir, probar y desplegar agentes de IA usando la extensión Microsoft Foundry en Visual Studio Code.
• Empieza con la extensión Microsoft Foundry.
• Desarrollar agentes de IA en Visual Studio Code.
• Amplía las capacidades de los agentes de IA con herramientas.
• Ejercicio: Crea un agente de IA usando la extensión Microsoft Foundry.
Módulo 12: Integra herramientas personalizadas en tu agente.
Las herramientas integradas son útiles, pero puede que no cubran todas tus necesidades. En este módulo, aprende cómo ampliar las capacidades de tu agente integrando herramientas personalizadas para que las utilice.
• ¿Por qué usar herramientas personalizadas?
• Opciones para implementar herramientas personalizadas.
• Cómo integrar herramientas personalizadas.
• Ejercicio: Crea un agente con herramientas personalizadas.
Módulo 13: Desarrolla una solución multiagente con Microsoft Foundry Agent Service.
Desglosa tareas complejas con colaboración inteligente. Aprende a diseñar soluciones multiagente usando agentes conectados.
• Entiende los agentes conectados.
• Diseña una solución multiagente con agentes conectados.
• Ejercicio: Desarrollar una aplicación multiagente con Microsoft Foundry.
Módulo 14: Integra las herramientas MCP con los agentes de IA de Azure.
Activa el acceso dinámico a herramientas para tus agentes de IA de Azure. Aprende a conectar herramientas alojadas en MCP e integrarlas sin problemas en los flujos de trabajo de los agentes.
• Comprender el descubrimiento de herramientas MCP.
• Integrar herramientas de agentes usando un servidor y cliente MCP.
• Utiliza agentes de Azure AI con servidores MCP.
• Ejercicio: Conecta herramientas MCP con Azure AI Agents.
Módulo 15: Desarrolla un agente de IA con Microsoft Agent Framework.
Este módulo proporciona a los ingenieros las habilidades para comenzar a construir agentes de Microsoft Foundry Agent Service con Microsoft Agent Framework.
• Entiende los agentes de IA del Microsoft Agent Framework.
• Crear un agente Azure AI con Microsoft Agent Framework.
• Añadir herramientas al agente Azure AI.
• Ejercicio: Desarrollar un agente de IA Azure con el Microsoft Agent Framework SDK.
Módulo 16: Orquestar una solución multiagente utilizando el Microsoft Agent Framework.
Aprende a usar el Microsoft Agent Framework SDK para desarrollar tus propios agentes de IA que puedan colaborar en una solución multiagente.
• Entiende el Microsoft Agent Framework.
• Entiende la orquestación de agentes.
• Utiliza orquestación concurrente y secuencial.
• Utiliza orquestación en chat de grupo.
• Utiliza orquestación de handoff.
• Usa orquestación Magentic.
• Ejercicio: Desarrollar una solución multiagente.
Módulo 17: Descubre agentes de IA de Azure con A2A.
Aprende cómo implementar el protocolo A2A para permitir el descubrimiento de agentes, comunicación directa y ejecución coordinada de tareas entre agentes remotos.
• Definamos un agente A2A.
• Implementar un ejecutor de agente.
• Aloja un servidor A2A.
• Conéctate con tu agente A2A.
• Ejercicio: Conectarse a agentes de IA de Azure remotos con el protocolo A2A.
Ruta de aprendizaje: Desarrollar soluciones de lenguaje natural en Azure.
Las soluciones de lenguaje natural utilizan modelos de lenguaje para interpretar el significado semántico del lenguaje escrito o hablado, y en algunos casos responden en función de ese significado. Puedes usar el servicio Language para crear modelos de lenguaje para tus aplicaciones y explorar Microsoft Foundry para usar modelos generativos para el habla.
Módulo 18: Analizar texto con Azure Language.
El servicio Azure Language te permite crear aplicaciones y servicios inteligentes que extraen información semántica del texto.
• Provision an Azure Language resource.
• Detectar lenguaje.
• Extraer frases clave.
• Analiza el sentimiento.
• Entidades de extracción.
• Extraer entidades vinculadas.
• Ejercicio: Analizar el texto.
Módulo 19: Crea soluciones de respuesta a preguntas con Azure Language.
La capacidad de responder preguntas del servicio Azure Language facilita la creación de aplicaciones en las que los usuarios formulan preguntas usando lenguaje natural y reciben respuestas adecuadas.
• Entiende cómo responder preguntas.
• Comparar responder preguntas con la comprensión de Azure Language.
• Crea una base de conocimiento.
• Implementar la conversación de varios turnos.
• Prueba y publica una base de conocimiento.
• Utiliza una base de conocimientos.
• Mejorar el rendimiento a la hora de responder preguntas.
• Ejercicio: Crea una solución para responder preguntas.
Módulo 20: Construir un modelo de comprensión conversacional del lenguaje.
El servicio de comprensión conversacional del lenguaje Azure Language (CLU) te permite entrenar un modelo que las aplicaciones pueden usar para extraer significado del lenguaje natural.
• Comprender las capacidades preconstruidas del servicio de lenguaje Azure.
• Comprende recursos para construir un modelo de comprensión conversacional del lenguaje.
• Define intenciones, enunciados y entidades.
• Utiliza patrones para diferenciar enunciados similares.
• Utiliza componentes de entidad preconstruidos.
• Entrenar, probar, publicar y revisar un modelo conversacional de comprensión del lenguaje.
• Ejercicio: Construir un modelo conversacional de comprensión del lenguaje.
Módulo 21: Crear soluciones personalizadas de clasificación de texto.
El servicio Azure Language permite procesar el lenguaje natural para usarlo en tu propia aplicación. Aprende a crear un proyecto personalizado de clasificación de texto.
• Comprender los tipos de proyectos de clasificación.
• Entiende cómo construir proyectos de clasificación de texto.
• Ejercicio: Clasificar texto.
Módulo 22: Reconocimiento personalizado de entidades nombradas.
Crea una solución personalizada de reconocimiento de entidades para extraer entidades de documentos no estructurados.
• Comprender el reconocimiento personalizado de entidades con nombre.
• Etiqueta tus datos.
• Entrena y evalúa tu modelo.
• Ejercicio: Extraer entidades personalizadas.
Módulo 23: Traducir texto con el servicio Azure Translator.
El servicio traductor te permite crear aplicaciones y servicios inteligentes que pueden traducir texto entre idiomas.
• Provision an Azure Translator resource.
• Entender la detección, traducción y transliteración del lenguaje.
• Especificar opciones de traducción.
• Definir traducciones personalizadas.
• Ejercicio: Traducir texto con el servicio Azure Translator.
Módulo 24: Crea aplicaciones habilitadas para voz con Microsoft Foundry.
El servicio Azure Speech te permite crear aplicaciones habilitadas para voz. Este módulo se centra en el uso de las APIs de conversión de voz a texto y texto a voz, que permiten crear aplicaciones capaces de reconocimiento y síntesis de voz.
• Provision an Azure resource for speech.
• Utiliza la API de conversión de voz a texto de Azure.
• Usa la API de texto a voz.
• Configurar el formato de audio y las voces.
• Utiliza lenguaje de marcado de síntesis de voz.
• Ejercicio: Crea una aplicación habilitada para el habla.
Módulo 25: Traducir el habla con el servicio Azure Speech.
La traducción del habla se basa en el reconocimiento de voz al reconocer y transcribir la entrada hablada en un idioma específico, y devolver traducciones de la transcripción en uno o más idiomas más.
• Provisionar un recurso Azure para la traducción de la voz.
• Traducir voz a texto.
• Sintetizar traducciones.
• Ejercicio: Traducir el habla.
Módulo 26: Desarrollar una aplicación de IA generativa habilitada para audio.
Una voz transmite un significado más allá de las palabras, y los modelos de IA generativa habilitados por audio pueden interpretar la entrada hablada para entender el tono, la intención y el lenguaje. Aprende a crear aplicaciones de chat con audio que escuchen y respondan al audio.
• Desplegar un modelo multimodal.
• Desarrolla una aplicación de chat basada en audio.• Ejercicio: Desarrolla una aplicación de chat con audio.
Módulo 27: Desarrollar un agente Azure AI Voice Live.
Aprende cómo desarrollar un agente Azure AI Voice Live usando la API y el SDK de Voice Live. Este módulo cubre los fundamentos de la plataforma Voice Live, incluyendo la integración de APIs, el uso de SDK y la construcción de agentes de IA conversacional.
• Explora la API de Azure Voice Live.
• Explora la biblioteca cliente AI Voice Live para Python.
• Ejercicio: Desarrollar un agente Azure AI Voice Live.
Ruta de aprendizaje: Desarrollar soluciones de visión por ordenador en Azure.
La visión por ordenador es un área de la inteligencia artificial que se ocupa de la percepción visual. Azure AI incluye múltiples servicios que soportan escenarios comunes de visión por ordenador.
Módulo 28: Analizar imágenes.
Con el servicio Azure Vision, puedes usar modelos preentrenados para analizar imágenes y extraer información y conocimientos de ellas.
• Provision an Azure Vision resource.
• Analizar una imagen.
• Ejercicio: Analizar imágenes.
Módulo 29: Lee texto en imágenes.
El servicio Azure Vision Image Analysis utiliza algoritmos para procesar imágenes y devolver información. Este módulo te enseña cómo usar la API de Análisis de Imágenes para el reconocimiento óptico de caracteres (OCR).
• Explora opciones de Azure AI para leer texto.
• Leer texto con Azure Vision Image Analysis.
• Ejercicio: Lee el texto en imágenes.
Módulo 30: Detectar, analizar y reconocer rostros.
La capacidad de las aplicaciones para detectar rostros humanos, analizar rasgos faciales y emociones, e identificar a individuos es una capacidad clave de inteligencia artificial.
• Planifica una solución para la detección, análisis o reconocimiento facial.
• Detectar y analizar rostros.
• Verifica e identifica las caras.
• Consideraciones responsables de IA para soluciones basadas en la cara.
• Ejercicio: Detectar y analizar rostros.
Módulo 31: Clasificar imágenes.
La clasificación de imágenes se utiliza para determinar el sujeto principal de una imagen. Puedes usar los servicios Azure AI Custom Vision para entrenar un modelo que clasifique imágenes según tus propias categorizaciones.
• Azure AI Custom Vision.
• Entrenar un modelo de clasificación de imágenes.
• Crear una aplicación cliente de clasificación de imágenes.
• Ejercicio: Clasificar imágenes.
Módulo 32: Detectar objetos en imágenes.
La detección de objetos se utiliza para localizar e identificar objetos en imágenes. Puedes usar Azure AI Custom Vision para entrenar un modelo y detectar clases específicas de objetos en imágenes.
• Utiliza Azure AI Custom Vision para la detección de objetos.
• Entrena un detector de objetos.
• Desarrollar una aplicación cliente de detección de objetos.
• Ejercicio: Detectar objetos en imágenes.
Módulo 33: Analizar vídeo.
Azure Video Indexer es un servicio para extraer información de vídeo, incluyendo identificación facial, reconocimiento de texto, etiquetas de objetos, segmentaciones de escenas y más.
• Comprender las capacidades de Azure Video Indexer.
• Extraer información personalizada.
• Usa widgets y APIs de Video Analyzer.
• Ejercicio: Analizar vídeo.
Módulo 34: Desarrollar una aplicación de IA generativa con visión.
Una imagen vale más que mil palabras, y los modelos multimodales de IA generativa pueden interpretar imágenes para responder a indicaciones visuales. Aprende a crear aplicaciones de chat con visión activa.
• Desplegar un modelo multimodal.
• Desarrolla una aplicación de chat basada en la visión.
• Ejercicio: Desarrolla una aplicación de chat con visión.
Módulo 35: Genera imágenes con IA.
En Microsoft Foundry, puedes usar modelos de generación de imágenes para crear imágenes originales basadas en prompts en lenguaje natural.
• ¿Qué son los modelos de generación de imágenes?
• Explora modelos de generación de imágenes en el portal Microsoft Foundry.
• Crea una aplicación cliente que utilice un modelo de generación de imágenes.
• Ejercicio: Generar imágenes con IA.
Ruta de aprendizaje: Desarrolla soluciones de extracción de información con IA en Azure.
Utiliza Azure AI para extraer información del contenido y apoyar escenarios como: Captura de datos, Automatización de procesos empresariales, Resumen y análisis de la reunión, Gestión de activos digitales (DAM), Minería del conocimiento.
Módulo 36: Crea una solución de análisis multimodal con Azure Content Understanding.
Utiliza Azure Content Understanding para análisis de contenido multimodal y extracción de información.
• ¿Qué es Azure Content Understanding?
• Crea un analizador de comprensión de contenido.
• Utiliza la API REST para Comprensión de Contenidos.
• Ejercicio: Extraer información de contenido multimodal.
Módulo 37: Crea una aplicación cliente Azure Content Understanding.
Utiliza la API REST de Azure Content Understanding para el análisis de contenido multimodal y la extracción de información.
• Prepárate para usar la API REST de Comprensión de Contenidos de IA.
• Crea un analizador de comprensión de contenido.
• Analizar contenido.
• Ejercicio: Desarrollar una aplicación para el cliente que entienda el contenido.
Módulo 38: Utiliza modelos de inteligencia documental preconstruidos.
Aprende qué datos puedes analizar eligiendo modelos preconstruidos de Forms Analyzer y cómo desplegarlos en una solución de inteligencia documental.
• Entender los modelos preconstruidos.
• Utilizar los modelos General de Documento, Lectura y Diseño:
• Utiliza modelos financieros, de diseño intelectual y fiscales.
• Ejercicio: Analizar un documento usando Azure Document Intelligence.
Módulo 39: Extraer datos de formularios con Azure Document Intelligence.
La inteligencia documental utiliza tecnología de aprendizaje automático para identificar y extraer pares clave-valor y datos de tablas de documentos de formulario con precisión y a escala. Este módulo te enseña a utilizar el servicio cognitivo Azure Document Intelligence.
• ¿Qué es Azure Document Intelligence?
• Empieza con Azure Document Intelligence.
• Modelos personalizados de trenes.
• Utilizar modelos Azure Document Intelligence.
• Utiliza Azure Document Intelligence Studio.
• Ejercicio: Extraer datos de formularios personalizados.
Módulo 40: Crea una solución de minería de conocimiento con Azure AI Search.
Desbloquea los conocimientos ocultos en tus datos con Azure AI Search. En este módulo, aprenderás a implementar una solución de minería de conocimiento que extrae y enriquece datos, haciéndolos buscables y listos para un análisis más profundo.
• ¿Qué es Azure AI Search?
• Extraer datos con un indexador.
• Enriquecer datos extraídos con habilidades de IA.
• Buscar en un índice.
• Persiste la información extraída en un almacén de conocimiento.
• Ejercicio: Crear una solución de minería de conocimiento.
|
