Módulo 1: Preparación para desarrollar soluciones de inteligencia artificial en Azure.
Como ingeniero de Azure AI, debe comprender los conceptos y principios básicos del desarrollo de inteligencia artificial, así como las funcionalidades de los servicios de Azure que se usan en las soluciones de inteligencia artificial.
• Definir la inteligencia artificial.
• Comprender los términos relacionados con la inteligencia artificial.
• Comprender las consideraciones de los ingenieros de IA.
• Comprender las consideraciones para una IA responsable.
• Comprender las funcionalidades de Azure Machine Learning.
• Descripción de las funcionalidades de los Servicios de inteligencia artificial de Azure.
• Descripción de las funcionalidades de Azure OpenAI Service.
• Comprender las funcionalidades de Azure Cognitive Search.
Módulo 2: Creación y consumo de los servicios de Azure AI.
Los servicios de Azure AI permiten a los desarrolladores agregar fácilmente funcionalidades de IA a sus aplicaciones. Aprenda a crear y consumir estos servicios.
• Aprovisionamiento de un recurso de servicios de Azure AI.
• Identificación de puntos de conexión y claves.
• Uso de una API REST.
• Uso de un SDK.
• Ejercicio: Uso de servicios de Azure AI.
Módulo 3: Protección de los servicios de Azure AI.
La protección de los servicios de Azure AI puede ayudar a evitar la pérdida de datos y las infracciones de privacidad en los datos de usuario que pueden formar parte de la solución.
• Consideración de la autenticación.
• Implementación de seguridad de red.
• Ejercicio: Administración de la seguridad de los servicios de Azure AI.
Módulo 4: Supervisión de los servicios de Azure AI.
Los servicios de Azure AI permiten integrar inteligencia artificial en aplicaciones y servicios. Es importante poder supervisar los Servicios de inteligencia artificial de Azure para realizar un seguimiento del uso, determinar las tendencias y detectar y solucionar los posibles problemas.
• Supervisión del costo.
• Creación de alertas.
• Visualización de métricas.
• Administrar registros de diagnóstico.
• Ejercicio: Supervisión de los servicios de Azure AI.
Módulo 5: Implementar servicios de Azure AI en contenedores.
Obtenga información sobre la compatibilidad con contenedores en servicios de Azure AI, que permite el uso de las API disponibles en Azure y proporciona flexibilidad con respecto a dónde se implementan y hospedan los servicios con contenedores de Docker.
• Comprender los contenedores.
• Usar contenedores de servicios de Azure AI.
• Ejercicio: Uso de un contenedor.
Módulo 6: Análisis de imágenes.
Con el servicio Visión de Azure AI, puede usar modelos entrenados previamente para analizar imágenes y extraer información de ellas.
• Aprovisionar un recurso de Visión de Azure AI.
• Análisis de una imagen.
• Generación de una miniatura recortada inteligente y eliminación del fondo.
• Ejercicio: Análisis de imágenes con Visión de Azure AI.
Módulo 7: Clasificación de imágenes.
La clasificación de imágenes se usa para determinar el asunto principal de una imagen. Puede usar los servicios de Custom Vision de Azure AI para entrenar un modelo que clasifica las imágenes en función de sus propias categorizaciones.
• Aprovisionar recursos de Azure para Custom Vision de Azure AI.
• Comprender la clasificación de imágenes.
• Entrenar un clasificador de imágenes.
• Ejercicio: Clasificación de imágenes con Custom Vision de Azure AI.
Módulo 8: Detección, análisis y reconocimiento de caras.
La capacidad de las aplicaciones para detectar caras humanas, analizar rasgos faciales y emociones e identificar individuos es una funcionalidad clave de la inteligencia artificial.
• Identificar opciones para la detección, el análisis y la identificación de caras.
• Conocer las consideraciones para el análisis de caras.
• Detectar caras con el servicio Visión de Azure AI.
• Conocer las funcionalidades del servicio Face.
• Comparar y asociar las caras detectadas.
• Implementar el reconocimiento facial.
• Ejercicio: Detección, análisis e identificación de caras.
Módulo 9: Lectura de texto en imágenes y documentos con el servicio Visión de Azure AI.
El servicio Visión de Azure AI usa algoritmos para procesar imágenes y devolver información. En este módulo se explica cómo usar la API de análisis de imágenes para el reconocimiento óptico de caracteres (OCR).
• Explorar las opciones de Visión de Azure AI para leer texto.
• Uso de Read API.
• Ejercicio: Lectura de texto en imágenes.
Módulo 10: Analizar vídeos.
Azure Video Indexer es un servicio para extraer información de vídeos, incluida la identificación de caras, el reconocimiento de texto, las etiquetas de objetos, las segmentaciones de escenas, etc.
• Comprender las capacidades de Azure Video Indexer.
• Extraer información personalizada.
• Uso de widgets y API de Video Analyzer.
• Ejercicio: Análisis de vídeo.
Módulo 11: Análisis de texto con Lenguaje de Azure AI.
El servicio de Lenguaje de Azure AI le permite crear aplicaciones y servicios inteligentes que extraen información semántica del texto.
• Aprovisionar un recurso de Lenguaje de Azure AI.
• Detectar idioma.
• Extracción de frases clave.
• Análisis de opinión.
• Extraer entidades.
• Extracción de entidades vinculadas.
• Ejercicio: Análisis de texto.
Módulo 12: Crear soluciones de respuesta a preguntas con Lenguaje de Azure AI.
La capacidad de respuesta a preguntas del servicio Azure AI Language facilita la creación de aplicaciones en las que los usuarios formulan preguntas utilizando lenguaje natural y reciben respuestas adecuadas.
• Descripción de la respuesta a preguntas.
• Comparación de respuestas a preguntas con Azure AI Language Understanding.
• Creación de una base de conocimientos.
• Implementación de una conversación multiturno.
• Prueba y publicación de una base de conocimiento.
• Uso de una base de conocimiento.
• Mejora del rendimiento de la respuesta a preguntas.
• Ejercicio: Creación de una solución de respuesta a preguntas.
Módulo 13: Creación de un modelo de reconocimiento del lenguaje conversacional.
El servicio de reconocimiento del lenguaje conversacional (CLU) de Azure AI le permite entrenar un modelo que las aplicaciones pueden usar para extraer el significado del lenguaje natural.
• Reconocimiento de las funcionalidades integradas del servicio Lenguaje de Azure AI.
• Descripción de los recursos para crear un modelo de reconocimiento del lenguaje conversacional.
• Definición de intenciones, expresiones y entidades.
• Uso de patrones para diferenciar expresiones similares.
• Uso de componentes de entidad pregeneradas.
• Entrenamiento, prueba, publicación y revisión de un modelo de reconocimiento del lenguaje conversacional.
• Ejercicio: Creación de un modelo de reconocimiento del lenguaje conversacional de Servicios de Azure AI.
Módulo 14: Creación de un proyecto de clasificación de texto personalizado.
El servicio de Lenguaje de Azure AI permite procesar el lenguaje natural para utilizarlo en su propia aplicación. Obtenga información sobre cómo crear un proyecto de clasificación de texto personalizado.
• Descripción de tipos de proyectos de clasificación.
• Descripción de cómo crear proyectos de clasificación de texto.
• Ejercicio: Clasificación de texto.
Módulo 15: Reconocimiento de entidades con nombre personalizado.
Creación de una solución personalizada de reconocimiento de entidades para extraer entidades de documentos no estructurados.
• Descripción del reconocimiento de entidades con nombre personalizadas.
• Etiquetado de los datos.
• Entrenamiento y evaluación del modelo.
• Ejercicio: Extracción de entidades personalizadas.
Módulo 16: Traducción de texto con el servicio Traductor de Azure AI.
El servicio Translator permite crear aplicaciones y servicios inteligentes que pueden traducir texto entre idiomas.
• Aprovisionamiento de un recurso de Traductor de Azure AI.
• Comprender la detección, traducción y transliteración de idiomas.
• Especificar opciones de traducción.
• Definir traducciones personalizadas.
• Ejercicio: Traducción de texto con el servicio Traductor de Azure AI.
Módulo 17: Creación de aplicaciones habilitadas para voz con Servicios de Azure AI.
El servicio de Voz de Azure AI permite compilar aplicaciones habilitadas para voz. Este módulo se centra en el uso de las API Speech-to-Text y Text-to-Speech, que le permiten crear aplicaciones con capacidad de reconocimiento de voz y síntesis de voz.
• Aprovisionamiento de un recurso de Azure para la voz.
• Uso de la API de conversión de voz en texto de Azure AI.
• Uso de la API Text-to-Speech.
• Configuración del formato de audio y las voces.
• Uso de Lenguaje de marcado de síntesis de voz.
• Ejercicio: Creación de una aplicación habilitada para voz.
Módulo 18: Traducción de voz con el servicio de voz de Azure AI.
La traducción de voz se basa en el reconocimiento de voz al reconocer y transcribir la entrada hablada en un idioma especificado y devolver traducciones de la transcripción en uno o varios idiomas.
• Aprovisionamiento de un recurso de Azure para la traducción de voz.
• Traducción de voz a texto.
• Síntesis de traducciones.
• Ejercicio: Traducir voz.
Módulo 19: Creación de una solución de Búsqueda de Azure AI.
Descubra las conclusiones ocultas en los datos con Búsqueda de Azure AI.
• Administración de capacidad.
• Comprender los componentes de búsqueda.
• Descripción del proceso de indexación.
• Búsqueda y mejora del índice.
• Filtrado y ordenación de los datos.
• Ejercicio: Creación de una solución de búsqueda.
Módulo 20: Creación de una aptitud personalizada para Búsqueda de Azure AI.
Aproveche la eficacia de la inteligencia artificial para enriquecer sus datos y obtener nuevas conclusiones.
• Creación de una aptitud personalizada.
• Adición de una aptitud personalizada a un conjunto de aptitudes.
• Ejercicio: Implementación de una aptitud personalizada.
Módulo 21: Creación de un almacén de conocimiento con Búsqueda de Azure AI.
Conserve la salida de una canalización de enriquecimiento de Búsqueda de Azure AI para realizar análisis independientes o un procesamiento descendente.
• Definición de proyecciones.
• Definición de un almacén de conocimiento.
• Ejercicio: Creación de un almacén de conocimiento.
Módulo 22: Planear una solución de Documento de inteligencia de Azure AI.
Aprenda a usar el Documento de inteligencia de Azure AI para crear soluciones que analicen formularios y datos de salida para el almacenamiento o el procesamiento posterior.
• Descripción de Documento de inteligencia de Azure AI.
• Planear recursos de Documento de inteligencia de Azure AI.
• Elegir un tipo de modelo.
Módulo 23: Uso de modelos precompilados de Documento de inteligencia de Azure AI.
Descubra qué datos puede analizar si elige modelos predefinidos de Documento de inteligencia de Azure AI y aprenda a implementar estos modelos en una solución de Documento de inteligencia.
• Información sobre los modelos precompilados.
• Uso de los modelos Documento general, Lectura y Diseño.
• Uso de modelos financieros, identificadores y fiscales.
• Ejercicio: Análisis de un documento mediante Documento de inteligencia de Azure AI.
Módulo 24: Extracción de datos de formularios con Azure Document Intelligence.
El Documento de inteligencia de Azure utiliza tecnología de aprendizaje automático para identificar y extraer pares clave-valor y datos de tablas de documentos de formularios con precisión, a escala. En este módulo se explica cómo usar el servicio Azure Document Intelligence de Azure AI.
• ¿Qué es Azure Document Intelligence?
• Comenzar con Documento de inteligencia de Azure.
• Entrenar modelos personalizados.
• Usar modelos de Azure Document Intelligence.
• Usar Azure Document Intelligence Studio.
• Ejercicio: Extracción de datos de formularios personalizados.
Módulo 25: Introducción a Azure OpenAI Service.
En este módulo se proporciona las aptitudes necesarias para empezar a crear una solución de Azure OpenAI Service.
• Acceso a Azure OpenAI Service.
• Uso de Azure OpenAI Studio.
• Exploración de tipos de modelos de inteligencia artificial generativa.
• Implementación de modelos de inteligencia artificial generativa.
• Uso de mensajes para obtener finalizaciones de los modelos.
• Prueba de modelos en las áreas de juegos de Azure OpenAI Studio.
• Ejercicio: Introducción a Azure OpenAI Service.
Módulo 26: Creación de soluciones de lenguaje natural con Azure OpenAI Service.
En este módulo, se proporcionan a los ingenieros las aptitudes necesarias para empezar a crear aplicaciones que se integran con Azure OpenAI Service.
• Integración de Azure OpenAI en la aplicación.
• Uso de la API REST de Azure OpenAI.
• Uso del SDK de Azure OpenAI.
• Ejercicio: Integración de Azure OpenAI en la aplicación.
Módulo 27: Aplicación de ingeniería de mensajería con Azure OpenAI Service.
La ingeniería de mensajería en Azure OpenAI es una técnica que implica diseñar mensajes para los modelos de procesamiento de lenguaje natural. Este proceso mejora la precisión y la relevancia en las respuestas, optimizando el rendimiento del modelo.
• Comprender la ingeniería de mensajería.
• Escribir mensajes más eficaces.
• Proporcionar contexto para mejorar la precisión.
• Ejercicio: Uso de la ingeniería de mensajería en la aplicación.
Módulo 28: Generación de código con Azure OpenAI Service.
En este módulo se muestra a los ingenieros cómo usar Azure OpenAI Service para generar código y mejorarlo.
• Construir código a partir del lenguaje natural.
• Completar código y ayudar en el proceso de desarrollo.
• Corrección de errores y mejora del código.
• Ejercicio: Generación y mejora del código con Azure OpenAI Service.
Módulo 29: Generación de imágenes con Azure OpenAI Service.
El Azure OpenAI Service incluye el modelo DALL-E, que puede usar para generar imágenes originales basadas en mensajes de lenguaje natural.
• ¿Qué es DALL-E?
• Exploración de DALL-E en Azure OpenAI Studio.
• Uso de la API REST de Azure OpenAI para consumir modelos DALL-E.
• Ejercicio: Generación de imágenes con un modelo DALL-E.
Módulo 30: Implementación de la generación aumentada de recuperación (RAG) con Azure OpenAI Service.
Azure OpenAI en los datos permite a los desarrolladores implementar RAG con modelos de chat de IA compatibles para hacer referencia a orígenes específicos de datos para basar la respuesta.
• Descripción de la generación aumentada de recuperación (RAG) con Azure OpenAI Service.
• Adición de su propio origen de datos.
• Chat con el modelo usando sus propios datos.
• Ejercicio: Adición de datos para RAG con Azure OpenAI Service.
Módulo 31: Aspectos básicos de la inteligencia artificial generativa responsable.
La inteligencia artificial generativa permite soluciones creativas increíbles, pero de debe implementarse de manera responsable para minimizar el riesgo de generar contenido perjudicial.
• Planear una solución de inteligencia artificial generativa responsable.
• Identificar daños posibles.
• Medir y mitigar daños posibles.
• Operar una solución de inteligencia artificial generativa responsable.
• Ejercicio: Exploración de filtros de contenido en Azure OpenAI.
|
