Ruta de aprendizaje: Desarrollo de aplicaciones de IA generativa en Azure.
La inteligencia artificial generativa (IA) es cada vez más accesible a través de plataformas de desarrollo integrales como Azure AI Foundry. Aprenda a crear aplicaciones de IA generativa que usen modelos de lenguaje para chatear con sus usuarios.
Módulo 1: Planeación y preparación para desarrollar soluciones de inteligencia artificial en Azure.
Microsoft Azure ofrece múltiples servicios que permiten a los desarrolladores crear increíbles soluciones impulsadas por IA. La planificación y preparación adecuadas implican identificar los servicios que utilizará y crear un entorno de trabajo óptimo para su equipo de desarrollo.
• ¿Qué es la IA?
• Servicios de Azure AI.
• Azure AI Foundry.
• Herramientas para desarrolladores y SDK.
• IA responsable.
• Ejercicio: Preparación para un proyecto de desarrollo de IA.
Módulo 2: Elección e implementación de modelos del catálogo de modelos en el portal de Azure AI Foundry.
Elija los distintos modelos de lenguaje que están disponibles a través del catálogo de modelos de Azure AI Foundry. Comprender cómo seleccionar, implementar y probar un modelo, y mejorar su rendimiento.<
• Explore el catálogo de modelos.
• Implementación de un modelo en un punto de conexión.
• Optimizar el rendimiento del modelo.
• Ejercicio: Explorar, implementar y chatear con modelos de lenguaje.
Módulo 3: Desarrollo de una aplicación de inteligencia artificial con el SDK de Azure AI Foundry.
Use el SDK de Azure AI Foundry para desarrollar aplicaciones de inteligencia artificial con proyectos de Azure AI Foundry.
• ¿Qué es el SDK de Azure AI Foundry?
• Trabajar con conexiones de proyectos.
• Crear un cliente de chat.
• Ejercicio: Crear una aplicación de chat de IA generativa.
Módulo 4: Introducción al flujo de mensajes para desarrollar aplicaciones de modelo de lenguaje en Azure AI Foundry.
Obtenga información sobre cómo usar el flujo de mensajes para desarrollar aplicaciones que aprovechen los modelos de lenguaje en Azure AI Foundry.
• Descripción del ciclo de vida de desarrollo de una aplicación de modelo de lenguaje grande (LLM).
• Comprender los componentes principales y explorar los tipos de flujo.
• Explorar conexiones y tiempos de ejecución.
• Explore variantes y opciones de monitoreo.
• Ejercicio: Introducción al flujo rápido.
Módulo 5: Desarrollo de una solución basada en RAG con sus propios datos mediante Azure AI Foundry.
La generación aumentada de recuperación (RAG) es un patrón común utilizado en soluciones de IA generativa para aterrizar indicaciones con sus datos. Azure AI Foundry proporciona compatibilidad para agregar datos, crear índices e integrarlos con modelos de IA generativa para ayudarle a crear soluciones basadas en RAG.
• Comprender cómo fundamentar el modelo de lenguaje.
• Haga que sus datos se puedan buscar.
• Creación de una aplicación cliente basada en RAG.
• Implementación de RAG en un flujo de solicitud.
• Ejercicio: Crear una aplicación de IA generativa que utilice sus propios datos.
Módulo 6: Ajuste de un modelo de lenguaje con Azure AI Foundry.
Entrene un modelo de lenguaje base en una tarea de finalización de chat. El catálogo de modelos de Azure AI Foundry ofrece muchos modelos de código abierto que se pueden ajustar para las necesidades específicas de comportamiento del modelo.
• Comprender cuándo ajustar un modelo de lenguaje.
• Preparar los datos para ajustar un modelo de finalización de chat.
• Explore el ajuste de los modelos de lenguaje en el portal de Azure AI Foundry.
• Ejercicio: Ajuste de un modelo de lenguaje.
Módulo 7: Implementación de una solución de IA generativa responsable en Azure AI Foundry.
La IA generativa permite soluciones creativas increíbles, pero debe implementarse de manera responsable para minimizar el riesgo de generación de contenido dañino.
• Planificar una solución de IA generativa responsable.
• Mapear los daños potenciales.
• Medir los daños potenciales.
• Mitigar los daños potenciales.
• Gestione una solución de IA generativa responsable.
• Ejercicio: Aplicar filtros de contenido para evitar la salida de contenido dañino.
Módulo 8: Evaluación del rendimiento de la IA generativa en el portal de Azure AI Foundry.
La evaluación de los copilotos es esencial para garantizar que sus aplicaciones de IA generativa satisfagan las necesidades de los usuarios, proporcionen respuestas precisas y mejoren continuamente con el tiempo. Descubra cómo evaluar y optimizar el rendimiento de las aplicaciones de IA generativa mediante las herramientas y características disponibles en Azure AI Studio.
• Evaluar el rendimiento del modelo.
• Evaluar manualmente el rendimiento de un modelo.
• Evaluaciones automatizadas.
• Ejercicio: Evaluación del rendimiento del modelo de IA generativa.
Ruta de aprendizaje: Desarrollo de agentes de IA en Azure.
La Inteligencia Artificial (IA) generativa es cada vez más funcional y accesible, y los agentes de IA son un componente clave de esta evolución. Esta ruta de aprendizaje le ayudará a comprender los agentes de IA, incluido cuándo usarlos y cómo compilarlos, mediante Azure AI Foundry Agent Service y Microsoft Agent Framework. Al final de esta ruta de aprendizaje, tendrá las habilidades necesarias para desarrollar agentes de IA en Azure.
Módulo 9: Introducción al desarrollo de agentes de IA en Azure.
Los agentes de IA representan la próxima generación de aplicaciones inteligentes. Obtenga información sobre cómo se pueden desarrollar y usar en Microsoft Azure.
• ¿Qué son los agentes de IA?
• Opciones para el desarrollo de agentes.
• Servicio de agente de Azure AI Foundry.
• Ejercicio: Explore el desarrollo de agentes de IA
Módulo 10: Desarrollo de un agente de inteligencia artificial con Azure AI Foundry Agent Service.
Este módulo proporciona a los ingenieros las habilidades para empezar a crear agentes con Azure AI Foundry Agent Service.
• Qué es un agente de IA?
• Uso del servicio de agente de Azure AI Foundry.
• Desarrollo de agentes con Azure AI Foundry Agent Service.
• Ejercicio: Creación de un agente de IA.
Módulo 11: Desarrollo de agentes de IA con la extensión Azure AI Foundry en Visual Studio Code.
Obtenga información sobre cómo compilar, probar e implementar agentes de IA mediante la extensión Azure AI Foundry en Visual Studio Code.
• Introducción a la extensión Azure AI Foundry.
• Desarrollo de agentes de IA en Visual Studio Code.
• Amplíe las capacidades de los agentes de IA con herramientas.
• Ejercicio: Creación de un agente de inteligencia artificial mediante la extensión Azure AI Foundry.
Módulo 12: Integra herramientas personalizadas en tu agente.
Las herramientas integradas son útiles, pero es posible que no satisfagan todas sus necesidades. En este módulo, aprende a 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: Crear un agente con herramientas personalizadas.
Módulo 13: Desarrollo de una solución multiagente con Azure AI Foundry Agent Service.
Desglose las tareas complejas con una colaboración inteligente. Aprenda a diseñar soluciones multiagente utilizando agentes conectados.
• Comprender los agentes conectados.
• Diseñar una solución multiagente con agentes conectados.
• Ejercicio: Desarrollo de una aplicación multiagente con Azure AI Foundry.
Módulo 14: Integración de MCP Tools con Azure AI Agents.
Habilite el acceso dinámico a herramientas para los agentes de Azure AI. Aprenda a conectar herramientas alojadas en MCP e integrarlas sin problemas en los flujos de trabajo de los agentes.
• Comprender el descubrimiento de herramientas MCP.
• Integre herramientas de agente utilizando un servidor y un cliente MCP.
• Uso de agentes de Azure AI con servidores MCP.
• Ejercicio: Conexión de herramientas MCP a Azure AI Agents.
Módulo 15: Desarrollo de un agente de IA con Microsoft Agent Framework.
Este módulo proporciona a los ingenieros las habilidades para comenzar a crear agentes de Azure AI Foundry Agent Service con Microsoft Agent Framework.
• Descripción de los agentes de IA de Microsoft Agent Framework.
• Creación de un agente de Azure AI con Microsoft Agent Framework.
• Adición de herramientas al agente de Azure AI.
• Ejercicio: Desarrollo de un agente de Azure AI con el SDK de Microsoft Agent Framework.
Módulo 16: Orquestar una solución multiagente mediante Microsoft Agent Framework.
Aprenda a usar el SDK de Microsoft Agent Framework para desarrollar sus propios agentes de IA que puedan colaborar para una solución de varios agentes.
• Descripción del marco de Microsoft Agent.
• Descripción de la orquestación de agentes.
• Uso de orquestación simultánea.
• Uso de la orquestación secuencial.
• Usar la orquestación de chat grupal.
• Uso de la orquestación de entrega.
• Uso de la orquestación de Magentic.
• Ejercicio: Desarrollar una solución multiagente.
Módulo 17: Descubra Azure AI Agents con A2A.
Aprenda a implementar el protocolo A2A para permitir el descubrimiento de agentes, la comunicación directa y la ejecución coordinada de tareas entre agentes remotos.
• Definir un agente A2A.
• Implementar un ejecutor de agente.
• Alojar un servidor A2A.
• Conéctese a su agente A2A.
• Ejercicio: Conexión a agentes de IA de Azure remotos con el protocolo A2A.
Ruta de aprendizaje: Desarrollo de 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. Puede usar el servicio de lenguaje para crear modelos de lenguaje para las aplicaciones y explorar Azure AI Foundry para usar modelos generativos para voz.
Módulo 18: Análisis de texto con Azure AI Language.
El servicio Azure AI Language permite crear aplicaciones y servicios inteligentes que extraen información semántica del texto.
• Aprovisionamiento de un recurso de Azure AI Language.
• Detectar idioma.
• Extraer frases clave.
• Analizar el sentimiento.
• Extraer entidades.
• Extraer entidades vinculadas.
• Ejercicio: Analizar texto.
Módulo 19: Creación de soluciones de respuesta a preguntas con Azure AI Language.
La funcionalidad de respuesta a preguntas del servicio Azure AI Language facilita la creación de aplicaciones en las que los usuarios hacen preguntas con lenguaje natural y reciben las respuestas adecuadas.
• Comprender la respuesta a preguntas.
• Comparación de la respuesta a preguntas con la comprensión del lenguaje de Azure AI.
• Crear una base de conocimientos.
• Implementar conversaciones de varios turnos.
• Probar y publicar una base de conocimiento.
• Usar una base de conocimientos.
• Mejorar el rendimiento de la respuesta a las preguntas.
• Ejercicio: Crear una solución de respuesta a preguntas.
Módulo 20: Crear un modelo de comprensión del lenguaje conversacional.
El servicio de comprensión del lenguaje conversacional (CLU) de Azure AI Language permite entrenar un modelo que las aplicaciones pueden usar para extraer el significado del lenguaje natural.
• Descripción de las funcionalidades precompiladas del servicio Azure AI Language.
• Comprender los recursos para crear un modelo de comprensión del lenguaje conversacional.
• Definir intenciones, expresiones y entidades.
• Uso de patrones para diferenciar expresiones similares.
• Uso de componentes de entidad precompilados.
• Entrenar, probar, publicar y revisar un modelo de comprensión del lenguaje conversacional.
• Ejercicio: Creación de un modelo de comprensión del lenguaje conversacional de Azure AI Services.
Módulo 21: Crear soluciones de clasificación de texto personalizadas.
El servicio Azure AI Language permite el procesamiento del lenguaje natural para usarlo en su propia aplicación. Aprenda a crear un proyecto de clasificación de texto personalizado.
• Comprender los tipos de proyectos de clasificación.
• Comprender cómo crear proyectos de clasificación de texto.
• Ejercicio: Clasificar texto.
Módulo 22: Reconocimiento de entidades con nombre personalizado.
Cree una solución de reconocimiento de entidades personalizada para extraer entidades de documentos no estructurados.
• Descripción del reconocimiento de entidades con nombre personalizado.
• Etiquetar los datos.
• Entrenamiento y evaluación.
• Ejercicio: Extracción de entidades personalizadas.
Módulo 23: Traducción de texto con el servicio Azure AI Translator.
El servicio Translator le permite crear aplicaciones y servicios inteligentes que pueden traducir texto entre idiomas.
• Aprovisionamiento de un recurso de Azure AI Translator.
• Detección, traducción y transliteración de idiomas.
• Especificar opciones de traducción.
• Definir traducciones personalizadas.
• Ejercicio: Traducción de texto con el servicio Azure AI Translator.
Módulo 24: Creación de aplicaciones habilitadas para voz con Azure AI Services.
El servicio Azure AI Speech permite crear aplicaciones habilitadas para voz. Este módulo se centra en el uso de las API de voz a texto y texto a voz, que le permiten crear aplicaciones que son capaces de reconocer voz y sintetizar voz.
• Aprovisionamiento de un recurso de Azure para voz.
• Uso de la API de voz a texto de Azure AI.
• Uso de la API de texto a voz.
• Configurar el formato de audio y las voces.
• Usar lenguaje de marcado de síntesis de voz.
• Ejercicio: crear una aplicación habilitada para voz.
Módulo 25: Traducción de voz con el servicio Azure AI Speech.
La traducción de voz 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.
• Aprovisionamiento de un recurso de Azure para la traducción de voz.
• Traducir voz a texto.
• Sintetizar traducciones.
• Ejercicio: Traducir voz.
Módulo 26: Desarrollar una aplicación de IA generativa habilitada para audio.
Una voz tiene un significado más allá de las palabras, y los modelos de IA generativa habilitados para audio pueden interpretar la entrada hablada para comprender el tono, la intención y el lenguaje. Aprende a crear apps de chat habilitadas para audio que escuchen y respondan al audio.
• Implementación de un modelo multimodal.
• Desarrollar una aplicación de chat basada en audio.
• Ejercicio: Desarrollar una aplicación de chat habilitada para audio.
Módulo 27: Desarrollo de un agente de Azure AI Voice Live.
Obtenga información sobre cómo desarrollar un agente de Azure AI Voice Live mediante la API y el SDK de Voice Live. Este módulo cubre los fundamentos de la plataforma Voice Live, incluida la integración de API, el uso de SDK y la creación de agentes de IA conversacionales.
• Exploración de Azure Voice Live API.
• Explore la biblioteca cliente de AI Voice Live para Python.
• Ejercicio: desarrollo de un agente de Azure AI Voice Live.
Ruta de aprendizaje: Desarrollo de soluciones de visión artificial en Azure.
La visión por computadora es un área de la inteligencia artificial que se ocupa de la percepción visual. Azure AI incluye varios servicios que admiten escenarios comunes de Computer Vision.
Módulo 28: Analizar imágenes.
Con el servicio Azure AI Vision, puede usar modelos entrenados previamente para analizar imágenes y extraer información de ellas.
• Aprovisionamiento de un recurso de Azure AI Vision.
• Analizar una imagen.
• Ejercicio: Análisis de imágenes.
Módulo 29: Leer texto en imágenes.
El servicio de análisis de imágenes de Azure AI Vision usa algoritmos para procesar imágenes y devolver información. Este módulo le enseña cómo usar la API de análisis de imágenes para el reconocimiento óptico de caracteres (OCR).
• Explore las opciones de Azure AI para leer texto.
• Lectura de texto con Azure AI Vision Image Analysis.
• Ejercicio: Leer texto en imágenes.
Módulo 30: Detecte, analice y reconozca rostros.
La capacidad de las aplicaciones para detectar rostros humanos, analizar rasgos faciales y emociones, e identificar individuos es una capacidad clave de inteligencia artificial.
• Planeación de una solución de detección, análisis o reconocimiento de rostros.
• Detectar y analizar rostros.
• Verificar e identificar rostros.
• Consideraciones de IA responsable para soluciones basadas en rostros.
• Ejercicio: Detecta y analiza rostros.
Módulo 31: Clasificar imágenes.
La clasificación de imágenes se utiliza para determinar el tema principal de una imagen. Puede usar los servicios Azure AI Custom Vision para entrenar un modelo que clasifique las imágenes en función de sus propias categorizaciones.
• Azure AI Custom Vision.
• Entrenamiento de un modelo de clasificación de imágenes.
• Creación de 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. Puede usar Azure AI Custom Vision para entrenar un modelo para detectar clases específicas de objetos en imágenes.
• Uso de Azure AI Custom Vision para la detección de objetos.
• Entrenamiento de un detector de objetos.
• Desarrollo de una aplicación cliente de detección de objetos.
• Ejercicio: Detección de objetos en imágenes.
Módulo 33: Analizar vídeo.
Azure Video Indexer es un servicio para extraer información del vídeo, incluida la identificación facial, el reconocimiento de texto, las etiquetas de objetos, las segmentaciones de escenas, etc.
• Descripción de las funcionalidades de Azure Video Indexer.
• Extraer información personalizada.
• Uso de widgets y API de Video Analyzer.
• Ejercicio: Analizar vídeo.
Módulo 34: Desarrollar una aplicación de IA generativa habilitada para visión.
Una imagen dice más que mil palabras, y los modelos de IA generativa multimodal pueden interpretar imágenes para responder a indicaciones visuales. Aprende a crear aplicaciones de chat habilitadas para visión.
• Implementación de un modelo multimodal.
• Desarrollar una aplicación de chat basada en la visión.
• Ejercicio: Desarrolle una aplicación de chat habilitada para la visión.
Módulo 35: Generar imágenes con IA.
En Azure AI Foundry, puede usar modelos de generación de imágenes para crear imágenes originales basadas en mensajes de lenguaje natural.
• ¿Qué son los modelos de generación de imágenes?
• Exploración de modelos de generación de imágenes en el portal de Azure AI Foundry.
• Creación de una aplicación cliente que usa un modelo de generación de imágenes.
• Ejercicio: Generar imágenes con IA.
Ruta de aprendizaje: Desarrollo de soluciones de extracción de información de IA en Azure.
Use Azure AI para extraer información del contenido para admitir escenarios como Captura de datos, automatización de procesos de negocio, resumen y análisis de la reunión, gestión de activos digitales (DAM)y minería del conocimiento.
Módulo 36: Creación de una solución de análisis multimodal con Azure AI Content Understanding.
Use Azure AI Content Understanding para el análisis de contenido multimodal y la extracción de información.
• ¿Qué es Azure AI Content Understanding?
• Creación de un analizador de comprensión del contenido.
• Uso de la API de REST de Content Understanding.
• Ejercicio: extraer información de contenido multimodal.
Módulo 37: Creación de una aplicación cliente de Azure AI Content Understanding.
Use la API de REST de Azure AI Content Understanding para el análisis de contenido multimodal y la extracción de información.
• Preparación para usar la API de REST de AI Content Understanding.
• Creación de un analizador de comprensión del contenido.
• Analizar contenido.
• Ejercicio: Desarrollo de una aplicación cliente de comprensión del contenido.
Módulo 38: Uso de modelos de inteligencia de documentos prediseñados.
Obtenga información sobre qué datos puede analizar eligiendo modelos de Forms Analyzer prediseñados y cómo implementar estos modelos en una solución de inteligencia de documentos.
• Descripción de los modelos precompilados.
• Usar los modelos Documento general, Lectura y Presentación.
• Usar modelos financieros, de identificación e impuestos.
• Ejercicio: Análisis de un documento mediante Azure AI Document Intelligence.
Módulo 39: Extracción de datos de formularios con Azure Document Intelligence.
La inteligencia de documentos utiliza la tecnología de aprendizaje automático para identificar y extraer pares clave-valor y datos de tablas de documentos de formulario con precisión, a escala. En este módulo se enseña a usar el servicio cognitivo de Azure Document Intelligence.
• ¿Qué es Azure Document Intelligence?
• Introducción a Azure Document Intelligence.
• Entrenamiento de modelos personalizados.
• Uso de modelos de Azure Document Intelligence.
• Uso de Azure Document Intelligence Studio.
• Ejercicio: extraer datos de formularios personalizados
Módulo 40: Creación de una solución de minería de conocimiento con Azure AI Search.
Desbloquee la información oculta de los datos con Azure AI Search. En este módulo, aprenderá a implementar una solución de minería de conocimiento que extrae y enriquece los datos, haciéndolos buscables y listos para un análisis más profundo.
• ¿Qué es Azure AI Search?
• Extracción de datos con un indexador
• Enriquecer los datos extraídos con habilidades de IA.
• Buscar en un índice.
• Conservar la información extraída en un almacén de conocimiento.
• Ejercicio: Creación de una solución de minería de conocimiento.
|
