Ruta de aprendizaje: Implementar alojamiento de aplicaciones en contenedores en Azure.
Este ruta te guía a través de los flujos de trabajo principales de alojamiento de contenedores en Azure para aplicaciones de IA y servicios de backend. Utilizas Azure Container Registry para almacenar y organizar imágenes, crear imágenes en la nube con ACR Tasks y aplicar prácticas de etiquetado y de versionado que soportan despliegues fiables. A partir de ahí, despliegas contenedores personalizados en Azure App Service, configuras el comportamiento en tiempo de ejecución como puertos, comandos de inicio y almacenamiento persistente, y externalizas la configuración específica del entorno usando la configuración de la aplicación.
Módulo 1: Almacenar y gestionar contenedores en Azure Container Registry.
Utiliza Azure Container Registry para almacenar, construir y gestionar imágenes de contenedores para aplicaciones de IA. Aprende la jerarquía del registro, crea imágenes con tareas ACR e implementa estrategias de etiquetado para despliegues fiables.
• Introducción.
• Registros, repositorios y artefactos.
• Compila y ejecuta imágenes con tareas ACR.
• Imágenes de etiquetas y versiones.
• Ejercicio: Construir y gestionar una imagen de contenedor con tareas ACR.
Módulo 2: Deploy containers to Azure App Service.
Despliega y gestiona aplicaciones contenedorizadas en Azure App Service configurando fuentes de contenedores, ajustes de ejecución, configuración de aplicaciones y diagnósticos.
• Deploy containers to Azure App Service.
• Configurar el comportamiento en tiempo de ejecución del contenedor.
• Configurar la configuración de la aplicación.
• Observa y soluciona problemas con aplicaciones contenedorizadas.
• Ejercicio: Desplegar un contenedor en Azure App Service.
Módulo 3: Ejecutar aplicaciones de IA habilitadas para sidecar en Azure App Service.
Utiliza sidecars de Azure App Service para ejecutar componentes de IA estrechamente acoplados junto a un contenedor principal de aplicaciones de Linux. Configura las imágenes seguras de obtención, comunicación local, archivos compartidos y diagnósticos para toda la aplicación.
• Elige el patrón sidecar de App Service.
• Configurar contenedores principales y sidecar.
• Conecta contenedores y comparte archivos.
• Diagnosticar fallos en sidecar.
• Ejercicio: Desplegar una API de IA con un sidecar local que sirva de modelos.
Ruta de aprendizaje: Despliega y gestiona aplicaciones en Azure Container Apps.
Esta ruta te guía a lo largo de todo el ciclo de vida de ejecutar aplicaciones conteneorizadas en Azure Container Apps. Empiezas desplegando aplicaciones contenedor en los entornos, configurando ajustes de ejecución con variables y secretos del entorno, y configurando la autenticación del registro.
Luego gestionas el ciclo de vida del segundo día actualizando imágenes, gestionando revisiones, monitorizando registros y configurando sondas de salud. A continuación, configuras la escalada horizontal automática usando reglas HTTP, escaladores KEDA y gestión de tráfico para optimizar el rendimiento y el coste. Por último, utilizas sesiones dinámicas de Azure Container Apps para ejecutar de forma segura código generado por IA y enviado por usuarios en entornos aislados, intercambiar archivos y gestionar el ciclo de vida y fallos de las sesiones.
Módulo 4: Despliegue contenedores en Azure Container Apps.
Crear y gestionar despliegues de contenedores en Azure Container Apps. Trabajar con entornos, configuración en tiempo de ejecución, autenticación de registros y técnicas de verificación de despliegue.
• Explora entornos de Contenedores Apps.
• Despliega una aplicación contenedor usando la CLI de Azure y YAML.
• Configurar configuraciones de ejecución con variables de entorno y secretos.
• Configurar la autenticación de tiradas de imagen para registros privados.
• Verificar despliegues con registros y estado.
• Ejercicio: Desplegar una API de backend contenedor en aplicaciones de contenedores.
Módulo 5: Manage containers in Azure Container Apps.
Gestiona las aplicaciones contenedor a lo largo del ciclo de vida del segundo día. Actualizar imágenes, gestionar revisiones, diagnosticar despliegues fallidos, ajustar recursos y escalado, y solucionar problemas con logs y sondas de salud.
• Actualizar imágenes y gestionar las revisiones de forma segura.
• Gestionar el ciclo de vida de la app contenedor.
• Monitorizar registros y solucionar problemas.
• Configurar sondas de salud y solucionar fallos.
• Optimizar los recursos y el escalado de contenedores.
• Ejercicio: Diagnosticar y arreglar un despliegue que falla.
Módulo 6: Escalar containers en Azure Container Apps.
Aprende a configurar el escalado horizontal automático para aplicaciones contenedorizadas en Azure Container Apps. Configura reglas de escalado HTTP, TCP, CPU y memoria, implementa escalado orientado a eventos con KEDA, optimiza recursos de cómputo y aplica modos de revisión para la gestión del tráfico.
• Configurar reglas de escala.
• Implementar escalado orientado a eventos con KEDA.
• Aplicar escaladores KEDA para cargas de trabajo personalizadas.
• Seleccionar recursos de cálculo por rendimiento y coste.
• Elegir y aplicar modos de revisión.
• Ejercicio: Configurar el escalado automático usando disparadores KEDA.
Módulo 7: Ejecuta código generado por IA de forma segura en sesiones dinámicas de Azure Container Apps.
Utiliza sesiones dinámicas de Azure Container Apps para ejecutar código generado por IA y enviado por usuarios en entornos aislados. Configurar grupos de sesiones seguros, integrar código de aplicación, intercambiar archivos y gestionar el ciclo de vida y los fallos de la sesión.
• Elige un grupo dinámico de sesiones.
• Configurar un pool de sesiones seguro.
• Ejecutar código e intercambiar archivos.
• Gestionar el ciclo de vida y los fallos de ejecución.
• Ejercicio: Ejecutar código generado por IA de forma segura en sesiones dinámicas de Azure Container Apps.
Ruta de aprendizaje: Despliegue y monitoreo de aplicaciones en Azure Kubernetes Service.
Este camino de aprendizaje te guía a lo largo de todo el ciclo de vida de ejecutar aplicaciones en Azure Kubernetes Service. Empiezas creando manifiestos de despliegue y exponiendo aplicaciones con Kubernetes Services. Luego externalizas la configuración usando ConfigMaps, aseguras la configuración sensible con Secretos y asocias almacenamiento persistente para cargas de trabajo con estado. Por último, aprendes a monitorizar el estado de la aplicación usando registros y métricas, a solucionar problemas con pods y servicios, y a verificar rutas de conectividad para asegurar un acceso fiable a tus aplicaciones.
Módulo 8: Implementar aplicaciones en Azure Kubernetes Service.
Aprenda a implementar aplicaciones en Azure Kubernetes Service. Este módulo cubre la creación de manifiestos de implementación, la exposición de aplicaciones con servicios y la implementación en Azure Kubernetes Service.
• Crear manifiestos de implementación de Kubernetes.
• Exponer aplicaciones en Azure Kubernetes Services.
• Implementar aplicaciones en Azure Kubernetes Services.
• Ejercicio: Implementar una API de inferencia de IA en Azure Kubernetes Service.
Módulo 9: Configurar aplicaciones en Azure Kubernetes Service.
Aprenda a externalizar la configuración, proteger la configuración confidencial y adjuntar almacenamiento persistente utilizando las funciones de Kubernetes en Azure Kubernetes Service.
• Definir ConfigMaps para la configuración de la aplicación.
• Implementar secretos para datos confidenciales.
• Adjuntar almacenamiento persistente a una aplicación.
• Ejercicio: Configurar aplicaciones en Azure Kubernetes Service.
Módulo 10: Supervise y solucione problemas de aplicaciones en Azure Kubernetes Service.
Aprenda a monitorear el estado de la aplicación, inspeccionar registros y métricas, solucionar problemas de pods y servicios, y verificar la conectividad para las cargas de trabajo de IA en Azure Kubernetes Service (AKS).
• Supervisar los registros y métricas de la aplicación.
• Solucionar problemas de pods y servicios.
• Verificar la conectividad del servicio y los puntos finales.
• Ejercicio: Solucionar problemas de aplicaciones en Azure Kubernetes Service.
Ruta de aprendizaje: Desarrollar soluciones de IA con Azure Cosmos DB para NoSQL.
Esta ruta te guía en el desarrollo de soluciones de IA usando Azure Cosmos DB para NoSQL. Empiezas construyendo una base de datos con el modelo de recursos de Cosmos DB, integración del SDK, operaciones CRUD y consultas SQL para recuperar datos de documentos para aplicaciones de IA.
Luego implementas capacidades de búsqueda vectorial para almacenar incrustaciones, ejecutas consultas de similitud usando la función VectorDistance, combinas la búsqueda vectorial con filtros de metadatos y búsqueda híbrida, y usas el feed de cambios para mantener sincronizadas las incrustaciones.
Por último, optimizas el rendimiento de las consultas analizando patrones de consulta, configurando índices de rango y compuestos, seleccionando tipos de índices vectoriales y eligiendo niveles de consistencia que equilibren frescura con eficiencia de costes.
Módulo 11: Compilación de consultas para Azure Cosmos DB for NoSQL.
Aprenda a conectarse a Azure Cosmos DB para NoSQL usando el SDK, realizar operaciones de datos en elementos y escribir consultas SQL eficientes para recuperar datos de documentos para aplicaciones de IA.
• Explora Azure Cosmos DB para NoSQL.
• Implementar Azure Cosmos DB para NoSQL SDK.
• Consulta de Azure Cosmos DB para NoSQL.
• Ejercicio: Cree un almacén de documentos RAG en Azure Cosmos DB para NoSQL.
Módulo 12: Implementar búsqueda vectorial en Azure Cosmos DB para NoSQL.
Aprenda a almacenar incrustaciones vectoriales, ejecutar consultas de similitud utilizando la función VectorDistance, combinar la búsqueda vectorial con filtros de metadatos y búsqueda híbrida, y use la alimentación de cambios para mantener las incrustaciones sincronizadas.
• Almacenar y recuperar incrustaciones en Azure Cosmos DB.
• Ejecutar consultas de similitud vectorial para la búsqueda semántica.
• Combinar resultados de similitud vectorial con filtrado de metadatos.
• Utilice el feed de cambio para activar la actualización de incrustación.
• Ejercicio: Cree una aplicación de búsqueda semántica con Azure Cosmos DB para NoSQL.
Módulo 13: Optimizar el rendimiento de la consulta para Azure Cosmos DB para NoSQL.
Aprenda a optimizar el rendimiento de la consulta analizando los patrones de consulta, configurando el rango y los índices compuestos, seleccionando tipos de índices vectoriales y eligiendo niveles de consistencia que equilibren la frescura con la eficiencia de costos.
• Comprender los índices en Azure Cosmos DB.
• Configurar rango e índices compuestos.
• Sintonizar índices vectoriales para incrustar cargas de trabajo.
• Reduzca los costos de RU con la indexación estratégica.
• Elija los niveles de consistencia para un rendimiento óptimo.
• Ejercicio: Optimice el rendimiento de la consulta con índices vectoriales en Azure Cosmos DB para NoSQL.
Ruta de aprendizaje: Desarrollar soluciones de IA con Azure Database para PostgreSQL.
Esta ruta de aprendizaje te guía en el desarrollo de soluciones de IA usando Azure Database para PostgreSQL. Empiezas construyendo una base de datos con diseño de esquemas, consultas SQL eficientes e integración segura con Python usando autenticación Microsoft Entra.
Luego implementas búsqueda vectorial usando la extensión pgvector para almacenar incrustaciones, ejecutas búsquedas de similitud con diferentes métricas de distancia y construyes patrones de recuperación que se integran con pipelines RAG para búsqueda semántica y recomendaciones.
Por último, optimizas el rendimiento de la búsqueda vectorial ajustando la configuración de PostgreSQL y pgvector, seleccionando índices vectoriales apropiados, diseñando diseños de datos eficientes, escalando para cargas de trabajo de alto volumen e implementando pooling de conexiones para aplicaciones de IA.
Módulo 14: Compilar y consultar con Azure Database for PostgreSQL.
Aprende a usar Azure Database para PostgreSQL para construir bases de datos para aplicaciones de IA. Diseña esquemas, escribe consultas eficientes e integra con aplicaciones Python mediante autenticación segura.
• Explore Azure Database for PostgreSQL.
• Conectarse a PostgreSQL.
• Crear y gestionar esquemas.
• Datos de consulta.
• Integrar SDKs y aplicaciones.
• Ejercicio: Construir un backend de herramienta agente en Azure Database para PostgreSQL.
Módulo 15: Implementar búsqueda vectorial con Azure Database para PostgreSQL.
Aprende cómo implementar la búsqueda vectorial usando la extensión pgvector en Azure Database para PostgreSQL. Almacenar incrustaciones, crear índices vectoriales y construir patrones de recuperación semántica para aplicaciones de IA.
• Almacenar y consultar incrustaciones con pgvector.
• Realizar búsqueda rápida de similitud vectorial.
• Gestionar el ciclo de vida del índice y actualizaciones de incrustación.
• Búsqueda de similitud vectorial de ejecución para la recuperación semántica.
• Implementar patrones de recuperación para pipelines RAG.
• Ejercicio: Implementar búsqueda vectorial en Azure Database para PostgreSQL.
Módulo 16: Optimizar la búsqueda vectorial en Azure Database para PostgreSQL.
Aprende a optimizar el rendimiento de búsqueda vectorial en Azure Database para PostgreSQL usando pgvector. Ajusta los parámetros de configuración, selecciona y configura índices vectoriales, diseña diseños de datos eficientes, escala para cargas de trabajo de alto volumen e implementa pooling de conexiones para aplicaciones de IA.
• Modificar PostgreSQL para pgvector.
• Elegir y configurar índices vectoriales.
• Optimizar la disposición de los datos.
• Escala para cargas de trabajo de alto volumen.
• Optimización de conexiones.
• Ejercicio: Optimizar el rendimiento de búsqueda vectorial en Azure Database para PostgreSQL.
Ruta de aprendizaje: Mejora las soluciones de IA con Azure Managed Redis.
Aprende a usar Azure Managed Redis para mejorar tus soluciones de IA, incluyendo estrategias de caché, operaciones de datos, mensajería de eventos y almacenamiento vectorial.
Módulo 17: Implementar operaciones de datos en Azure Managed Redis.
Aprende cómo implementar operaciones de datos en Azure Managed Redis. Este módulo cubre las funciones de Azure Managed Redis, las mejores prácticas de las bibliotecas de clientes y cómo almacenar y recuperar datos de forma eficiente.
• Explore Azure Managed Redis.
• Bibliotecas de clientes y mejores prácticas de desarrollo.
• Implementar operaciones de datos.
• Ejercicio: Realizar operaciones de datos en Azure Managed Redis
Módulo 18: Implementar la mensajería de eventos con Azure Managed Redis.
Aprende a implementar mensajería de eventos con Azure Managed Redis, incluyendo pub/sub para notificaciones de difusión y Redis Streams para un procesamiento fiable de tareas asíncronas. Este módulo cubre la construcción de sistemas de notificación en tiempo real y la coordinación de pipelines de procesamiento en varios pasos.
• Publica y suscríbete a los eventos con Redis pub/sub.
• Implementar colas de tareas con Redis Streams.
• Elige entre la emisión y la distribución coordinada.
• Ejercicio: Publicar y suscribirse a eventos en Azure Managed Redis.
Módulo 19: Implementar almacenamiento vectorial en Azure Managed Redis.
Aprende a implementar almacenamiento vectorial y búsqueda de similitud en Azure Managed Redis. Este módulo abarca la creación de índices vectoriales, la consulta de incrustaciones, la elección de tipos de vectores y estrategias de indexación, y la selección de estructuras de datos óptimas para aplicaciones de IA.
• Datos de índice y vector de consulta.
• Elegir tipos de vectores y estrategias de indexación.
• Optimizar las estructuras de datos de Redis para almacenamiento vectorial.
• Ejercicio: Implementar búsqueda semántica en Azure Managed Redis.
Ruta de aprendizaje: Integrar servicios de backend para soluciones de IA.
Esta ruta de aprendizaje te enseña cómo construir e integrar servicios backend que soporten soluciones de IA en Azure. Empiezas usando Azure Service Bus para desacoplar componentes de aplicaciones de IA, hacer colas en solicitudes de inferencia y procesar mensajes de forma fiable con colas, temas y colas de letras muertas. Luego construyes flujos de trabajo orientados a eventos con Azure Event Grid para enrutar eventos entre servicios con baja latencia, configurar políticas de entrega y publicar eventos personalizados desde aplicaciones de IA.
Por último, creas backends de IA serverless con Azure Functions y usas Durable Functions para coordinar flujos de trabajo de larga duración con procesamiento paralelo, aprobación humana y recuperación fiable de fallos.
Módulo 20: Operaciones de IA en cola y procesos con Azure Service Bus.
Aprende a usar Azure Service Bus para desacoplar componentes de aplicaciones de IA, hacer colas de solicitudes de inferencia, distribuir cargas de trabajo de procesamiento entre consumidores competidores y gestionar fallos mediante colas de letras muertas. Este módulo cubre colas, temas con suscripciones, estructuración de mensajes para cargas útiles de IA y procesamiento fiable de mensajes con el SDK de Python.
• Explora conceptos y mensajería de Azure Service Bus en arquitecturas de IA.
• Elige entre colas y temas con suscripciones.
• Estructure mensajes para cargas de trabajo de IA.
• Procesar mensajes de forma fiable.
• Ejercicio: Procesar mensajes con Azure Service Bus.
Módulo 21: Desarrolla flujos de trabajo de IA orientados a eventos con Azure Event Grid.
Construye arquitecturas de IA reactivas usando Azure Event Grid para enrutar eventos desde las fuentes hacia los manejadores con baja latencia y alta fiabilidad. Aprende a configurar suscripciones a eventos, diseñar CloudEvents, implementar políticas de entrega y publicar eventos personalizados desde aplicaciones de IA.
• Comprender los conceptos de Azure Event Grid y los patrones impulsados por eventos para soluciones de IA.
• Trabajo con esquemas y propiedades de eventos.
• Configurar políticas de entrega y reintentos para un procesamiento fiable de eventos.
• Publicar eventos personalizados de aplicaciones de IA.
• Ejercicio: Publicar y recibir eventos con Azure Event Grid.
Módulo 22: Construye backends de IA serverless con Azure Functions.
Aprende a usar Azure Functions como computación ligera sin servidor para cargas de trabajo de IA. Construye endpoints de inferencia, procesadores de eventos e integraciones de servicios que escalen automáticamente con la demanda.
• Entiende el alojamiento y escalado de Azure Functions para cargas de trabajo de IA.
• Establecer el entorno de desarrollo local para Functions.
• Crear disparadores y vinculaciones para patrones de integración de IA.
• Gestionar secretos y configuración en Funciones.
• Configurar identidad y acceso para Funciones.
• Ejercicio: Crear un servidor MCP con Azure Functions.
Módulo 23: Orquesta flujos de trabajo de IA duraderos con Azure Durable Functions.
Aprende cómo Azure Durable Functions preserva el estado y coordina flujos de trabajo de IA de larga duración. Diseña orquestaciones deterministas que procesan, trabajan en paralelo, esperan decisiones humanas y se recuperan de fallos sin duplicar efectos secundarios externos.
• Lógica de orquestación separada del trabajo de actividad.
• Procesar trabajo independiente con fan-out/fan-in.
• Coordinar la aprobación humana con eventos externos.
• Diseña pasos fiables para el flujo de trabajo.
• Ejercicio: Construir un flujo de trabajo duradero en el procesamiento de documentos.
Ruta de aprendizaje: Gestionar secretos y configuración de aplicaciones para soluciones de IA.
Esta ruta te enseña a gestionar secretos de forma segura y centralizar la configuración de soluciones de IA en Azure. Empiezas usando Azure Key Vault para almacenar, organizar y recuperar secretos con autenticación de identidad gestionada, gestionar la versión y rotación de secretos para actualizaciones de credenciales sin inactividad, e implementar estrategias de caché que reducen las llamadas a la API manteniendo la frescura de las credenciales. Luego usas Azure App Configuration para centralizar la configuración de la aplicación, organizar pares clave-valor con etiquetas para variantes específicas del entorno, gestionar las banderas de características para despliegues controlados y referenciar los secretos de Key Vault para que la aplicación recupere la configuración y los secretos a través de un único camino.
Módulo 24: Gestionar secretos de aplicación con Azure Key Vault.
Aprende a usar Azure Key Vault para almacenar, recuperar y gestionar secretos en soluciones de IA en Azure. Este módulo cubre la organización de bóvedas, la recuperación de secretos basada en SDK con identidad gestionada, estrategias de versionado y rotación de secretos, y patrones de caché que reducen las llamadas a la API manteniendo la frescura de las credenciales.
• Almacenar y organizar secretos, llaves y certificados.
• Recuperar secretos con las bibliotecas cliente del Azure SDK.
• Gestionar la versión secreta y la rotación.
• Implementar estrategias de caché para reducir las llamadas a Key Vault.
• Ejercicio: Gestionar secretos con Azure Key Vault.
Módulo 25: Gestionar la configuración de aplicaciones con Azure App Configuration.
Aprende a usar Azure App Configuration para centralizar la configuración de aplicaciones para soluciones de IA en Azure. Este módulo cubre la conexión de código de aplicación Python con identidad gestionada, la organización de configuraciones con etiquetas y flags de características, la referencia a los secretos de Key Vault y la decisión de qué configuraciones deben estar en cada servicio.
• Conectarse a la configuración de la aplicación desde el código de la aplicación.
• Organizar configuraciones con etiquetas y flags de características.
• Secretos de Key Vault de referencia desde la configuración de aplicaciones.
• Decide qué guardar en la configuración de aplicaciones o en Key Vault.
• Ejercicio: Recuperar ajustes y secretos de la configuración de aplicaciones de Azure.
Ruta de aprendizaje: Observa y soluciona problemas con aplicaciones en Azure.
Este camino de aprendizaje te enseña cómo obtener observabilidad de extremo a extremo en aplicaciones de IA distribuidas en Azure. Empiezas instrumentando aplicaciones con OpenTelemetry para capturar trazas distribuidas, crear espacios personalizados y exportar telemetría a Azure Monitor Application Insights. Luego analizas la telemetría recopilada escribiendo consultas KQL, explorando patrones de error y tendencias de rendimiento, construyendo paneles de control y libros de trabajo para la visibilidad operativa, y configurando alertas para detectar fallos y anomalías.
Módulo 26: Instrumenta una app con OpenTelemetry.
Aprende a instrumentar aplicaciones distribuidas con OpenTelemetry en Azure, crear spans y trazas personalizadas, exportar telemetría a Azure Monitor Application Insights y usar datos de traza para depurar problemas de rendimiento en soluciones de IA distribuidas.
• Explora OpenTelemetry y su papel en la observabilidad.
• Añadir el SDK de OpenTelemetry a una aplicación.
• Configurar tramos y trazas.
• Exportar telemetría a Azure Monitor.
• Depurar flujos distribuidos con datos de traza.
• Ejercicio: Instrumenta una app con el SDK OpenTelemetry.
Módulo 27: Analizar la telemetría de la app con registros y métricas.
Aprende a escribir consultas KQL sobre registros de Application Insights, explora patrones de error y tendencias de rendimiento, crea paneles de control y libros de trabajo para una visibilidad continua, y configura alertas para detectar fallos y anomalías en soluciones de IA en Azure.
• Escribe consultas básicas de KQL.
• Explora los registros en busca de errores y rendimiento.
• Crear paneles para la telemetría de aplicaciones.
• Crea cuadernos de trabajo para análisis interactivo.
• Configura alertas para fallos y anomalías en la app.
• Ejercicio: Consultar registros con KQL.
|
