Módulo 1: Introducción a la inteligencia artificial en Azure.
Con la inteligencia artificial, se pueden crear soluciones que hace poco parecían de ciencia ficción; posibilitar increíbles avances en la atención sanitaria, la administración financiera, la protección del medioambiente y otras áreas para lograr un mejor mundo para todos.
• Introducción a la inteligencia artificial.
• Descripción del aprendizaje automático.
• Descripción de la detección de anomalías.
• Descripción de la visión informática.
• Descripción del procesamiento de lenguaje natural.
• Descripción de la minería del conocimiento.
• Desafíos y riesgos con la inteligencia artificial.
• Descripción de la inteligencia artificial responsable.
Módulo 2: Uso de aprendizaje automático automatizado en Azure Machine Learning.
Entrenar un modelo de Machine Learning es un proceso iterativo que requiere tiempo y recursos de proceso. El ML automatizado puede ayudar a que sea más sencillo.
• ¿Qué es Machine Learning?
• ¿Qué es Azure Machine Learning Studio?
• Descripción del aprendizaje automático automatizado de Azure.
• Comprender el proceso de AutoML.
• Ejercicio:
- Exploración del aprendizaje automático automatizado en Azure ML.
Módulo 3: Creación de un modelo de regresión con el diseñador de Azure Machine Learning.
La regresión es una técnica de aprendizaje automático supervisado que se usa para predecir valores numéricos. Obtenga información sobre cómo crear modelos de regresión con el Diseñador de Azure Machine Learning.
• Identificación de escenarios de aprendizaje automático de regresión.
• ¿Qué es Azure Machine Learning?
• ¿Qué es el diseñador de Azure Machine Learning?
• Comprensión de los pasos para la regresión.
• Ejercicio:
- Exploración de la regresión con el diseñador de Azure Machine Learning.
Módulo 4: Creación de un modelo de clasificación con el diseñador de Azure Machine Learning.
La clasificación es una técnica de aprendizaje automático supervisado que se usa para predecir categorías o clases. Obtenga información sobre cómo crear modelos de clasificación con el diseñador de Azure Machine Learning.
• Identificación de escenarios de aprendizaje automático de clasificación.
• ¿Qué es Azure Machine Learning?
• ¿Qué es el diseñador de Azure Machine Learning?
• Descripción de los pasos para la clasificación.
• Ejercicio:
- Exploración de la clasificación con el diseñador de Azure Machine Learning.
Módulo 5: Creación de un modelo de agrupación en clústeres con el diseñador de Azure Machine Learning.
La agrupación en clústeres es una técnica de aprendizaje automático no supervisada que se utiliza para agrupar entidades similares en función de sus características. Obtenga información sobre cómo crear modelos de agrupación en clústeres con el diseñador de Azure Machine Learning.
• Creación de un área de trabajo de Azure Machine Learning.
• Creación de recursos de proceso.
• Exploración de datos.
• Creación y ejecución de una canalización de entrenamiento.
• Evaluación de un modelo de agrupación en clústeres.
• Creación de una canalización de inferencia.
• Implementación de un servicio predictivo.
Módulo 6: Análisis de imágenes con el servicio Computer Vision.
El servicio Computer Vision permite a los ingenieros de software crear soluciones inteligentes que extraigan información de imágenes; tarea común en muchos escenarios de inteligencia artificial (AI).
• Introducción al análisis de imágenes en Azure.
• Ejercicio:
- Análisis de imágenes con el servicio Computer Vision.
Módulo 7: Clasificación de imágenes con el servicio Custom Vision.
La clasificación de imágenes es una carga de trabajo habitual en las aplicaciones de inteligencia artificial (IA). Aprovecha la eficacia predictiva del aprendizaje automático para permitir que los sistemas de inteligencia artificial identifiquen elementos reales en función de imágenes.
• Información sobre la clasificación.
• Introducción a la clasificación de imágenes en Azure.
• Ejercicio:
- Creación de una solución de clasificación de imágenes.
Módulo 8: Detección de objetos en imágenes con el servicio Custom Vision.
La detección de objetos es una forma de visión informática en la que los agentes de inteligencia artificial (AI) pueden identificar y buscar tipos específicos de objeto en una fuente de cámara o de imagen.
• ¿Qué es la detección de objetos?
• Introducción a la detección de objetos en Azure.
• Ejercicio:
- Creación de una solución de detección de objetos.
Módulo 9: Detección y análisis de caras con el servicio Face.
La detección de caras, el análisis y el reconocimiento son funcionalidades importantes para las soluciones de inteligencia artificial (IA). El servicio cognitivo Face de Azure facilita la integración de estas funcionalidades en sus aplicaciones.
• Introducción al análisis de Face en Azure.
• Ejercicio:
- Exploración de la detección de caras.
Módulo 10: Lectura de textos con el servicio Computer Vision.
El reconocimiento óptico de caracteres (OCR) hace que los sistemas de inteligencia artificial (IA) puedan leer texto en imágenes, lo que permite a las aplicaciones extraer información de fotografías, documentos digitalizados y otros orígenes de texto digitalizado.
• Introducción a Read API en Azure.
• Ejercicio:
- Exploración del reconocimiento óptico de caracteres con Read API.
Módulo 11: Análisis de recibos con el servicio Form Recognizer.
Procesar facturas y recibos es una tarea común en muchos escenarios empresariales. Las organizaciones están migrando cada vez más a inteligencia artificial (IA) para automatizar la extracción de datos de recibos escaneados.
• Introducción al análisis de recibos en Azure.
• Ejercicio:
- Análisis de recibos con Form Recognizer.
Módulo 12: Análisis de texto con el servicio Language.
Explore la minería y el análisis de texto con las características de procesamiento de lenguaje natural (NLP) del servicio Language, que incluyen análisis de sentimiento, extracción de frases clave, reconocimiento de entidades con nombre y detección del idioma.
• Introducción al análisis de texto.
• Ejercicio:
- Exploración del análisis de texto.
Módulo 13: Reconocimiento y síntesis de voz.
Aprenda a reconocer y sintetizar mensajes de voz mediante Azure Cognitive Services.
• Introducción a la voz en Azure.
• Ejercicio:
- Exploración de la voz.
Módulo 14: Traducción de texto y voz.
Las funcionalidades de traducción automatizada de una solución de inteligencia artificial permiten una colaboración más estrecha, ya que eliminan las barreras de idioma.
• Introducción a la traducción en Azure.
• Ejercicio:
- Traducción de texto y voz.
Módulo 15: Creación de un modelo de lenguaje con el reconocimiento del lenguaje conversacional.
En este módulo, se presenta el reconocimiento del lenguaje conversacional y se muestra cómo crear aplicaciones que entiendan el lenguaje.
• Introducción al reconocimiento del lenguaje conversacional.
• Ejercicio:
- Creación de una aplicación de reconocimiento del lenguaje conversacional.
Módulo 16: Compilación de un bot con el servicio Language y Azure Bot Service.
Los bots son una forma popular de proporcionar soporte técnico a través de varios canales de comunicación. En este módulo se describe cómo usar una knowledge base y Azure Bot Service para crear un bot que responda a las preguntas del usuario.
• Introducción al servicio Language y Azure Bot Service.
• Ejercicio:
- Creación de un bot.
