Azure AI Engineer / Lecciones en español · English
Lecciones de Azure AI Engineer AI-102
- Cómo elegir el servicio de Azure AI adecuado para cada carga de trabajo: Azure OpenAI, AI Search, Vision, Language, Speech, Translator y Document Intelligence
- Hubs, proyectos y recursos de Azure AI Foundry frente a recursos de Azure AI services de un solo servicio y multiservicio
- Planificación de implementaciones de modelos: regiones, disponibilidad de modelos, tipos de implementación (Standard, Global, Data Zone, Provisioned) y cuotas
- Implementación de recursos de Azure AI con el portal, la CLI de Azure, plantillas ARM y Bicep
- Endpoints, claves y SDK: cómo llamar a los servicios de Azure AI con REST y los SDK de Python y C#
- Autenticación: claves de API frente a Microsoft Entra ID, identidades administradas y roles RBAC de Cognitive Services
- Protección de claves y redes: Azure Key Vault, rotación de claves, endpoints privados y restricciones de red
- Ejecución de servicios de Azure AI en contenedores: contenedores conectados y desconectados y configuración de facturación
- Supervisión y costos: métricas de Azure Monitor, registros de diagnóstico, alertas, niveles de precios y presupuestos
- Principios de IA responsable y Azure AI Content Safety: categorías de daño, niveles de gravedad y listas de bloqueo
- Filtros de contenido, prompt shields y detección de fundamentación para aplicaciones de IA generativa
- Azure OpenAI y el catálogo de modelos de Azure AI Foundry: modelos de chat, razonamiento, embeddings e imágenes, y cómo elegir e implementar uno
- Chat completions: mensajes de sistema, usuario y asistente, y cómo llamar a una implementación con el SDK de Azure OpenAI
- Ajuste de la salida del modelo con parámetros: temperature, top_p, máximo de tokens, secuencias de detención y penalizaciones
- Técnicas de ingeniería de prompts: instrucciones claras, ejemplos few-shot, formatos de salida y razonamiento paso a paso
- Generación aumentada por recuperación (RAG): fundamentar un modelo en tus propios datos con Azure AI Search
- Embeddings y recuperación vectorial para RAG: fragmentación de documentos, modelos de embeddings y búsqueda por similitud
- Prompt flow en Azure AI Foundry: flujos, nodos, conexiones, variantes e implementación
- Evaluación de aplicaciones de IA generativa: evaluaciones de fundamentación, relevancia, coherencia, fluidez y seguridad
- Fine-tuning frente a ingeniería de prompts frente a RAG: cuándo conviene cada enfoque y cómo se preparan los datos de fine-tuning
- Generación de imágenes y trabajo con modelos de chat multimodales que aceptan imágenes
- Operación de aplicaciones de IA generativa: uso de tokens, límites de velocidad, latencia, seguimiento y supervisión
- Qué es un agente de IA: modelo, instrucciones y herramientas, y cuándo un agente encaja mejor que una simple aplicación de chat
- Azure AI Foundry Agent Service: agentes, hilos, mensajes y ejecuciones
- Herramientas de agentes: file search, code interpreter, Azure AI Search, OpenAPI y function calling
- Function calling: describir funciones con JSON schema y manejar las llamadas a herramientas en código
- Creación de agentes en código con Semantic Kernel, AutoGen y Microsoft Agent Framework
- Soluciones multiagente: patrones de orquestación, transferencias (handoffs) y connected agents
- Pruebas, seguridad y supervisión de agentes: seguimiento, aprobación humana y herramientas con mínimo privilegio
- Implementación de agentes e integración en aplicaciones
- Image Analysis de Azure AI Vision: captions, dense captions, etiquetas, objetos, personas y smart crops
- Lectura de texto impreso y manuscrito con la función OCR (Read) de Azure AI Vision
- Custom Vision: clasificación de imágenes (multiclase frente a multietiqueta) frente a detección de objetos
- Entrenamiento y evaluación de un modelo de Custom Vision: etiquetado de imágenes, iteraciones, precisión, recall y mAP
- Publicación y consumo de un modelo de Custom Vision: recurso de predicción, iteraciones publicadas y exportación de modelos compactos
- Azure AI Face: detección de rostros, atributos y funciones de acceso limitado
- Análisis de video con Azure AI Video Indexer
- Cómo elegir entre Image Analysis precompilado, Custom Vision y modelos multimodales para una tarea de visión
- Análisis de texto con Azure AI Language: detección de idioma, frases clave, entidades, vinculación de entidades y sentimiento con minería de opiniones
- Detección y redacción de información de identificación personal (PII) con Azure AI Language
- Traducción de texto y documentos con Azure AI Translator y Custom Translator
- Voz a texto con Azure AI Speech: transcripción en tiempo real, continua y por lotes
- Texto a voz con voces neuronales y SSML para pronunciación, pausas, velocidad y estilo
- Traducción de voz, reconocimiento de intenciones y reconocimiento de palabras clave con el Speech SDK
- Comprensión del lenguaje conversacional (CLU): intenciones, entidades, expresiones, entrenamiento e implementación
- Respuesta a preguntas personalizada: proyectos, orígenes, prompts de varios turnos, sinónimos y umbrales de confianza
- Clasificación de texto personalizada y reconocimiento de entidades con nombre personalizado
- Modelos de voz personalizados y voz neuronal personalizada: cuándo entrenarlos y límites de uso responsable
- Componentes de Azure AI Search: orígenes de datos, indexadores, índices, skillsets, niveles de servicio, réplicas y particiones
- Diseño de un índice de búsqueda: campo clave, atributos de campo (searchable, filterable, sortable, facetable, retrievable), analizadores y suggesters
- Enriquecimiento con IA mediante skills integradas: document cracking, OCR, análisis de imágenes, entidades y frases clave en un skillset
- Skills personalizadas: llamar a una Azure Function o a una API web desde un skillset
- Consultas a un índice: sintaxis simple y Lucene completa, filtros OData, facetas, ordenación y paginación
- Clasificación semántica, búsqueda vectorial y consultas híbridas en Azure AI Search
- Knowledge store: proyecciones a tablas, objetos y archivos en Azure Storage
- Modelos precompilados de Azure AI Document Intelligence: read, layout, facturas, recibos y documentos de identidad
- Modelos personalizados de Document Intelligence: template frente a neural, clasificadores personalizados y modelos compuestos
- Azure AI Content Understanding: extracción de campos de documentos, imágenes, audio y video con analizadores