Temario curso

Sección 1: Planeamiento y administración de una solución de Azure AI

• Selección del servicio adecuado para una solución de visión artificial.
• Selección del servicio adecuado para una solución de procesamiento de lenguaje natural.
• Selección del servicio adecuado para una solución de voz.
• Selección del servicio adecuado para una solución de IA generativa.
• Selección del servicio adecuado para una solución de inteligencia de documentos.
• Selección del servicio adecuado para una solución de minería de conocimientos.

• Planeamiento de una solución que cumpla los principios de inteligencia artificial responsable.
• Creación de un recurso de Azure AI.
• Determinación de un punto de conexión predeterminado para un servicio.
• Integración de servicios de Azure AI en una canalización de integración e implementación continuas (CI/CD).
• Planeamiento y ejecución de una implementación de contenedor.

• Configuración del registro de diagnósticos.
• Supervisión de un recurso de Azure AI.
• Administración de los costos de los servicios de Azure AI.
• Administración de las claves de cuenta.
• Protección de claves de cuenta con Azure Key Vault.
• Administración de la autenticación de un recurso del servicio Azure AI.
• Administración de comunicaciones privadas.

Sección 2: Implementación de soluciones con moderación de contenido

• Implementación de una solución de moderación de texto con Seguridad del contenido de Microsoft Azure AI.
• Implementación de una solución de moderación de imágenes con Seguridad del contenido de Microsoft Azure AI.

Sección 3: Implementación de soluciones de visión artificial

• Selección de características visuales para cumplir los requisitos de procesamiento de imágenes.
• Detección de objetos en imágenes y generación de etiquetas de imagen.
• Inclusión de características de análisis de imágenes en una solicitud de procesamiento de imágenes.
• Interpretación de las respuestas de procesamiento de imágenes.
• Extracción de texto de imágenes con Visión de Azure AI.
• Conversión de texto manuscrito con Visión de Azure AI.

• Elección entre modelos de clasificación de imágenes y detección de objetos.
• Etiquetado de imágenes.
• Entrenamiento de modelos de imágenes personalizados, incluida la clasificación de imágenes y la detección de objetos.
• Evaluación de métricas de modelos de visión personalizada.
• Publicación de un modelo de visión personalizada.
• Consumo de un modelo de visión personalizada.

• Uso de Video Indexer de Azure AI para extraer información de vídeos o streaming en vivo.
• Uso del análisis espacial de Visión de Azure AI para detectar la presencia y el movimiento de personas en vídeos.

Sección 4: Implementación de soluciones de procesamiento de lenguaje natural

• Extracción de frases clave.
• Extraer entidades.
• Determinación de la opinión en un texto.
• Detección del idioma usado en el texto.
• Detección de información de identificación personal (DCP).

• Implementación de texto a voz.
• Implementación de la conversión de voz en texto.
• Mejora de la conversión de texto a voz con el lenguaje de marcado de síntesis de voz (SSML).
• Implementación de soluciones de habla personalizada.
• Implementación del reconocimiento de intenciones.
• Implementación del reconocimiento de palabras clave.

• Traducción de texto y documentos con el servicio Traductor de Azure AI.
• Implementación de la traducción personalizada, incluido el entrenamiento, la mejora y la publicación de un modelo personalizado.
• Traducción de voz a voz con el servicio Voz de Azure AI.
• Conversión de voz en texto con el servicio Voz de Azure AI.
• Traducción a varios idiomas a la vez.

• Creación de intenciones y adición de expresiones.
• Crear entidades.
• Entrenamiento, evaluación, implementación y prueba de un modelo de reconocimiento del lenguaje.
• Optimización de un modelo de reconocimiento del lenguaje.
• Consumo de un modelo de lenguaje desde una aplicación cliente.
• Copia de seguridad y recuperación de modelos de reconocimiento del lenguaje.

• Creación de un proyecto de respuesta a preguntas personalizado.
• Adición manual de pares de preguntas y respuestas.
• Importación de orígenes.
• Entrenamiento y prueba de una knowledge base.
• Publicación de una base de conocimientos.
• Creación de una conversación multiturno.
• Adición de expresiones alternativas.
• Adición de una charla a la knowledge base.
• Exportación de una base de conocimiento.
• Creación de una solución de respuesta a preguntas de varios idiomas.

Sección 5: Implementación de soluciones de inteligencia de documentos y minería de conocimientos

• Aprovisionamiento de un recurso de Búsqueda de Azure AI.
• Creación de orígenes de datos.
• Creación de un índice.
• Define a skillset (Definición de un conjunto de aptitudes).
• Implementación de aptitudes personalizadas e inclusión de estas en un conjunto de aptitudes.
• Creación y ejecución de un indexador.
• Consulta de un índice, incluida la sintaxis, la ordenación, el filtrado y los caracteres comodín.
• Administración de proyecciones del almacén de conocimiento, incluidas las proyecciones de archivos, objetos y tablas.

• Aprovisionamiento de un recurso de inteligencia de documentos.
• Uso de modelos precompilados para extraer datos de documentos.
• Implementación de un modelo de inteligencia de documentos personalizado.
• Entrenamiento, prueba y publicación de un modelo de inteligencia de documentos personalizado.
• Creación de un modelo de inteligencia de documentos compuesto.
• Implementación de un modelo de inteligencia de documentos como una aptitud personalizada de Búsqueda de Azure AI.

Sección 6: Implementación de soluciones de IA generativa

• Aprovisionamiento de un recurso de Azure OpenAI Service.
• Selección e implementación de un modelo de Azure OpenAI.
• Envío de solicitudes para generar lenguaje natural.
• Envío de solicitudes para generar código.
• Uso del modelo DALL-E para generar imágenes.
• Uso de las API de Azure OpenAI para enviar consultas y recibir respuestas.
• Uso de modelos múltiples grandes en Azure OpenAI.

• Configuración de parámetros para controlar el comportamiento generativo.
• Aplicación de técnicas de ingeniería de consultas para mejorar las respuestas.
• Uso de sus propios datos con un modelo de Azure OpenAI.
• Ajuste de un modelo de Azure OpenAI.