Contenidos, metodología y dinámica

Aquí te contaremos cuál es el contenido del curso, y cómo es la metodología y dinámica para que puedas sacarle el máximo provecho.

📂 Contenidos del curso

Los contenidos de este curso están optimizados para que conozcas los fundamentos de inteligencia artificial y las soluciones que Microsoft Azure tiene para ofrecerte a este respecto, además de facilitar tu preparación para el examen de certificación oficial AI-900 de Microsoft:

  • Durante el mismo veremos determinados contenidos teóricos que se corresponden al examen oficial de certificación.
  • Además utilizaremos principalmente el Portal de Azure y portales de IA, junto con la interfaz de la línea de comandos de Azure para realizar experiencias prácticas, no requiriéndose conocimientos previos de scripting ni de desarrollo de software (aunque van a ser valorados).

Si bien este es un curso básico e inicial para comenzar con Inteligencia Artificial en Microsoft Azure, deberás tener en cuenta que quizás se requieran de algunos conocimientos de tecnología y experiencia en TI que no son tratados aquí por tratarse de conocimientos generales.

En alto nivel, los contenidos serán los siguientes:

  • Describir las cargas de trabajo y las consideraciones de inteligencia artificial.
  • Describir los principios fundamentales del aprendizaje automático en Azure.
  • Describir las características de las cargas de trabajo de visión por ordenador en Azure.
  • Describir las características de las cargas de trabajo de procesamiento del lenguaje natural (NLP) en Azure.
  • Describir las características de las cargas de trabajo de IA generativas en Azure.
  • Preparación de la certificación.
  • Simulador de examen.

📂 Organización y Metodología

El curso “AI Fundamentals” se compone de 4 elementos fundamentales:

  • Secciones: son agrupaciones lógicas de contenido que te servirán para avanzar en forma ordenada.
  • Lecciones: dentro de cada sección te encontrarás con lecciones, que son contenidos que pueden ser textos, multimedia o guías con audio. El número de lecciones de una sección dependerá de la complejidad del tema visto. Las lecciones podrán ser marcadas como completadas y volver a tomarlas todas las veces que quieras.
  • Tareas: son ejercicios que te ayudarán a llevar a la práctica los temas teóricos vistos. En algunas ocasiones, estas asignaciones tienen guías paso a paso, y en otras son desafíos que deberás completar. Algunas tareas tienen corrección inmediata, y en otras podrías tener que aguardar la respuesta de un instructor.
  • Cuestionarios: son pruebas rápidas e informales sobre los temas vistos en la sección. También se conocen como “Quizzes”. Estos cuestionarios se aprueban con un 70% de respuestas correctas. Tendrás los intentos que quieras sin límites ni restricciones.

📂 Sugerencias para optimizar tu formación

Te brindamos las siguientes sugerencias para optimizar tu formación:

  • No saltees Secciones. Sigue el orden propuesto.
  • Haz el esfuerzo por hacer este curso cerca de la fecha en que lo has iniciado.
  • Realiza los Quizzes a conciencia: presta atención a las preguntas erradas e inténtalo nuevamente.

Agregar tu comentario

  • Programa del Curso

    • Sobre el curso “AI Fundamentals”
      • Revisión de Conocimientos: sobre el curso
    • Introducción a la Inteligencia Artificial
      • Introducción al módulo: inteligencia artificial
      • ¿Qué es la Inteligencia Artificial?
      • Historia de la Inteligencia Artificial
      • Categorías de Inteligencia Artificial
      • Cargas de trabajo comunes en IA
      • Algoritmos y modelos en IA
      • Usos y aplicaciones de la Inteligencia Artificial
      • Principios de la Inteligencia Artificial Responsable
      • Fundamentos: IA como proyecto de software
      • Revisión de conocimientos: inteligencia artificial
    • Fundamentos del Aprendizaje Automático (Machine Learning)
      • Introducción al módulo: Machine Learning
      • ¿Qué es el Aprendizaje Automático (Machine Learning)?
      • Conociendo el Aprendizaje Automático supervisado y su proceso
      • Conociendo el Aprendizaje Automático no supervisado y su proceso
      • Relación entre tipos de Aprendizaje Automático, Modelos y Algoritmos
      • Aprendizaje Automático y Microsoft Azure
      • Revisión de conocimientos: Machine Learning
    • Microsoft Azure e IA: Azure AI Services
      • Introducción al módulo: Azure AI Services
      • ¿Qué es Microsoft Azure?
      • Ejercicio: Creación de una cuenta FREE TRIAL en Azure
      • Portal de Azure: una recorrida integral
      • Ejercicio: Explorando Azure AI Services
      • Ejercicio: Creación de un recurso multipropósito de Azure AI
      • Presentación de Azure AI Foundry Portal
      • Ejercicio: Jugando con Azure AI Foundry Portal
      • Fundamentos: Azure AI, autenticación y uso a través de APIs
      • Tarea: limpieza de recursos (Azure AI Services)
      • Revisión de conocimientos: Azure AI Services
    • Visión en Azure AI: servicios generales
      • Introducción al módulo: Visión en Azure
      • IA en procesamiento de imágenes
      • Aprendizaje automático para Computer Vision
      • Visión en Azure AI: fundamentos
      • Ejercicio: creación de un recurso de Azure AI Services para Visión
      • Visión en Azure AI: análisis de imágenes
      • Ejercicio: análisis de imágenes en Vision Studio
      • Ejercicio: análisis de imágenes con código
      • Visión en Azure AI: reconocimiento óptico de caracteres
      • Ejercicio: reconocimiento óptico de caracteres con código
      • Visión en Azure AI: reconocimiento facial
      • Ejercicio: reconocimiento de caras en Vision Studio
      • Ejercicio: reconocimiento de caras con código
      • Tarea: limpieza de recursos (Visión en Azure)
      • Revisión de conocimientos: Visión en Azure
    • Visión en Azure AI: Custom Vision
      • Introducción a la sección: Custom Vision
      • ¿Por qué entrenar un modelo personalizado de reconocimiento de imágenes?
      • ¿Qué es Azure Custom Vision?
      • Ejercicio: creación de un recurso de Custom Vision
      • Ejercicio: creando un modelo personalizado de clasificación de imágenes
      • Ejercicio: validando y probando el modelo personalizado de clasificación de imágenes
      • Ejercicio: creando un modelo personalizado de detección de objetos en imágenes
      • Ejercicio: validando y probando el modelo personalizado de detección de objetos en imágenes
      • Publicación y prueba de modelos en Custom Vision
      • Tarea: limpieza de recursos (Custom Vision)
      • Revisión de conocimientos: Custom Vision
    • Lenguaje en Azure AI: servicios generales
      • Introducción al módulo: Lenguaje en Azure
      • ¿Qué es el reconocimiento de lenguaje natural?
      • Lenguaje en Azure AI: Fundamentos
      • Ejercicio: creación de un recurso de Azure AI Services para Lenguaje
      • Ejercicio: análisis de texto con Language Studio (análisis de sentimiento y opiniones)
      • Ejercicio: análisis de texto con Language Studio (respuesta a preguntas)
      • Ejercicio: análisis de texto con código
      • Tarea: limpieza de recursos (Lenguaje en Azure)
      • Revisión de conocimientos: Lenguaje en Azure
    • Lenguaje en Azure AI: Custom Question Answering
      • Introducción a la sección: Custom Question Answering
      • ¿Qué es la Inteligencia Artificial Conversacional para responder preguntas?
      • ¿Qué es Azure Custom Question Answering?
      • Ejercicio: creación de un recurso de Custom Question Answering
      • Ejercicio: creación de una base de conocimientos de preguntas frecuentes
      • Ejercicio: publicación de la base de conocimiento como un bot
      • Tarea: limpieza de recursos (Custom Question Answering)
      • Revisión de conocimientos: Custom Question Answering
    • Lenguaje en Azure AI: reconocimiento del lenguaje conversacional
      • Introducción a la sección: Conversational Language
      • Descripción del reconocimiento del lenguaje conversacional
      • ¿Qué es el reconocimiento del lenguaje conversacional en Azure?
      • Ejercicio: creación de un recurso y proyecto de Conversational Language Understanding
      • Ejercicio: creación de un asistente virtual
      • Ejercicio: implementación y prueba de nuestro asistente virtual
      • Tarea: limpieza de recursos (Conversational Language)
      • Conversational Language: conclusiones
      • Revisión de conocimientos: Conversational Language
    • Inteligencia de Documentos en Azure AI: servicios generales
      • Introducción a la sección: inteligencia de documentos
      • Inteligencia de Documentos: fundamentos
      • Introducción al análisis de recibos en Azure
      • Ejercicio: creación de un recurso de Azure AI Services para Inteligencia de Documentos
      • Ejercicio: análisis de recibos en Document Intelligence Studio
      • Ejercicio: análisis de otros documentos en  Document Intelligence Studio
      • Tarea: limpieza de recursos (Inteligencia de Documentos)
      • Inteligencia de Documentos: casos de uso
      • Revisión de conocimientos: inteligencia de documentos
    • Búsqueda en Azure AI: minería de conocimiento
      • Introducción a la sección: minería de conocimiento
      • ¿Qué es Azure AI Search?
      • Identificación de elementos de una solución de búsqueda
      • Fundamentos de índices y consulta de datos
      • Ejercicio: creación de recursos en Azure para minería de conocimientos
      • Ejercicio: configuración de recursos para crear solución de minería de conocimientos
      • Ejercicio: utilización de la solución de minería de conocimiento
      • Tarea: limpieza de recursos (Minería de Conocimiento)
      • Minería de conocimientos: casos de uso
      • Revisión de conocimientos: minería de conocimiento
    • Azure Machine Learning: aprendizaje automático automatizado (AutoML)
      • Introducción al módulo: Aprendizaje Automático Automatizado con AML
      • ¿Qué es Azure Machine Learning?
      • ¿Qué es el Aprendizaje Automático Automatizado?
      • Ejercicio: creación de un recurso de Azure Machine Learning
      • Ejercicio: exploración de Machine Learning Studio
      • Recordando los modelos de regresión
      • Ejercicio: resolviendo un problema de regresión con AutoML en Azure
      • Ejercicio: análisis de resultados del modelo de regresión creado
      • Ejercicio: desplegando el modelo creado con AML
      • Tarea: limpieza de recursos (Aprendizaje Automático Automatizado con AML)
      • Aprendizaje Automático Automatizado con AML: conclusiones
      • ¿Qué hay más allá del Aprendizaje Automático Automatizado? Diseñador de AML
      • Revisión de conocimientos: Aprendizaje Automático Automatizado con AML
    • Fundamentos de la Inteligencia Artificial Generativa
      • Introducción a la sección: IA Generativa
      • ¿Qué es la inteligencia artificial generativa?
      • Modelos de lenguaje de gran escala (LLMs)
      • ¿Qué son los copilotos?
      • Ejercicio: Explorando Microsoft Copilot
      • Azure OpenAI Services
      • Ejercicio: creación de un recurso de Azure OpenAI Services
      • Ejercicio: explorando Azure OpenAI Services
      • Tarea: limpieza de recursos (IA Generativa)
      • Revisión de conocimientos: IA Generativa
    • Preparación para la certificación
      • ¿Qué debo hacer si quiero certificarme en AI Fundamentals?
      • Tips para una buena preparación del AI-900
      • Examen de Prueba (simulador)
    • Cierre del curso
      • Ayúdanos a difundir esta iniciativa
      • Danos feedback y obtiene tu certificado
  • Uso de IA

    Este es el uso semanal que le has dado al copiloto con IA de este curso:

    0%
  • Ir a la barra de herramientas