Resumen detallado – AI Professional parte 1 práctica
00:00 – 01:30 — Introducción y objetivo de la clase
- Presentación del instructor y del plan de trabajo.
- Explicación de qué ejercicios prácticos se van a realizar.
01:30 – 05:00 — Configuración del entorno en Azure
- Mostrar cómo entrar al portal de Azure.
- Preparar los servicios que se van a usar (p. ej., Cognitive Services o Azure OpenAI Service).
05:00 – 12:00 — Ejercicio práctico #1 — Crear un recurso de IA
- Crear y configurar un servicio específico de IA (p. ej., Visión o Lenguaje).
- Ajustes de región, nombres, suscripción y grupo de recursos.
12:00 – 18:00 — Ejercicio práctico #2 — Uso de la API desde el portal
- Probar el servicio desde Azure (llamada de prueba o demo).
- Interpretación de resultados dentro del portal.
18:00 – 24:00 — Integración con un cliente externo
- Demostración de cómo usar el endpoint desde código (por ejemplo, PowerShell o Python).
- Configuración de llaves de API y valores para autenticación.
24:00 – 28:00 — Buenas prácticas y errores comunes
- Tips para organizar los recursos, evitar costos inesperados, y optimización.
28:00 – 30:00 — Cierre + tarea sugerida
- Recapitulación de lo que se hizo.
- Qué ver en la próxima clase práctica.
🧠 ¿Qué es realmente la Inteligencia Artificial?
La clase comienza diferenciando conceptos que muchas veces se mezclan:
- Inteligencia Artificial (IA) → El concepto amplio: sistemas capaces de realizar tareas que normalmente requieren inteligencia humana.
- Machine Learning (ML) → Subcampo de la IA que permite que los sistemas aprendan a partir de datos.
- Deep Learning → Rama del ML basada en redes neuronales profundas.
- IA Generativa → Modelos capaces de crear contenido nuevo (texto, imágenes, código, audio).
Se enfatiza algo importante:
👉 No toda IA es generativa.
👉 No todo ML es deep learning.
👉 Y no todo proyecto necesita el nivel más complejo de modelo.
☁️ ¿Por qué usar IA en la nube?
Luego se introduce el concepto de IA como servicio (AIaaS) dentro de Azure.
En lugar de:
- Entrenar modelos desde cero
- Gestionar infraestructura
- Mantener GPUs
- Administrar seguridad y escalabilidad
Azure permite consumir servicios administrados de IA, listos para usar.
Aquí aparece una de las ideas centrales del módulo:
“La nube democratiza la Inteligencia Artificial.”
Con Microsoft Azure, el foco ya no es infraestructura, sino solución de negocio.
🧩 Principales categorías de servicios de IA en Azure
La parte teórica organiza los servicios en grandes bloques:
🔎 1. Vision AI
Servicios capaces de:
- Analizar imágenes
- Detectar objetos
- Reconocer texto (OCR)
- Identificar patrones visuales
🗣 2. Speech AI
Permite:
- Convertir voz en texto
- Texto a voz
- Traducción en tiempo real
- Identificación de hablantes
💬 3. Language AI
Procesamiento de lenguaje natural para:
- Análisis de sentimiento
- Extracción de entidades
- Clasificación de texto
- Resumen automático
🧠 4. Modelos avanzados y generativos
Aquí se introduce el concepto de modelos de gran escala disponibles como servicio, incluyendo integraciones con modelos de lenguaje avanzados.
El punto teórico clave:
Azure no solo ofrece APIs simples, sino también acceso a modelos de frontera bajo estándares empresariales.
