CC

Guia oficial del examen AI-102

Formato del examen, dominios y consejos de preparacion

AI-102: Guía de estudio para el diseño e implementación de una solución de IA de Microsoft Azure

Descripción general del examen

  • Certificación: Asociado de Ingeniero de IA de Microsoft Azure
  • Código del examen: AI-102
  • Audiencia objetivo: Ingenieros de IA que construyen, gestionan e implementan soluciones de IA en Azure
  • Experiencia requerida: Desarrollo en Python o C#, API/SDK de REST, principios de IA responsable

Habilidades evaluadas (a partir del 30 de abril de 2025)

1. Planificar y gestionar una solución de IA de Azure (20-25%)

Seleccionar los servicios apropiados de Azure AI Foundry

  • Seleccionar un servicio para una solución de IA generativa
  • Seleccionar un servicio para una solución de visión artificial
  • Seleccionar un servicio para una solución de procesamiento del lenguaje natural
  • Seleccionar un servicio para una solución de voz
  • Seleccionar un servicio para una solución de extracción de información
  • Seleccionar un servicio para una solución de minería de conocimiento

Planificar, crear e implementar un servicio de Azure AI Foundry

  • Planificar una solución que cumpla con los principios de IA responsable
  • Crear un recurso de IA de Azure
  • Elegir los modelos de IA adecuados
  • Implementar modelos de IA utilizando las opciones de implementación apropiadas
  • Instalar y utilizar SDK y API
  • Determinar el punto final predeterminado del servicio
  • Integrar los servicios de Azure AI Foundry en la canalización de CI/CD
  • Planificar e implementar la implementación en contenedores

Gestionar, supervisar y proteger un servicio de Azure AI Foundry

  • Supervisar el recurso de IA de Azure
  • Gestionar los costos de los servicios de Azure AI Foundry
  • Gestionar y proteger las claves de cuenta
  • Gestionar la autenticación para el recurso del servicio de Azure AI Foundry

Implementar soluciones de IA de forma responsable

  • Implementar soluciones de moderación de contenido
  • Configurar los insights de IA responsable (seguridad de contenido)
  • Implementar IA responsable (filtros de contenido, listas negras)
  • Prevenir comportamientos dañinos (protectores de solicitud, detección de daños)
  • Diseñar un marco de gobernanza de IA responsable

2. Implementar soluciones de IA generativa (15-20%)

Crear soluciones de IA generativa con Azure AI Foundry

  • Planificar y preparar una solución de IA generativa
  • Implementar el centro, el proyecto y los recursos con Azure AI Foundry
  • Implementar el modelo de IA generativa apropiado
  • Implementar una solución de flujo de solicitud
  • Implementar el patrón RAG mediante el anclaje del modelo en datos
  • Evaluar modelos y flujos
  • Integrar el proyecto en una aplicación con el SDK de Azure AI Foundry
  • Utilizar plantillas de solicitud

Utilizar Azure OpenAI en modelos de Foundry

  • Aprovisionar Azure OpenAI en el recurso de Modelos de Foundry
  • Seleccionar e implementar el modelo de Azure OpenAI
  • Enviar solicitudes para generar código y lenguaje natural
  • Utilizar el modelo DALL-E para generar imágenes
  • Integrar Azure OpenAI en aplicaciones
  • Utilizar modelos multimodales de gran tamaño
  • Implementar el Asistente de Azure OpenAI

Optimizar y operacionalizar la solución de IA generativa

  • Configurar parámetros para controlar el comportamiento generativo
  • Configurar la supervisión y el diagnóstico de modelos
  • Optimizar y gestionar los recursos de implementación
  • Habilitar el rastreo y recopilar comentarios
  • Implementar la reflexión del modelo
  • Implementar contenedores para dispositivos locales y periféricos
  • Implementar la orquestación de varios modelos de IA generativa
  • Aplicar técnicas de ingeniería de solicitudes
  • Ajustar finamente los modelos generativos

3. Implementar una solución de agentes (5-10%)

Crear agentes personalizados

  • Comprender el papel y los casos de uso de los agentes
  • Configurar los recursos para construir agentes
  • Crear un agente con el servicio Azure AI Foundry Agent
  • Implementar agentes complejos con Semantic Kernel y Autogen
  • Implementar flujos de trabajo complejos (orquestación, multi-agente, autónomo)
  • Probar, optimizar e implementar agentes

4. Implementar soluciones de visión artificial (10-15%)

Analizar imágenes

  • Seleccionar características visuales para el procesamiento de imágenes
  • Detectar objetos y generar etiquetas de imagen
  • Incluir características de análisis de imágenes en las solicitudes de procesamiento
  • Interpretar las respuestas de procesamiento de imágenes
  • Extraer texto de imágenes utilizando Azure AI Vision
  • Convertir texto manuscrito

Implementar modelos de Custom Vision

  • Elegir entre clasificación de imágenes y detección de objetos
  • Etiquetar imágenes
  • Entrenar modelos de imágenes personalizados
  • Evaluar las métricas del modelo de visión personalizada
  • Publicar modelos de visión personalizada
  • Consumir modelos de visión personalizada
  • Construir modelos de visión personalizada de forma programática

Analizar vídeos

  • Utilizar Azure AI Video Indexer para obtener información sobre vídeos/transmisiones en vivo
  • Utilizar Azure AI Vision Spatial Analysis para la detección y el movimiento de personas

5. Implementar soluciones de procesamiento del lenguaje natural (15-20%)

Analizar y traducir texto

  • Extraer frases clave y entidades
  • Determinar el sentimiento del texto
  • Detectar idioma
  • Detectar información de identificación personal (PII)
  • Traducir texto y documentos utilizando Azure AI Translator

Procesar y traducir voz

  • Integrar capacidades de habla generativa de IA
  • Implementar texto a voz y voz a texto
  • Mejorar el texto a voz utilizando SSML
  • Implementar soluciones de voz personalizadas
  • Implementar reconocimiento de intención y palabras clave
  • Traducir voz a voz y voz a texto

Implementar modelos de lenguaje personalizados

  • Crear intenciones, entidades y expresiones
  • Entrenar, evaluar, implementar y probar modelos de comprensión del lenguaje
  • Optimizar, hacer copias de seguridad y recuperar modelos
  • Consumir modelos de lenguaje desde aplicaciones cliente
  • Crear proyectos de respuesta a preguntas personalizada
  • Agregar pares de preguntas-respuestas e importar fuentes
  • Entrenar, probar y publicar bases de conocimiento
  • Crear conversaciones de múltiples turnos
  • Agregar formulaciones alternativas y charla
  • Exportar bases de conocimiento
  • Crear soluciones de respuesta a preguntas multilingüe
  • Implementar traducción personalizada

6. Implementar soluciones de minería de conocimiento y extracción de información (15-20%)

Implementar la solución de Azure AI Search

  • Aprovisionar el recurso de Azure AI Search
  • Crear un índice y definir un conjunto de habilidades
  • Crear fuentes de datos e indexadores
  • Implementar habilidades personalizadas en los conjuntos de habilidades
  • Crear y ejecutar indexadores
  • Consultar el índice (sintaxis, ordenación, filtrado, comodines)
  • Gestionar las proyecciones de Knowledge Store

Implementar soluciones de almacén semántico y vectorial

  • Configurar la búsqueda semántica
  • Implementar la búsqueda vectorial
  • Enfoques de búsqueda híbridos

Implementar la solución de Azure AI Document Intelligence

  • Aprovisionar el recurso de Document Intelligence
  • Utilizar modelos preconfigurados para la extracción de datos
  • Implementar modelos de inteligencia de documentos personalizados
  • Entrenar, probar y publicar modelos personalizados
  • Crear modelos de inteligencia de documentos compuestos

Extraer información con Azure AI Content Understanding

  • Crear una canalización de OCR para la extracción de texto
  • Resumir, clasificar y detectar atributos de documentos
  • Extraer entidades, tablas e imágenes
  • Procesar e ingerir varios tipos de contenido

Servicios clave de IA de Azure

Servicio Azure OpenAI

  • Modelos GPT (GPT-4, GPT-3.5)
  • DALL-E para generación de imágenes
  • Modelos de incrustaciones
  • API de finalización de chat
  • Llamada a funciones

Azure AI Vision

  • Análisis de imágenes
  • OCR (API Read)
  • Custom Vision
  • Face API
  • Video Indexer
  • Análisis espacial

Azure AI Language

  • Text Analytics
  • Language Understanding (LUIS)
  • Question Answering
  • Translator
  • Custom Named Entity Recognition

Azure AI Speech

  • Voz a texto
  • Texto a voz
  • Traducción de voz
  • Reconocimiento de voz
  • Voz personalizada

Azure AI Document Intelligence

  • Modelos preconfigurados (facturas, recibos, identificación)
  • Modelos de extracción personalizados
  • API de diseño
  • Modelo de documento general

Azure AI Search

  • Búsqueda de texto completo
  • Búsqueda semántica
  • Búsqueda vectorial
  • Enriquecimiento de IA
  • Minería de conocimiento

Conceptos importantes

IA responsable

  • Equidad: Evitar sesgos
  • Fiabilidad y seguridad: Rendimiento coherente
  • Privacidad y seguridad: Protección de datos
  • Inclusión: Accesible para todos
  • Transparencia: IA explicable
  • Rendición de cuentas: Supervisión humana

Patrones de IA generativa

  • RAG (Generación aumentada por recuperación)

    • Anclar los modelos en sus datos
    • Reducir las alucinaciones
    • Proporcionar contexto
  • Ingeniería de solicitudes

    • Mensajes del sistema
    • Aprendizaje pocos disparos
    • Cadena de pensamiento
    • Temperatura y top-p

Arquitectura de agentes

  • Agente único: Un agente de IA que maneja tareas
  • Multi-agente: Varios agentes especializados
  • Orquestación: Coordinar las acciones de los agentes
  • Autónomo: Agentes autodirigidos

Herramientas de desarrollo

SDK

  • Azure SDK para Python
  • Azure SDK para .NET
  • Azure SDK para JavaScript
  • Azure SDK para Java

API REST

  • Autenticación (claves de API, Azure AD)
  • Formatos de solicitud/respuesta
  • Limitación de velocidad
  • Manejo de errores

Entornos de desarrollo

  • Azure AI Studio
  • Visual Studio Code
  • Jupyter Notebooks
  • Azure Machine Learning

Mejores prácticas

Seguridad

  • Utilizar identidades administradas
  • Rotar las claves de API regularmente
  • Implementar aislamiento de red
  • Habilitar el registro de diagnósticos
  • Usar Azure Key Vault

Rendimiento

  • Implementar almacenamiento en caché
  • Utilizar procesamiento por lotes para operaciones masivas
  • Configurar el nivel/SKU apropiado
  • Supervisar las cuotas y los límites
  • Optimizar la longitud de las solicitudes

Gestión de costos

  • Elegir el nivel de precios apropiado
  • Supervisar el uso y los costos
  • Implementar estrategias de almacenamiento en caché
  • Utilizar niveles de compromiso para cargas de trabajo predecibles
  • Eliminar los recursos sin usar

Recursos de estudio

Microsoft Learn oficial

  • Rutas de aprendizaje AI-102
  • Documentación de los servicios de IA de Azure
  • Laboratorios prácticos
  • Evaluaciones de práctica

Práctica práctica

  • Cuenta gratuita de Azure
  • Azure AI Studio
  • Aplicaciones de ejemplo
  • Repositorios de GitHub

Recursos de la comunidad

  • Foros de preguntas y respuestas de Microsoft
  • Comunidad técnica de IA/ML
  • Videos de AI Show
  • Documentación y tutoriales

Detalles del examen

  • Puntuación de aprobación: 700
  • Formato de preguntas: Opción múltiple, estudios de caso, arrastrar y soltar
  • Duración del examen: 120 minutos (150 minutos para hablantes no nativos de inglés)
  • Idiomas disponibles: Varios idiomas
  • Costo del examen: $165 USD (varía según la región)

Ruta de certificación

  • Requisitos previos: Experiencia en desarrollo, conocimiento de API REST
  • Renovación: Requerida cada 12 meses a través de Microsoft Learn
  • Certificaciones relacionadas:
    • Asociado de Científico de Datos de Azure (DP-100)
    • Experto en Arquitectos de Soluciones de Azure (AZ-305)
    • Asociado de Desarrollador de Azure (AZ-204)