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)