CertifyDeckCargando contenido…
El temario oficial de Microsoft Certified: Azure AI Fundamentals, organizado por dominio. Marca cada punto según lo vayas repasando.
Inicia sesión para guardar tu progreso entre sesiones.
Describe principles of responsible AI
La equidad exige que un sistema de IA no trate de forma distinta a personas o grupos similares. Como los datos los eligen personas y pueden reflejar sesgos inconscientes, hay que minimizar el sesgo en los datos de entrenamiento y probar la equidad de los resultados por grupos sensibles, por ejemplo con la evaluación de equidad del panel de Responsible AI.
Responsible AI - Training ↗What is Responsible AI - Azure Machine Learning ↗
La IA se basa en modelos probabilísticos y no es infalible, así que las aplicaciones deben mitigar sus riesgos: funcionar según lo diseñado, responder de forma segura ante condiciones inesperadas y evitar actuar si la confianza es baja. Los filtros de contenido ayudan, pero los principios se consideran desde el diseño hasta la operación.
Responsible AI - Training ↗What is Responsible AI - Azure Machine Learning ↗
Los modelos se entrenan con datos que pueden incluir información personal, por lo que hay que mantenerlos seguros y evitar que el modelo entrenado revele detalles privados. Se aplica con control de acceso, cifrado en tránsito y en reposo, auditoría, borrado de datos que ya no se necesitan y herramientas como SmartNoise (privacidad diferencial) y Counterfit.
What is Responsible AI - Azure Machine Learning ↗Responsible AI - Training ↗
La inclusión busca que el potencial de la IA esté abierto a todos y que las soluciones no excluyan a ningún usuario. En la práctica, un agente por voz ofrece también subtítulos de texto, y el diseño de agentes tiene en cuenta la accesibilidad, la variación lingüística y los distintos niveles de competencia técnica, con aportaciones de comunidades diversas desde el principio.
Responsible AI - Training ↗Responsible AI for agent design ↗
La transparencia consiste en que los usuarios sepan cómo funciona un sistema de IA y qué limitaciones tiene: indicar que se usa IA, describir las características de los datos de entrenamiento sin revelar información confidencial y ofrecer Transparency Notes o avisos en el producto. La interpretabilidad (explicaciones globales, locales y por cohorte) ayuda a entender sus decisiones.
Responsible AI - Training ↗What is Responsible AI - Azure Machine Learning ↗
La responsabilidad (accountability) exige que las personas que diseñan y despliegan un sistema de IA respondan de su funcionamiento y que la IA no sea la autoridad final en decisiones que afectan a personas. Se apoya en normas del sector, supervisión humana, trazabilidad del ciclo de vida (MLOps), informes como el scorecard y planes de respuesta a incidentes.
What is Responsible AI - Azure Machine Learning ↗Overview of Responsible AI practices for Azure OpenAI in Foundry Models ↗
Identify AI model components and configurations
Los modelos generativos de lenguaje dividen el texto en tokens, los convierten en embeddings con un transformador (codificador con atención) y un decodificador predice, token a token, la continuación más probable de un prompt. Los ejemplos del prompt condicionan solo esa inferencia y la aplicación reenvía el historial para dar contexto.
Large language models (LLMs) - Training ↗Prompts - Training ↗
Elegir modelo empieza por la tarea: embeddings para búsqueda semántica, multimodal para analizar imágenes con texto, modelos de imagen o vídeo para generar contenido, modelos pequeños para apps ligeras y modelos rápidos para chat de alto volumen. Si el caso es muy concreto, una herramienta de Foundry con modelos prediseñados da resultados más predecibles.
Generative AI models - Training ↗Multimodal models for image analysis - Training ↗
Al desplegar un modelo eliges el tipo de implementación (Global Standard por defecto, Data Zone o Standard para residencia, Provisioned para capacidad reservada, Batch para trabajos asíncronos), la versión y los tokens por minuto. Temperatura, top_p y tokens máximos de salida se ajustan en el playground o en el código.
Understanding deployment types in Microsoft Foundry Models ↗Using a generative AI model - Training ↗
Identify AI workloads
Las cargas de trabajo habituales son: IA generativa y agentes (modelo, instrucciones y herramientas que actúan), análisis de texto (sentimiento, frases clave, entidades, PII), voz (reconocimiento, síntesis y voz a voz), visión (análisis de imágenes y generación) y extracción de información de documentos, audio y vídeo con esquemas.
AI agents - Training ↗Introduction - Get started with AI-powered information extraction in Azure ↗
La extracción de frases clave lista los conceptos principales de un texto, el reconocimiento de entidades detecta y clasifica elementos como personas, lugares, fechas o cantidades, y el análisis de sentimiento etiqueta frases y documentos como positivos, neutrales o negativos con puntuaciones de confianza. El resumen puede ser extractivo (frases originales) o abstractivo (redacción nueva).
What is Azure Language in Foundry Tools ↗What is summarization? ↗
El reconocimiento de voz (voz a texto) convierte audio en texto mediante un modelo acústico y un modelo de lenguaje, y puede ser en tiempo real, rápido o por lotes, con modelos personalizados para vocabulario específico. La síntesis de voz (texto a voz) genera audio con voces neuronales y se ajusta con SSML. Voice Live une ambas para conversar en tiempo real con un agente.
Los modelos multimodales con visión aceptan imágenes y texto en una misma solicitud (por URL o base64) para describir fotos y responder preguntas sobre ellas. Los modelos de generación de imágenes crean imágenes a partir de texto, y los de vídeo generan clips mediante trabajos asíncronos. Azure Vision aporta OCR y Face para leer texto y analizar rostros.
Multimodal models for image analysis ↗Image generation models ↗
Azure Content Understanding en Foundry Tools convierte documentos, imágenes, audio y vídeo en datos estructurados mediante analizadores con un esquema de campos, más allá del OCR básico. Los analizadores de audio transcriben con diarización, y los de vídeo añaden fotogramas clave, planos y segmentos. El texto plano se analiza con Azure Language, por ejemplo con el reconocimiento de entidades.
What is Azure Content Understanding in Foundry Tools? ↗Extract information from documents ↗
Practica por dominio oficial y revisa la explicación de cada respuesta.
Empezar a practicar