AI-102T00: DISEÑO E IMPLEMENTACIÓN DE UNA SOLUCIÓN DE IA DE MICROSOFT AZURE
Inscripción finalizadaDATOS BÁSICOS
Virtual de 16:00 a 20:00
REQUISITOS
Conocer bien C# o Python, y tiener conocimientos sobre el uso de API basadas en REST para crear soluciones de visión informática, análisis de lenguaje, minería de conocimientos, búsqueda inteligente e inteligencia artificial conversacional en Azure.
FINALIDAD
· Describir las consideraciones para el desarrollo de aplicaciones habilitadas para IA<br/>· Cree, configure, implemente y asegure Azure Cognitive Services<br/>· Desarrollar aplicaciones que analicen texto<br/>· Desarrollar aplicaciones habilitadas para voz<br/>· Cree aplicaciones con capacidades de comprensión del lenguaje natural<br/>· Crear aplicaciones QnA<br/>· Cree soluciones conversacionales con bots<br/>· Utilice los servicios de visión por computadora para analizar imágenes y videos<br/>· Cree modelos de visión artificial personalizados<br/>· Desarrolle aplicaciones que detecten, analicen y reconozcan rostros<br/>· Desarrolle aplicaciones que lean y procesen texto en imágenes y documentos<br/>· Cree soluciones de búsqueda inteligente para la minería del conocimiento
PROGRAMA
Módulo 1: Introducción a Azure Machine Learning
Introducción a Azure Machine Learning
Herramientas de Azure Machine Learning
Laboratorio: Crear un espacio de trabajo de Azure Machine Learning
Laboratorio: Trabajar con herramientas de Azure Machine Learning
Módulo 2: Aprendizaje automático sin código con Designer
Modelos de capacitación con Designer
Publicación de modelos con Designer
Laboratorio: Crear una canalización (pipeline) de entrenamiento con Azure ML Designer
Laboratorio: Implementación de un servicio con Azure ML Designer
Módulo 3: Ejecución de experimentos y modelos de entrenamiento
Introducción a los experimentos
Formación y registro de modelos
Laboratorio: Ejecución de experimentos
Laboratorio: Modelos de entrenamiento y registro
Módulo 4: Trabajar con datos
Trabajar con almacenes de datos
Trabajar con conjuntos de datos
Laboratorio: Trabajar con almacenes de datos
Laboratorio: Trabajar con conjuntos de datos
Módulo 5: Calcular contextos
Trabajar con entornos
Trabajar con objetivos de cómputo
Laboratorio: Trabajar con entornos
Laboratorio: Trabajar con objetivos de cómputo
Módulo 6: Orquestación de operaciones con canalizaciones
Introducción de canalizaciones
Publicación y ejecución de canalizaciones
Laboratorio: Crear una canalización
Laboratorio: Publicar una canalización
Módulo 7: Implementación y consumo de modelos
Inferencia en tiempo real
Inferencia por lotes
Laboratorio: Crear un servicio de inferencia en tiempo real
Laboratorio: Crear un servicio de inferencia por lotes
Módulo 8: Entrenamiento de modelos óptimos
Ajuste de hiperparámetro
Machine Learning automatizado
Laboratorio: Hiperparámetros de ajuste
Laboratorio: Usar el machine learning automatizado
Módulo 9: Interpretar modelos
Introducción a la interpretación del modelo
Usando explicaciones del modelo
Laboratorio: Revisión de explicaciones automatizadas de machine learning
Laboratorio: Interpretar modelos
Módulo 10: Modelos de supervisión
Modelos de monitorización con Application Insights
Monitorización de deriva de datos
Laboratorio: Monitorización de un modelo con Application Insights
Laboratorio: Monitorización de deriva de datos
RESPONSABLE DEL CURSO
TU COMUNIDAD
Foros de discusión
- Dudas sobre el curso de Amazon Web Services1 hilos
- Fotografía1 hilos
- Dudas sobre el curso de CSS2 hilos