AI-102T00: DISEÑO E IMPLEMENTACIÓN DE UNA SOLUCIÓN DE IA DE MICROSOFT AZURE
Inscripción finalizadaDATOS BÁSICOS
Presencial de 17:00-21:00 horas.
REQUISITOS
Trabajadores ocupados o desempleados en la Comunidad Autónoma de Aragón. AI-102 Designing and Implementing an Azure AI Solution está destinado a desarrolladores de software que quieren crear aplicaciones con inteligencia artificial que utilizan Azure Cognitive Services, Azure Cognitive Search y Microsoft Bot Framework. El lenguaje de programación que se usará en el curso será C# o Python.Conocen bien C# o Python, y tienen 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<br/>Examen de certificación incluido: AI-102: Designing and Implementing a Microsoft Azure AI Solution
PROGRAMA
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
PROFESORES
RESPONSABLE DEL CURSO
TU COMUNIDAD
Foros de discusión
- Dudas sobre el curso de Amazon Web Services1
- Fotografía1
- Dudas sobre el curso de CSS2