Información del
Programa
Curso AI-103 Develop AI apps and agents on Azure
Este curso está orientado a desarrolladores de software que desean diseñar y construir soluciones de inteligencia artificial avanzadas utilizando Microsoft Azure y Microsoft Foundry. A lo largo del programa, los participantes aprenderán a desarrollar aplicaciones de IA generativa, crear e integrar agentes inteligentes, y construir soluciones capaces de interactuar con múltiples fuentes de datos y herramientas externas.
El curso cubre además el uso de capacidades multimodales, incluyendo procesamiento de texto, voz e imágenes, así como técnicas para mejorar el rendimiento de los modelos y garantizar un uso responsable de la inteligencia artificial. También se abordan aspectos clave como la integración con servicios de Azure, la orquestación de agentes y la implementación de soluciones escalables en entornos reales.
Al finalizar, los participantes estarán capacitados para diseñar, desarrollar e implementar aplicaciones de IA modernas, aprovechando el ecosistema de Azure para resolver problemas complejos en escenarios empresariales.
Requisitos
familiarizado con los conceptos y servicios fundamentales de inteligencia artificial en Azure. También debe tener experiencia de programación.
Conocimientos básicos de Microsoft Foundry.
Experiencia en programación (preferiblemente en Python).
Experiencia en el uso de Azure Portal.
Interés en el desarrollo de soluciones de IA generativa y agentes inteligentes.
Objetivos
Comprender los fundamentos de Microsoft Foundry y su uso en soluciones de IA.
Desarrollar aplicaciones de IA generativa.
Diseñar e implementar agentes de IA.
Integrar conexiones de conocimiento y herramientas en aplicaciones basadas en agentes.
Aplicar capacidades multimodales en soluciones de IA.
Desarrollar soluciones capaces de procesar y comprender contenido complejo.
Utilizar APIs y SDKs para construir soluciones de IA en Azure.
Temario
Módulo 1 – Desarrollo de aplicaciones de IA generativas en Azure
- Planear y preparar el desarrollo de soluciones de inteligencia artificial en Azure
- ¿Qué es la inteligencia artificial?
- Microsoft Foundry
- Herramientas de fundición
- Herramientas de desarrollo y kits de desarrollo de software (SDK)
- Inteligencia artificial responsable
- Ejercicio: Preparación para un proyecto de desarrollo de IA
- Selección, implementación y evaluación de modelos de Microsoft Foundry
- Explorar el catálogo de modelos
- Selección de modelos mediante pruebas comparativas
- Implementación de modelos en puntos de conexión
- Evaluación del rendimiento del modelo
- Ejercicio: Selección, implementación y evaluación de modelos
- Desarrollo de una aplicación de chat de IA generativa con Microsoft Foundry
- Explorar con el servicio de prueba de modelos
- Elección de un punto de conexión y un SDK
- Generación de respuestas con la API de respuestas
- Generación de respuestas con la API ChatCompletions
- Ejercicio: Creación de una aplicación de chat de IA generativa
- Desarrollo de aplicaciones de IA generativas que usan herramientas
- ¿Qué son las herramientas?
- Uso de la herramienta code_interpreter
- Uso de la herramienta web_search
- Uso de la herramienta file_search
- Uso de la herramienta de funciones
- Ejercicio: Creación de una aplicación de chat de IA generativa que usa herramientas
- Optimización del rendimiento del modelo de IA generativa con Microsoft Foundry
- Optimización de la salida del modelo con ingeniería de solicitudes
- Basar su modelo en la generación aumentada de recuperación
- Ajuste de un modelo para un comportamiento coherente
- Comparación y combinación de estrategias de optimización
- Ejercicio: Optimización del rendimiento del modelo de IA generativa
- Implementación de una solución de IA generativa responsable en Microsoft Foundry
- Planeamiento de una solución de IA generativa responsable
- Mapear los posibles perjuicios
- Medición de posibles daños
- Mitigar posibles daños
- Administración de una solución de IA generativa responsable
- Ejercicio: Aplicar límites de protección para evitar la salida de contenido dañino
Módulo 2 – Desarrollo de agentes de inteligencia artificial en Azure
- Desarrollo de agentes de inteligencia artificial con Microsoft Foundry y Visual Studio Code
- Descripción de los agentes de IA y el servicio Microsoft Foundry Agent
- Exploración de los enfoques de desarrollo
- Creación de tu primer agente en Microsoft Foundry
- Configuración de Visual Studio Code para el desarrollo de agentes
- Configuración y administración de agentes en Visual Studio Code
- Ampliación de las funcionalidades del agente con herramientas
- Prueba, implementación e integración de agentes
- Ejercicio: Compilación e implementación de un agente de IA
- Integración de herramientas personalizadas en el agente
- ¿Por qué usar herramientas personalizadas?
- Opciones para implementar herramientas personalizadas
- Integración de herramientas personalizadas
- Ejercicio: Compilación de un agente con herramientas personalizadas
- Integración de herramientas de MCP con agentes de inteligencia artificial de Azure
- Comprender el descubrimiento de herramientas de MCP
- Integración de herramientas de agente mediante un servidor MCP y un cliente
- Uso de agentes de Azure AI con servidores MCP
- Ejercicio: Conexión de herramientas de MCP a agentes de Azure AI
- Construir agentes de IA con conocimiento mejorado con Foundry IQ
- Comprensión de RAG para agentes
- Explorar Foundry IQ
- Configuración de orígenes de datos para bases de conocimiento
- Configuración de la recuperación con Foundry IQ
- Ejercicio: Integración de un agente de IA con Foundry IQ
- Integración del agente con Microsoft 365
- Descripción de las opciones de publicación del agente de Foundry
- Publicación de un agente desde el portal de Foundry en Teams
- Uso del kit de herramientas de Microsoft 365 Agents
- Acceso a datos de Microsoft 365 con Work IQ
- Prueba e iteración del agente integrado
- Ejercicio: Publicar un agente de Foundry en Teams
- Creación de flujos de trabajo controlados por agentes mediante Microsoft Foundry
- Descripción de los flujos de trabajo
- Identificación de patrones de flujo de trabajo
- Creación de flujos de trabajo en Microsoft Foundry
- Agregar agentes a un flujo de trabajo
- Aplicar Power Fx en flujos de trabajo
- Mantener flujos de trabajo en Microsoft Foundry
- Uso de flujos de trabajo en el código
- Ejercicio: Creación de un flujo de trabajo controlado por agente
- Desarrollo de un agente de IA con Microsoft Agent Framework
- Descripción de los agentes de inteligencia artificial de Microsoft Agent Framework
- Creación de un agente de Azure AI con Microsoft Agent Framework
- Incorporación de herramientas al agente de Azure AI
- Ejercicio: Desarrollo de un agente de Azure AI con el SDK de Microsoft Agent Framework
- Orquestación de una solución multiagente mediante Microsoft Agent Framework
- Descripción de Microsoft Agent Framework
- Entender la orquestación de agentes
- Uso de la orquestación simultánea
- Uso de la orquestación secuencial
- Uso de la orquestación de chat en grupo
- Uso de la orquestación de entrega
- Uso de la orquestación magnética
- Ejercicio: Desarrollo de una solución multiagente
- Detección de agentes de inteligencia artificial de Azure con A2A
- Definición de un agente de A2A
- Implementación de un ejecutor de agente
- Hospedar un servidor A2A
- Conectarse con tu agente A2A
- Ejercicio: Conexión a agentes remotos de Azure AI con el protocolo A2A
Módulo 3 – Desarrollo de soluciones de lenguaje natural en Azure
- Análisis de texto con Azure Language en Foundry Tools
- Azure Language en Microsoft Foundry Tools
- Detectar idioma
- Extraer entidades
- Extracción de información de identificación personal (PII)
- Ejercicio: Análisis de texto
- Desarrollo de un agente de análisis de texto con el servidor MCP de Azure Language
- Descripción del servidor MCP de Azure Language
- Conexión y uso del servidor MCP de lenguaje con un agente
- Ejercicio: Desarrollo de un agente de análisis de texto
- Desarrollo de una aplicación de IA generativa compatible con voz
- Elección de un modelo compatible con voz
- Transcribir voz
- Sintetizar voz
- Ejercicio: Uso de modelos de IA generativa compatibles con voz
- Creación de aplicaciones habilitadas para voz con Azure Speech en Microsoft Foundry Tools
- Azure Speech en Microsoft Foundry Tools
- Uso de Speech-to-Text API
- Uso de Text-to-Speech API
- Configuración del formato de audio y las voces
- Uso de lenguaje de marcado de síntesis de voz
- Ejercicio: Creación de una aplicación habilitada para voz
- Desarrollo de un agente de voz con el servidor MCP de Azure Speech
- Descripción del servidor MCP de Azure Speech
- Conexión y uso del servidor MCP de voz con un agente
- Ejercicio: Uso de Azure Speech en un agente
- Desarrollo de un agente de voz en tiempo real de Azure con Voice Live
- Exploración de Azure Voice Live API
- Exploración de la biblioteca cliente de AI Voice Live para Python
- Creación de un agente de Voice Live
- Ejercicio: Desarrollo de un agente de Voice Live
- Traducción de texto y voz con Microsoft Foundry Tools
- Traducción en Microsoft Foundry
- Traducir texto
- Traducir voz
- Ejercicio: Traducción de texto y voz
Módulo 4 – Extracción de información de datos visuales en Azure
- Desarrollo de una aplicación de IA generativa habilitada para visión
- Uso de un modelo compatible con visión en el portal de Microsoft Foundry
- Desarrollo de una aplicación de chat basada en visión
- Ejercicio: Desarrollar una aplicación de chat con capacidades visuales
- Generación de imágenes con IA
- ¿Qué son los modelos de generación de imágenes?
- Exploración de modelos de generación de imágenes en el portal de Microsoft Foundry
- Creación de una aplicación cliente que usa un modelo de generación de imágenes
- Ejercicio: Generación de imágenes con IA
- Generación de vídeos con Microsoft Foundry
- Implementación de un modelo de generación de vídeo
- Generar vídeo a partir de una indicación
- Generación de vídeo en Python
- Ejercicio: Generación de vídeo con Sora 2 en Microsoft Foundry
- Análisis de imágenes con Content Understanding
- ¿Qué es Content Understanding?
- Análisis de imágenes con Content Understanding
- Ejercicio: Análisis de imágenes con Content Understanding
- Creación de una solución de análisis multimodal con Azure Content Understanding
- ¿Qué es Azure Content Understanding?
- Creación de un analizador de Content Understanding
- Uso de Content Understanding API
- Ejercicio: Extracción de información del contenido multimodal
- Creación de una aplicación cliente de Azure Content Understanding
- Prepararse para usar la API de Content Understanding
- Crear un analizador de Content Understanding
- Análisis de contenido
- Ejercicio: Desarrollo de una aplicación cliente de Content Understanding
- Extracción de datos con Azure Document Intelligence
- ¿Qué es Azure Document Intelligence?
- Uso de Document Intelligence Studio
- Uso de modelos precompilados
- Entrenamiento y uso de modelos personalizados
- Ejercicio: Analizar documentos con Document Intelligence
- Creación de una solución de minería de conocimiento con Azure AI Search
- ¿Qué es Azure AI Search?
- Extracción de datos con un indexador
- Enriquecimiento de datos con capacidades de inteligencia artificial
- Búsqueda en un índice
- Almacenamiento de información en un knowledge store
- Ejercicio: Creación de una solución de minería de conocimiento
