Develop AI cloud solutions on Microsoft Azure
Develop AI cloud solutions on Microsoft Azure
AI-200
Información del
Programa
AI-200 Develop AI cloud solutions on Microsoft Azure
Este curso enseña a los desarrolladores a crear, supervisar y optimizar soluciones de inteligencia artificial en Microsoft Azure. Los participantes aprenderán a implementar aplicaciones utilizando contenedores, crear API sin servidor con Azure Functions e integrar servicios mediante arquitecturas basadas en eventos y mensajería como Azure Service Bus y Event Grid.
Además, se trabajará con servicios de datos orientados a IA, incluyendo Cosmos DB para NoSQL, Azure Database for PostgreSQL con pgvector y Azure Managed Redis. Al finalizar, los alumnos serán capaces de conectar servicios, organizar flujos de trabajo de IA y desarrollar aplicaciones seguras, escalables y observables en Azure.
Objetivos
Diseñar e implementar soluciones de inteligencia artificial en Azure.
Crear APIs sin servidor con Azure Functions.
Integrar servicios mediante arquitecturas basadas en eventos y mensajería.
Trabajar con servicios de datos para IA como Cosmos DB, PostgreSQL con pgvector y Azure Managed Redis.
Desarrollar aplicaciones seguras, escalables y observables en Azure.
Temario
Módulo 1 – Implementación del hospedaje de aplicaciones de contenedor en Azure
- Almacenamiento y administración de contenedores en Azure Container Registry
- Introducción
- Registros, repositorios y artefactos
- Compilación y ejecución de imágenes con ACR Tasks
- Etiquetado y control de versiones de imágenes
- Ejercicio: Compilación y administración de una imagen de contenedor con ACR Tasks
- Evaluación del módulo
- Resumen
- Implementación de contenedores en Azure App Service
- Introducción
- Implementación de contenedores en Azure App Service
- Configuración del comportamiento del entorno de ejecución del contenedor
- Configuración de la aplicación
- Observación y solución de problemas de aplicaciones en contenedores
- Ejercicio: Implementación de un contenedor en Azure App Service
- Evaluación del módulo
- Resumen
Módulo 2 – Implementación y administración de aplicaciones en Azure Container Apps
- Implementación de contenedores en Azure Container Apps
- Introducción
- Explorar los entornos de Azure Container Apps
- Implementación de una aplicación de contenedor
- Configuración de variables de entorno y secretos
- Configuración de la autenticación del registro de contenedores
- Verificación de la implementación de la aplicación de contenedor
- Ejercicio: Implementación de una aplicación de contenedor
- Evaluación del módulo
- Resumen
- Administración de contenedores en Azure Container Apps
- Introducción
- Actualización de imágenes de contenedor
- Administración de revisiones
- Diagnóstico de implementaciones con errores
- Supervisión de registros
- Configuración de sondeos de estado
- Ajuste de recursos y escalado
- Evaluación del módulo
- Resumen
- Escalado de contenedores en Azure Container Apps
Introducción
Escalado automático en Azure Container Apps
Configuración de reglas de escalado HTTP
Configuración de reglas de escalado TCP
Configuración de reglas de escalado de CPU y memoria
Escalado basado en eventos con KEDA
Administración del tráfico y revisiones
Evaluación del módulo
Resumen
Módulo 3 – Implementación y supervisión de aplicaciones en Azure Kubernetes Service
- Implementación de aplicaciones en Azure Kubernetes Service
- Introducción
- Creación de manifiestos de implementación
- Exposición de aplicaciones mediante servicios de Kubernetes
- Implementación de aplicaciones en Azure Kubernetes Service
- Verificación de la implementación
- Ejercicio: Implementación de una aplicación
- Evaluación del módulo
- Resumen
- Configuración de aplicaciones en Azure Kubernetes Service
- Introducción
- Externalización de la configuración de aplicaciones
- Uso de ConfigMaps para configuración
- Uso de Secrets para datos confidenciales
- Configuración de almacenamiento persistente
- Ejercicio: Configuración de una aplicación
- Evaluación del módulo
- Resumen
- Supervisión y solución de problemas de aplicaciones en Azure Kubernetes Service
- Introducción
- Supervisión del estado de las aplicaciones
- Inspección de registros y métricas
- Solución de problemas de pods y servicios
- Verificación de rutas de conectividad
- Ejercicio: Supervisión y solución de problemas
- Evaluación del módulo
- Resumen
Módulo 4 – Desarrollo de soluciones de inteligencia artificial con Azure Cosmos DB para NoSQL
- Creación de consultas para Azure Cosmos DB para NoSQL
- Introducción
- Exploración de Azure Cosmos DB para NoSQL
- Implementación del SDK de Azure Cosmos DB para NoSQL
- Consulta de la base de datos Azure Cosmos DB para NoSQL
- Ejercicio: Compilación de un almacén de documentos RAG en Azure Cosmos DB para NoSQL
- Evaluación del módulo
- Resumen
- Implementación de la búsqueda de vectores en Azure Cosmos DB para NoSQL
- Introducción
- Conceptos de búsqueda vectorial
- Almacenamiento de incrustaciones vectoriales
- Ejecución de consultas de similitud con VectorDistance
- Uso de filtros de metadatos y búsqueda híbrida
- Uso de la fuente de cambios para sincronizar incrustaciones
- Ejercicio práctico
- Evaluación del módulo
- Resumen
- Optimización del rendimiento de las consultas para Azure Cosmos DB para NoSQL
- Introducción
- Análisis de patrones de consulta
- Configuración de índices de rango y compuestos
- Selección de tipos de índice vectoriales
- Configuración de niveles de coherencia
- Optimización del rendimiento y del costo
- Ejercicio práctico
- Evaluación del módulo
- Resumen
Módulo 5 – Desarrollo de soluciones de inteligencia artificial con Azure Database for PostgreSQL
- Compilación y consulta con Azure Database for PostgreSQL
- Introducción
- Diseño de esquemas para aplicaciones de inteligencia artificial
- Escritura de consultas SQL eficaces
- Integración con aplicaciones de Python mediante autenticación segura
- Consulta de datos en Azure Database for PostgreSQL
- Ejercicio práctico
- Evaluación del módulo
- Resumen
- Implementación de la búsqueda de vectores con Azure Database for PostgreSQL
- Introducción
- Conceptos de búsqueda vectorial
- Uso de la extensión pgvector
- Almacenamiento de incrustaciones (embeddings) vectoriales
- Ejecución de búsquedas de similitud con diferentes métricas de distancia
- Creación de patrones de recuperación para aplicaciones de IA
- Ejercicio práctico
- Evaluación del módulo
- Resumen
- Optimización de la búsqueda de vectores en Azure Database for PostgreSQL
- Introducción
- Ajuste de la configuración de PostgreSQL y pgvector
- Selección y configuración de índices vectoriales
- Diseño de estructuras de datos eficientes
- Escalado para cargas de trabajo de gran volumen
- Implementación de agrupación de conexiones
- Ejercicio práctico
- Evaluación del módulo
- Resumen
