AI-200: Desarrollo de soluciones en la nube de IA en Azure

Acerca de este curso

En este curso se enseña a los desarrolladores a crear, supervisar y solucionar problemas de soluciones de inteligencia artificial en Microsoft Azure.

Los alumnos aprenderán a implementar Azure patrones de proceso y contenedorización para hospedar aplicaciones, crear API sin servidor con Azure Functions e integrar servicios mediante arquitecturas basadas en eventos y basadas en mensajes, como Azure Service Bus y Event Grid.

En el curso también se explica cómo trabajar con Azure servicios de datos que admiten cargas de trabajo de inteligencia artificial, incluido el diseño y la consulta de soluciones con Cosmos DB para NoSQL, Azure Database for PostgreSQL con pgvector y Azure Managed Redis para el almacenamiento en caché, el streaming y la búsqueda vectorial.

Al final del curso, los desarrolladores podrán conectar servicios, organizar flujos de trabajo de inteligencia artificial y crear aplicaciones seguras, escalables y observables controladas por inteligencia artificial en Azure.

El presente curso oficial corresponde al contenido diseñado por Microsoft con la denominación Course AI-200T00-A: Develop AI cloud solutions on Azure.

Valor añadido de PUE

Acceso gratuito a un curso y certificación oficial Microsoft Fundamentals

Como valor añadido, al realizar el presente curso tendrás incluido, sin coste adicional, el acceso a una convocatoria del curso oficial Microsoft Fundamentals que desees. Además, los miembros del colectivo PUE Alumni dispondrán también del practice test y de la certificación oficial asociados al curso Microsoft Fundamentals seleccionado.

Podrás escoger uno de los cursos Microsoft Fundamentals ofrecidos por PUE, con convocatoria garantizada:

Consulta las próximas ediciones

PUE es Training Partner de Microsoft autorizado por dicha multinacional para impartir formación oficial en sus tecnologías.

A quién va dirigido

Objetivos del curso

Al finalizar este curso, el alumno será capaz de:

• Diseñar, desarrollar e implementar soluciones de inteligencia artificial sobre Microsoft Azure.
• Implementar y administrar aplicaciones contenedorizadas mediante Azure Container Apps, Azure App Service y Azure Kubernetes Service (AKS).
• Gestionar imágenes de contenedor y automatizar despliegues utilizando Azure Container Registry.
• Desarrollar aplicaciones escalables basadas en arquitecturas cloud y eventos.
• Integrar servicios backend para soluciones de IA mediante Azure Functions, Azure Service Bus y Azure Event Grid.
• Implementar soluciones de búsqueda semántica y recuperación aumentada (RAG) utilizando Azure Cosmos DB for NoSQL, Azure Database for PostgreSQL y Azure Managed Redis.
• Configurar y optimizar bases de datos vectoriales e índices para cargas de trabajo de inteligencia artificial.
• Administrar secretos, configuraciones y accesos de forma segura mediante Azure Key Vault y Azure App Configuration.
• Supervisar, instrumentar y diagnosticar aplicaciones utilizando OpenTelemetry, Azure Monitor y consultas KQL.
• Optimizar el rendimiento, escalado y disponibilidad de aplicaciones de IA en entornos Azure.
• Aplicar buenas prácticas de observabilidad, seguridad, automatización y operación de soluciones cloud-native para inteligencia artificial.

Certificación incluida

Este curso oficial es el recomendado por Microsoft para la preparación del siguiente examen de certificación oficial valorado en 126€, que incluimos en el precio del curso a todos los miembros del programa PUE Alumni.

• AI-200: Developing AI Cloud Solutions on Azure.

La superación de este examen es requisito imprescindible para obtener la certificación Microsoft Certified: Azure AI Cloud Developer Associate.

PUE es Training Services Partner de Microsoft autorizado por dicha multinacional para impartir formación oficial en sus tecnologías.

Somos centro certificador oficial facilitando la gestión del examen al candidato. El alumno podrá realizar su certificación, bien en nuestras instalaciones o, si lo prefiere, a través de la opción Online Proctored, que permite atender la certificación oficial de Microsoft desde cualquier ubicación con una simple conexión a internet.

Contenidos

Implementación del hospedaje de aplicaciones de contenedor en Azure.

Módulo 1. Almacenamiento y administración de contenedores en Azure Container Registry.

• Registros, repositorios y artefactos.
• Compilación y ejecución de imágenes con ACR Tasks.
• Imágenes de etiqueta y versión.
• Ejercicio: Compilación y administración de una imagen de contenedor con ACR Tasks.

Módulo 2. Implementación de contenedores en Azure App Service.

• Implementación de contenedores en Azure App Service.
• Configuración del comportamiento del entorno de ejecución del contenedor.
• Configuración de la aplicación.
• Observar y solucionar problemas de aplicaciones en contenedores.
• Ejercicio: Implementación de un contenedor en Azure App Service.

Implementación y administración de aplicaciones en Azure Container Apps.

Módulo 1. Implementación de contenedores en Azure Container Apps.

• Explorar los entornos de Container Apps.
• Implementación de una aplicación de contenedor mediante la CLI de Azure y YAML.
• Configuración del entorno de ejecución con variables de entorno y secretos.
• Configuración de la autenticación de descarga de imágenes para registros privados.
• Comprobación de las implementaciones con registros y estado.
• Ejercicio: Implementación de una API de back-end en contenedores en Container Apps.

Módulo 2. Administración de contenedores en Azure Container Apps.

• Actualizar imágenes y administrar revisiones de forma segura.
• Administración del ciclo de vida de la aplicación contenedora.
• Supervisión de registros y solución de problemas.
• Configuración de sondeos de estado y solución de errores.
• Optimización de recursos de contenedor y escalado.
• Ejercicio: Diagnóstico y corrección de una implementación con errores.

Módulo 3: Escalado de contenedores en Azure Container Apps.

• Configura reglas de escalado.
• Implementación del escalado controlado por eventos con KEDA.
• Aplicación de escaladores KEDA para cargas de trabajo personalizadas.
• Seleccione recursos de computación para el rendimiento y el coste.
• Elegir y aplicar modos de revisión.
• Ejercicio: Configuración del escalado automático mediante desencadenadores KEDA.

Implementación y supervisión de aplicaciones en Azure Kubernetes Service.

Módulo 1. Implementación de aplicaciones en Azure Kubernetes Service.

• Creación de manifiestos de implementación de Kubernetes.
• Exposición de aplicaciones en Azure Kubernetes Services.
• Implementación de aplicaciones en Azure Kubernetes Services.
• Ejercicio: Implementación de una API de inferencia de IA en Azure Kubernetes Service.

Módulo 2. Configuración de aplicaciones en Azure Kubernetes Service.

• Definición de ConfigMaps para la configuración de la aplicación.
• Implementar secretos para datos confidenciales.
• Adjuntar almacenamiento persistente a una aplicación.
• Ejercicio: Configuración de aplicaciones en Azure Kubernetes Service.

Módulo 3. Supervisión y solución de problemas de aplicaciones en Azure Kubernetes Service.

• Supervisión de métricas y registros de aplicaciones.
• Solución de problemas de pods y servicios.
• Comprobación de la conectividad del servicio y los puntos de conexión.
• Ejercicio: Solución de problemas de aplicaciones en Azure Kubernetes Service.

Desarrollo de soluciones de inteligencia artificial con Azure Cosmos DB para NoSQL.

Módulo 1. Creación de consultas para Azure Cosmos DB para NoSQL.

• 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.

Módulo 2. Implementación de la búsqueda de vectores en Azure Cosmos DB para NoSQL.

• Almacenamiento y recuperación de incrustaciones en Azure Cosmos DB.
• Ejecución de consultas de similitud vectorial para la búsqueda semántica.
• Combinación de resultados de similitud de vectores con filtrado de metadatos.
• Usar la fuente de cambios para desencadenar la actualización de inserción.
• Ejercicio: Creación de una aplicación de búsqueda semántica con Azure Cosmos DB para NoSQL.

Módulo 3. Optimización del rendimiento de las consultas para Azure Cosmos DB para NoSQL.

• Descripción de los índices en Azure Cosmos DB.
• Configurar índices de rango y compuestos.
• Ajuste de los índices vectoriales para insertar cargas de trabajo.
• Reducción de los costes de RU con indexación estratégica.
• Elección de niveles de coherencia para obtener un rendimiento óptimo.
• Ejercicio: Optimización del rendimiento de las consultas con índices vectoriales en Azure Cosmos DB para NoSQL.

Desarrollo de soluciones de inteligencia artificial con Azure Database for PostgreSQL.

Módulo 1. Compilación y consulta con Azure Database for PostgreSQL.

• Exploración de Azure Database for PostgreSQL.
• Conexión con PostgreSQL.
• Creación y administración de esquemas.
• Consultar datos.
• Integración de SDK y aplicaciones.
• Ejercicio: Desarrollo de un backend de herramienta de agente en "Azure Database for PostgreSQL".

Módulo 2. Implementación de la búsqueda de vectores con Azure Database for PostgreSQL.

• Almacenar e insertar consultas con pgvector.
• Realizar una búsqueda rápida de similitud de vectores.
• Administración del ciclo de vida del índice e inserción de actualizaciones.
• Ejecución de la búsqueda de similitud de vectores para la recuperación semántica.
• Implementación de patrones de recuperación para canalizaciones RAG.
• Ejercicio: Implementación de la búsqueda de vectores en Azure Database for PostgreSQL.

Módulo 3. Optimización de la búsqueda de vectores en Azure Database for PostgreSQL.

• Ajuste de PostgreSQL para pgvector.
• Elección y configuración de índices vectoriales.
• Optimización del diseño de datos.
• Escalabilidad para cargas de trabajo de gran volumen.
• Optimización de la conexión.
• Ejercicio: Optimización del rendimiento de la búsqueda vectorial en Azure Database for PostgreSQL.

Mejora de las soluciones de inteligencia artificial con Azure Managed Redis.

Módulo 1. Implementación de operaciones de datos en Azure Managed Redis.

• Exploración de Azure Managed Redis.
• Procedimientos recomendados de desarrollo y bibliotecas de cliente.
• Implementación de operaciones de datos.
• Ejercicio: Realización de operaciones de datos en Azure Managed Redis.

Módulo 2. Implementación de la mensajería de eventos con Azure Managed Redis.

• Publicación y suscripción a eventos con Redis pub/sub.
• Implementar colas de tareas con secuencias de Redis.
• Elegir entre difusión y distribución coordinada.
• Ejercicio: Publicación y suscripción a eventos en Azure Managed Redis.

Módulo 3. Implementación del almacenamiento de vectores en Azure Managed Redis.

• Índice y datos vectoriales de consulta.
• Elección de tipos vectoriales y estrategias de indexación.
• Optimización de las estructuras de datos de Redis para el almacenamiento vectorial.
• Ejercicio: Implementación de la búsqueda semántica en Azure Managed Redis.

Integración de servicios back-end para soluciones de inteligencia artificial.

Módulo 1. Puesta en cola y procesamiento de operaciones de IA con Azure Service Bus.

• Exploración de conceptos y mensajería de Azure Service Bus en arquitecturas de IA.
• Elegir entre colas y temas con suscripciones.
• Estructura de mensajes para cargas de trabajo de IA.
• Procesar mensajes de forma confiable.
• Ejercicio: Procesamiento de mensajes con Azure Service Bus.

Módulo 2. Desarrollo de flujos de trabajo de IA controlados por eventos con Azure Event Grid.

• Descripción de los conceptos de Azure Event Grid y los patrones controlados por eventos para soluciones de IA.
• Trabajar con esquemas de eventos y propiedades.
• Configuración de directivas de entrega y reintento para el procesamiento fiable de eventos.
• Publicación de eventos personalizados desde aplicaciones de IA.
• Ejercicio: Publicación y recepción de eventos con Azure Event Grid.

Módulo 3. Creación de back-end de inteligencia artificial sin servidor con Azure Functions.

• Descripción del hospedaje y el escalado de Azure Functions para cargas de trabajo de IA.
• Configuración del entorno de desarrollo local para Functions.
• Creación de desencadenadores y enlaces para patrones de integración de IA.
• Administración de secretos y configuración en Functions.
• Configuración de la identidad y el acceso para Functions.
• Ejercicio: Creación de un servidor MCP con Azure Functions.

Administración de secretos de aplicación y configuración para soluciones de IA.

Módulo 1. Administración de secretos de aplicación con Azure Key Vault.

• Almacenamiento y organización de secretos, claves y certificados.
• Recuperación de secretos mediante bibliotecas cliente del SDK de Azure.
• Gestión del control de versiones y la rotación de secretos.
• Implementación de estrategias de almacenamiento en caché para reducir las llamadas de Key Vault.
• Ejercicio: Administración de secretos con Azure Key Vault.

Módulo 2. Administración de la configuración de la aplicación con Azure App Configuration.

• Conexión a App Configuration desde el código de la aplicación.
• Organización de la configuración con etiquetas y marcas de características.
• Referencia a secretos de Key Vault desde App configuration.
• Decidir qué almacenar en App Configuration frente a Key Vault.
• Ejercicio: Recuperar la configuración y los secretos de Azure App Configuration.

Observar y solucionar problemas de aplicaciones en Azure.

Módulo 1. Instrumentación de una aplicación con OpenTelemetry.

• Explorar OpenTelemetry y su rol en observabilidad.
• Adición del SDK de OpenTelemetry a una aplicación.
• Configuración de intervalos y seguimientos.
• Exportación de telemetría a Azure Monitor.
• Depuración de flujos distribuidos con datos de seguimiento.
• Ejercicio: Instrumentación de una aplicación con el SDK de OpenTelemetry.

Módulo 2. Análisis de la telemetría de la aplicación con registros y métricas.

• Escribe consultas básicas de KQL.
• Explora los registros para identificar errores y evaluar el rendimiento.
• Crear paneles para la telemetría de aplicaciones.
• Creación de libros para el análisis interactivo.
• Establecimiento de alertas para errores y anomalías de la aplicación.
• Ejercicio: Consulta de registros con KQL.