Curso Azure AI Fundamentals + Data Engineer (Doble Certificación)

Explorar el aprendizaje automático automatizado en Azure Machine Learning:

• En este ejercicio, utilizará la característica de aprendizaje automático automatizado en Azure Machine Learning para entrenar y evaluar un modelo de aprendizaje automático. Luego, implementará y probará el modelo entrenado.

Explorar los servicios de inteligencia artificial de Azure:

• En este ejercicio, analizará uno de los servicios, Azure AI Content Safety, en Content Safety Studio.

Analizar imágenes en el portal de Azure AI Foundry:

• En este ejercicio, utilizará Azure AI Vision en el portal de Azure AI Foundry, la plataforma de Microsoft para crear aplicaciones inteligentes, para analizar imágenes mediante las experiencias de prueba integradas.

Detectar rostros en Vision Studio:

• Para probar las capacidades de detección de rostros del servicio Azure AI Face, utilizará Azure Vision Studio. Esta es una plataforma basada en la interfaz de usuario que le permite explorar las características de Azure AI Vision sin necesidad de escribir ningún código.

Leer texto en Vision Studio:

• En este ejercicio, utilizará el servicio Azure AI para explorar las capacidades de reconocimiento óptico de caracteres de Azure AI Vision. Utilizará Vision Studio para experimentar con la extracción de texto de imágenes, sin tener que escribir ningún código.

Analizar texto en el portal de Azure AI Foundry:

• En este ejercicio, utilizará Azure AI Language en el portal Azure AI Foundry, la plataforma de Microsoft para crear aplicaciones inteligentes, para analizar reseñas de hoteles.

Utilice la función de respuesta a preguntas con Language Studio:

• En este ejercicio, utilizará Language Studio para crear y entrenar una base de conocimientos de preguntas y respuestas.

Explorar Speech en el portal de Azure AI Foundry:

• En este ejercicio, utilizará Azure AI Speech en el portal de Azure AI Foundry, la plataforma de Microsoft para crear aplicaciones inteligentes, para transcribir audio mediante las experiencias de prueba integradas.

Explorar Azure AI Translator:

• Para probar las capacidades del servicio Azure AI Translator, lo veremos en acción en el Portal de Azure

Extraer datos de documentos en el portal de Azure AI Foundry:

• En este ejercicio, utilizará los modelos prediseñados de Azure AI Document Intelligence en el portal de Azure AI Foundry, la plataforma de Microsoft para crear aplicaciones inteligentes, para reconocer datos de un recibo.

Prepare for an AI development project:

• En este ejercicio, utilizará el portal de Azure AI Foundry para crear un centro y un proyecto, listos para que un equipo de desarrolladores cree una solución de IA.

Implementación de una estrategia de partición

• Implementación de una estrategia de partición para los archivos
• Implementación de una estrategia de partición para cargas de trabajo analíticas
• Implementación de una estrategia de partición para cargas de trabajo de streaming
• Implementación de una estrategia de partición para Azure Synapse Analytics
• Identificación de cuándo se necesita crear particiones en Azure Data Lake Storage Gen2

Diseño e implementación de la capa de exploración de datos

• Creación y ejecución de consultas mediante una solución de proceso que usa SQL sin servidor y un clúster de Spark
• Recomendación e implementación de plantillas de bases de datos de Azure Synapse Analytics
• Inserción de un linaje de datos nuevo o actualizado en Microsoft Purview
• Examen y búsqueda de metadatos en el Catálogo de datos de Microsoft Purview

Laboratorio práctico para:

• Explorar Azure Synapse Analytics
• Transformación de archivos mediante un grupo de SQL sin servidor
• Crear base de datos de lago

Ingesta y transformación de datos

• Diseño e implementación de cargas incrementales
• Transformación de datos mediante Apache Spark
• Transformación de datos mediante Transact-SQL (T-SQL) en Azure Synapse Analytics
• Ingesta y transformación de datos mediante canalizaciones de Azure Synapse o Azure Data Factory
• Transformación de datos con Azure Stream Analytics
• Limpieza de datos
• Control de datos duplicados
• Evitar datos duplicados mediante la opción de entrega exactamente una vez de Azure Stream Analytics
• Control de datos que faltan
• Control de datos que llegan tarde
• División de los datos
• Fragmentación de JSON
• Codificar y descodificar datos
• Configuración del control de errores para una transformación
• Normalización y desnormalización de datos
• Realización de análisis exploratorios de los datos

Desarrollo de una solución de procesamiento por lotes

• Desarrollo de soluciones de procesamiento por lotes mediante Azure Data Lake Storage, Azure Databricks, Azure Synapse Analytics y Azure Data Factory
• Uso de PolyBase para cargar datos en un grupo de SQL
• Implementación de Azure Synapse Link y consulta de los datos replicados
• Creación de canalizaciones de datos
• Escalado de recursos
• Configuración del tamaño del lote
• Creación de pruebas para canalizaciones de datos
• Integración de cuadernos de Jupyter o Python en una canalización de datos
• Actualización e inserción de datos
• Reversión de los datos a un estado anterior
• Configuración del control de excepciones
• Configuración de la retención por lotes
• Lectura y escritura en un lago delta

Laboratorio práctico para:

• Transformación de Datos con Spark en Azure Synapse Analytics
• Uso de Delta Lake con Spark en Azure Synapse Analytics
• Cargar datos en un almacén de datos relacional
• Construir una canalización de datos con Azure Synapse Analytics
• Uso de un cuaderno de Apache Spark en un pipeline

Desarrollo de una solución de procesamiento de flujos

• Creación de una solución de procesamiento de flujos mediante Stream Analytics y Azure Event Hubs
• Procesamiento de datos mediante el flujo estructurado de Spark
• Creación de agregados con ventanas
• Control del desfase del esquema
• Procesamiento de datos de serie temporal
• Procesamiento de datos en particiones
• Procesamiento en una partición
• Configuración de puntos de comprobación y marcas de agua durante el procesamiento
• Escalado de recursos
• Creación de pruebas para canalizaciones de datos
• Optimización de las canalizaciones con fines analíticos o transaccionales
• Control de las interrupciones
• Configuración del control de excepciones
• Actualización e inserción de datos
• Reproducción de datos de flujo archivados

Administración de lotes y canalizaciones

• Desencadenamiento de lotes
• Control de cargas por lotes con errores
• Validación de cargas por lotes
• Administración de canalizaciones de datos en Azure Data Factory o Azure Synapse
• Programación de canalizaciones de datos en Data Factory o Azure Synapse
• Implementación del control de versiones para artefactos de canalización
• Administración de trabajos de Spark en una canalización

Laboratorio práctico para:

• Gestionar Azure Synapse Link para Azure Cosmos DB
• Gestionar Azure Synapse Link para SQL
• Gestionar Azure Stream Analytics
• Ingesta de datos en tiempo real con Azure Stream Analytics and Azure Synapse Analytics

Implementación de la seguridad de datos

• Implementación del enmascaramiento de datos
• Cifrado de datos en reposo y en movimiento
• Implementación de la seguridad de nivel de fila y de columna
• Implementación del control de acceso basado en roles (RBAC) de Azure
• Implementación de listas de control de acceso (ACL) de tipo POSIX para Data Lake Storage Gen2
• Implementación de una directiva de retención de datos
• Implementación de puntos de conexión seguros (privados y públicos)
• Implementación de tokens de recursos en Azure Databricks
• Carga de un objeto DataFrame con información confidencial
• Escritura de datos cifrados en tablas o archivos Parquet
• Administración de información confidencial

Supervisión del almacenamiento y el procesamiento de datos

• Implementación del registro usado por Azure Monitor
• Configuración de servicios de supervisión
• Supervisión del procesamiento de flujos
• Medición del rendimiento del movimiento de datos
• Supervisión y actualización de estadísticas sobre los datos en un sistema
• Supervisión del rendimiento de canalizaciones de datos
• Medición del rendimiento de las consultas
• Programación y supervisión de pruebas de canalización
• Interpretación de métricas y registros de Azure Monitor
• Implementación de una estrategia de alertas de canalización

Laboratorio práctico para:

• Crear reporte en tiempo real con Azure Stream Analytics y Microsoft Power BI
• Gestionar Microsoft Purview con Azure Synapse Analytics
• Explorar Azure Databricks
  Gestionar Apache Spark in Azure Databricks
• Automatizar un cuaderno de Azure Databricks con Azure Data Factory

Optimización y solución de problemas de almacenamiento y procesamiento de datos

• Compactación de archivos pequeños
• Control de la asimetría en los datos
• Control del volcado de datos
• Optimización de la administración de recursos
• Optimización de consultas mediante indizadores
• Optimización de consultas mediante la memoria caché
• Solución de problemas de un trabajo de Spark con errores
• Solución de problemas de una ejecución de canalización con errores, incluidas las actividades ejecutadas en servicios externos

Revisaremos a detalle la guía oficial en español del examen de certificación AI-900 Azure AI Fundamentals asi como las 10 preguntas de ejemplo para conocer los tips, consejos y estrategias de resolución. Además se realizará el Simulador Oficial del examen de Azure que consta de 20 preguntas, donde los alumnos podrán validar su conocimientos aprendidos y preparación impartida en clase.

Revisaremos a detalle la guía oficial en español del examen de certificación DP-203 Azure Data Engineer Associate para conocer los tips, consejos y estrategias de resolución. Además se realizará el Simulador Oficial del examen de Azure que consta de 50 preguntas, donde los alumnos podrán validar su conocimientos aprendidos y preparación impartida en clase.