AI-900 : Principes de l’IA Azure

1. Descripción del curso: Hola a todos. Así que bienvenido a este examen general de AR AI Fundamentals, que también se llama AI 900 Por lo que este es un examen de certificación de Microsoft, que se basa en los servicios de AR AI. Por lo que también puedes ir al examen de certificación después de este curso. Ahora bien, ¿qué hay exactamente en este curso? Entonces, ¿este es un examen fundamental de IA? Así concepto relacionado con el desarrollo de software o servicios de Microsoft Azure para que puedas crear soluciones basadas en IA. Entonces ya hay servicios basados en IA están ahí en Microsoft Azure. Solo necesitas usarlo en tu aplicación para que puedas crear las aplicaciones basadas en IA. Ahora bien, ¿cuál es exactamente el requisito previo del curso? Independientemente de tus antecedentes, si vienes del campo técnico o no técnico que este examen es adecuado para ti, y si quieres obtener más detalles este fundamental de IA, estaremos hablando de cuáles son exactamente los contenidos del curso. Pero no necesita ningún tipo de experiencia. No se requieren experiencias previas en ciencia de datos ni se requiere ningún tipo de experiencia en ingeniería de software. ¿Por qué? Porque este no es un curso de científicos de datos, ¿verdad? No es necesario desarrollar los algoritmos completos desde cero. Ya esos algoritmos han sido creados por Microsoft, y han creado los como sus servicios de IA. Solo necesitas utilizarlos como tus servicios de IA. Ahí es donde hablamos de que no es necesario tener un paquete de ciencia de datos alrededor. Ahora bien, es bueno saber un poco sobre el uso de Cloud y SSR, pero si no tienes idea de Cloud o SR, también puedes consultar mi curso diferente sobre puedes consultar mi curso diferente Cloud Computing, donde literalmente hablé solo sobre el SCR como qué es exactamente el Cloud, qué es exactamente el SCR Todo bien. Objetivo del curso. Este curso se divide en estos muchos módulos, inteligencia artificial, principio fundamental de aprendizaje automático y SSR, visión por computador, PNL e IA generativa De eso hablamos en este curso. Ahora bien, ¿quién debería tomar este curso? Cualquier individuo interesado en cursar una carrera ZO EA, puede ir por el curso. Cualquier desarrollador o científico de datos existente si quiere hacer uso de los servicios ZO EI o cualquier AA profesional de TI objetivo de incorporar las capacidades de IA en su aplicación. Pueden ir por el marcador. Entonces, una vez que completes este curso, podrás acudir al examen de certificación de Microsoft, donde puedes acudir para esta certificación AI 900. Entonces espero que esta parte sea clara. Gracias a todos. 2. Trabajos de IA comunes: Y uno. Bienvenido a esta clase EI 900, es decir, es tu esfuerzo fundamental de EI Entonces aquí, antes que nada entendamos sobre qué es exactamente la inteligencia artificial, o también la llamamos como IA. La IA es solo un software que imita las capacidades de comportamiento humano Entonces en palabras más simples, podemos decir, desarrollamos dicho sistema informático que son capaces de realizar las tareas que requieren inteligencia humana. Cualquiera que sea la tarea que pueda hacer un humano, esa tarea también puede ser realizada fácilmente por esta inteligencia artificial, ¿verdad? Entonces, en realidad es un software que imita las capacidades de comportamiento humano Ahora, vamos a dar algunas de las cargas de trabajo de EI. Entonces las diferentes cargas de trabajo de EI están ahí como el aprendizaje automático, la visión por computadora, la inteligencia de documentos de PNL Hablaremos entre todas estas cargas de trabajo. Hablemos ahora de cada carga de trabajo. Qué es exactamente este procesamiento del lenguaje natural. Entonces, en esta carga de trabajo de IA particular, entrenamos modelos para que no sólo entiendan el significado. También entienden el sentimiento y la intención, también. Eso significa análisis sentimental que se hace dentro de esta PNL, Ahora, vamos a entenderlo con un ejemplo. Entonces, definitivamente haces una búsqueda en Google. Digamos que está buscando una palabra clave llamada lavado de autos. Escribes ve a Google y escribes algo llamado como lavado de autos. Entonces definitivamente, cuando escribes lavado de autos, te da algún tipo de patrón como lavado de autos cerca, lavado autos en India o lavado de autos. Muchas otras cosas básicamente te da, ¿verdad? Entonces básicamente, con PNL, se puede ver que la búsqueda auto complete es un buen ejemplo de PNL Entonces predice lo que podrías estar buscando para que simplemente puedas hacer clic en él y salvarte El sle de escribirlo. Ese es el ejemplo de PNL, ¿verdad? Y también, hay algo llamado presencia en redes sociales. Digamos que hay una marca que está disponible en Instagram, Facebook y diferentes cuentas de redes sociales ahí, ¿verdad? Entonces te dije que esto también hace algo llamado análisis sentimental Entonces, el análisis sentimental es en realidad un subconjunto de esta PNL. Entonces, digamos que hay algunas críticas positivas están ahí y algunas críticas negativas están ahí. Y quieres concluir, como, ya sabes, básicamente verá esos comentarios y juzgará si es un feedback positivo o un feedback negativo porque puede entender esos sentimientos y todas esas cosas, ¿verdad Entonces también puedes tomar ayuda de estos modelos de procesamiento del lenguaje de procesamiento natural, y puedes tener básicamente un informe de tus comentarios positivos, comentarios negativos y todas esas cosas, ¿verdad? Por lo que también puede juzgar tu presencia en las redes sociales. Ahora, la inteligencia documental es también una de las cargas de trabajo de IA. ¿Qué se hace exactamente? Se puede usar algo llamado como análisis de documentos. Digamos que hay una tarjeta de visita escaneada ahí y quieres extraer los datos de contacto de ella. Entonces puedes usar algo llamado como este análisis de documentos para que puedas extraer los datos de contacto de la tarjeta de visita escaneada, ¿verdad? IA Generativa. Esto es algo que lo hacemos todos los días. Le preguntas a Ch GPD, ¿verdad? Para escribir un código Python para hacer esto, escriba tal vez un script de power shield para hacer esto, ¿verdad? Entonces eso es un AVA generativo, ¿verdad? Qué se hace exactamente en este gativo AA. Básicamente, produce varios tipos de contenido incluyendo su texto, también puede producir algo de audio, video y una imagen también, ¿verdad? Entonces como un ejemplo de esta IA generativa es, generación de tu código Python, código basado en la descripción proporcionada Entonces, sea cual sea la descripción que proporciones, crea un código Python, ¿verdad? Y también se puede generar una imagen basada en la descripción. Esa es tu IA generativa. Ahora bien, una es la visión por computador. Entonces al igual que en la PNL, te lo dije, hay un subconjunto llamado como análisis sentimental De manera similar en la visión por computador, hay algo llamado como clasificación de imágenes, que en realidad es una técnica de visión por computador solo donde se entrena un modelo para predecir una clase para una imagen en función de su contenido. Vamos a entender. Digamos que entrenamos a un modelo por aquí. Tenemos diferentes imágenes están ahí, así que entrenamos modelo para que pueda predecir que donde exactamente está el carro, ¿verdad? Entonces donde puedes usarlo. Entonces digamos, ya sabes, quieres verificar los daños, cuánto daño se le hace a un vehículo a partir de una fotografía que se puede hacer fácilmente con la ayuda de esta técnica de visión por computador. Esa es la siguiente carga de trabajo de IA está ahí. El último es algo llamado minería del conocimiento, ¿verdad? Por lo tanto, puede comprender y explorar en profundidad una gran cantidad de información para mejorar sus datos, y puede descubrir los patrones de relación ocultos de sus datos Entonces, si tienes una gran cantidad de datos está ahí y quieres descubrir patrones de relación ocultos para tus datos, el arte es donde puedes entrenar el modelo para la minería del conocimiento Estas fueron las diferentes cargas de trabajo de IA que se discutieron Espero que esta parte sea clara, chicos. Gracias a todos. 3. Identifica los principios rectores de la IA responsable: Todos, hoy discutiremos sobre el principio de IA responsable, o hay algunos principios guiados que están ahí cada vez que desarrolles alguna aplicación base de IA. Entonces hay principalmente seis principios guiados que hay en Microsoft Entonces esta primera es la equidad. Equidad significa que debes tratar a todas las personas de manera justa. Vamos a entenderlo con un ejemplo. Digamos que estás desarrollando una solicitud de aprobación de préstamo. Entonces definitivamente la solicitud de préstamo que vas a desarrollar, no debería basarse en ningún tipo de sesgo sobre ninguna enidad de género o cualquier otro factor que le dé alguna ventaja a un grupo específico de aspirantes, ¿verdad Por lo que debes tratar a todas las personas de manera justa. Eso es exactamente lo que significa esta equidad, ¿verdad? Ahora bien, tal vez si estás desarrollando, digamos una aplicación base de recursos humanos, para que el sistema HRAI haga una pantalla todos los candidatos al trabajo sin considerar su edad, su género, o cualquier otra habilidad física Ese debería ser el objetivo de este principio guiado por la equidad Ahora, el siguiente es la confiabilidad y la seguridad. Entonces, cualquier solución de IA que vaya a desarrollar debe ser confiable y segura. Eso significa, digamos, que básicamente estás creando una aplicación para nuestro departamento de salud. Entonces esas aplicaciones en particular, la aplicación basada en IA tal vez también puedan resultar en riesgo para la vida humana, ¿verdad? Entonces, si hay alguna falta de fiabilidad está ahí en su software basado en IA, eso puede resultar en el riesgo para la vida humana Entonces deberías desarrollar esos sistemas EI que sean confiables y seguros de usar, ¿verdad? A lo mejor digamos si estás manejando si vas a desarrollar una solución de taxi sin conductor Entonces deberías hacer pruebas de regresión y despliegue de tu sistema EI para que pueda ser seguro para la vida humana, ¿verdad Ahora, privacidad y seguridad, privacidad y seguridad significa que los sistemas de EI deben ser seguros y respetar la privacidad. Definitivamente, cuando hay una gran cantidad de datos, puede contener tu ID de correo electrónico, puede contener tu dirección de datos personales. Entonces eso debe mantenerse privado, ¿verdad? Entonces cada vez que muevas estos modelos en producción, privacidad debería estar preocupada. También hay que considerar la privacidad y la seguridad . ¿Bien? Inclusividad. Inclusividad significa que siempre debes incluir a todas las personas Digamos que básicamente estás creando una aplicación para tal vez también usuarios con discapacidad visual. Por lo que debes incluir a todos los usuarios, derecho, independientemente de su capacidad física, tu género, tu orientación sexual, etnia. Por lo que debería beneficiar a todas las partes de su sociedad. Ese debería ser el objetivo de la inclusión, ¿verdad? Transparencia significa que el sistema AA debe ser comprensible. Eso significa Uh, sabe. Digamos que estás desarrollando una aplicación basada en IA. Entonces el usuario debe entender cómo operará, qué datos utilizará, cuáles son todas las limitaciones que hay de su sistema de IA, qué capacidades del sistema hay. Entonces debería ser transparente para tus usuarios, ¿verdad? Esa es su transparencia. La última parte es la rendición de cuentas. Rendición de cuentas significa usuarios que se van a desarrollar. Lo que los desarrolladores que van a desarrollar el sistema EI. Necesitan, ya sabes, cumplir con esto sus estándares de organización, los estándares legales, la política de la organización, ¿verdad? Por lo que los desarrolladores que van a desarrollar el sistema de IE necesitan aplicar la política de la organización para cumplir con claridad los estándares legales o cualquier norma ética. Entonces ese es el significado de la rendición de cuentas. Entonces estos son seis principios guiados cuando se trata de su IE. Siempre que desarrollas un sistema de IA, básicamente, estos son seis principios guiados que están ahí. También se le llama como EI responsable. Entonces espero que esta parte sea clara. Gracias a todos. 4. Fundamentos de la visión por computadora: Todo el mundo. Entonces hoy vamos a estar hablando de los fundamentos de la visión por computador Pero antes que nada, entendamos qué es exactamente una tecnología de visión por computadora. Vamos a entender. Entonces, la visión por computador es un campo de inteligencia artificial solo donde enseñamos a computadoras y sistemas a impulsar la información significativa a partir de imágenes digitales, videos, etc. Por ejemplo, entendamos. Digamos que quieres que haya una imagen y en esa imagen, hay algún texto escrito en esa imagen, y quieres extraer ese texto de esa imagen. Puedes hacerlo con capacidades de visión por computador. De igual manera, digamos, quieres que haya una imagen y quieres detectar qué tipo de objetos hay ahí. Digamos objetos en esa imagen, hay un monedero, hay un texto, hay, hay diferentes objetos ahí. Entonces puedes hacer algo llamado como detección de objetos. Entonces estas son las diferentes capacidades que puedes hacer dentro de esta visión por computador. Entonces, la visión por computador no es un término de Azure, es un término de inteligencia artificial. Pero, ¿cómo lo usamos como tu plataforma, esta visión por computador? De ahí vamos a estar hablando. Hay dos servicios ahí llamados como servicio de visión y servicio facial que puedes crear. Como tu visión de IA, dentro de esa es tu visión EI, puedes hacer análisis de imágenes, análisis de imágenes, como puedes hacer un etiquetado de una imagen, como puedes etiquetar esa imagen Se puede generar el subtítulo ya que esa imagen es sobre una cosa. Puedes generar los subtítulos sobre esa imagen. OCR, muy, muy importante reconocimiento óptico de caracteres, extrae el texto de las imágenes Y si quieres hacer las capacidades avanzadas de detección de fase, entonces puedes usar este servicio de pase. Aunque en el propio servicio de visión, se puede hacer la detección de rostros, pero con las capacidades básicas. Pero si quieres hacer la detección de fase avanzada como Blur images o cualquier cosa, entonces puedes usar este servicio facial. Ahora, entendamos más sobre esto en la documentación de Microsoft sobre los servicios de visión por computador que discutimos. ¿Qué servicios se van a crear en SR? Podemos crear el servicio de visión de Azure AI aquí o usted puede crear un servicio de fase. Déjame llevarte a la documentación de Microsoft, antes que nada. Todo bien. Lo puedes ver aquí, tarea de clasificación de imágenes que puedes hacer dentro de tu visión Un servicio de visión A. Por ejemplo, en esta imagen, se puede ver que aquí hay textos. Hay autobuses ahí o ciclistas o hay algo ahí. Puedes obtener esa información usando la clasificación de imágenes. Básicamente clasificará las imágenes en función del vehículo que contenga o cualquier otra cosa, y la detección de objetos Puedo hacer una detección de objetos. Ahora bien, la diferencia muy importante entre una clasificación de imágenes y la detección de objetos es, también te dice la ubicación de ese particular la clase, digamos. Por aquí, se puede ver que ha detectado un autobús. Ha detectado un automóvil, ha detectado a un ciclista, y también te está dando una especie de caja delimitadora así como donde exactamente está por aquí la ubicación de diferentes clases de vehículo Te da un cuadro delimitador, pero en la clasificación de imágenes, no te da ningún tipo de cuadro delimitador Pregunta muy importante también desde la perspectiva del examen. ¿Obtienes el cuadro delimitador en la clasificación de imágenes? No. Obtenemos la caja delimitadora. Caja delimitadora no es más que esta coordenadas rectangulares. Obtiene el cuadro delimitador en esta detección de objetos en sí. Eso se puede ver. Una cosa más es, digamos un OCR. Eso es reconocimiento óptico de caracteres. Como puedes ver, en esta imagen, tenemos algunos textos escritos. Si quieres extraer el texto de las imágenes, entonces puedes usar algo llamado reconocimiento óptico de aracor. Eso es lo que puedes hacer. Parte muy, muy importante, ¿verdad? Entonces, estaremos creando, te mostraré como puedes hacerlo en la próxima conferencia, te mostraré como cómo puedes usar antes que nada, un servicio de visión como tu servicio de visión de IA para que podamos hacer el análisis de imágenes, reconocimiento óptico de caracter, y así otras características también, como la detección de objetos Gracias a todos. Espero que esta parte sea clara. Gracias. 5. Demo del servicio de visión de IA de Azure: Hola a todos. Hoy, estaremos haciendo una demostración sobre la visión de la IA. Estaremos creando un servicio de visión AR AI en Azure para que podamos hacer análisis de imágenes. También podemos hacer un OCR, reconocimiento óptico de Carter y otras cosas, así como capacidades de detección de objetos Me dirigiré hacia mi portal de Azure para poder mostrarte cómo crear el servicio y cómo usar ese servicio. Déjeme llevarlo al Portal Z. Todo bien. Entonces estoy en este tu portal. Buscaré un servicio llamado como Visión en esta sección de recursos de búsqueda. Voy a decir visión, y se puede ver que hay mucho servicio que co vienen. Y cuando se trata de servicio de visión, aquí encontrarás este nombre con visión por computador. A partir de ahora, solo están utilizando este servicio de visión por computador, pero esto no es más que una visión AA. Vamos a hacer clic en este servicio de visión por computador por aquí. Eso es lo que queremos crear, y haremos clic en la sección Crear aquí. Estaremos brindando los detalles básicos como en tu suscripción, tu grupo de recursos y tu nombre, digamos, es visión o yo diría un servicio de visión de prueba, servicio visión de prueba 01. Los precios se rasgan ya que cuántas llamadas se pueden hacer a este servicio de visión. Digamos que voy con estándar S one y aviso de IA responsable. Es necesario que se adhieran a los principios de IA responsable. Digo que reconozco todos los términos anteriores. Doy click en siguiente, networking esto se puede hacer desde toda la red, digamos, iré con la configuración predeterminada y pulsaré en revisar más crear. Vamos a crear este servicio primero. Todo bien. Hagamos clic en él, y una vez que esté hecho, nos dirigiremos hacia el Vision Studio. Esperemos a que esto se complete. Todo bien. Esto está hecho. Voy a hacer clic en ir al recurso, digamos ahora. Espéralo. Todo bien. Ahora se puede ver eso por aquí. Si quieres probar todas las funciones de visión por computador y construir tus propios modelos personalizados también, puedes ir a algo llamado Vision Studio. Déjame ir antes que nada a este estudio de Vision . Vamos a esperarlo. Todo bien. Se puede ver eso por aquí. Puedes hacer muchas cosas por aquí cuando se trata de un estudio de visión. Se puede hacer un análisis de imagen. Dentro del análisis de imágenes, se puede ver eso. Quieres agregar algunas leyendas densas a las imágenes, o quieres agregar leyendas a las Y una de las características importantes por aquí si quieres detectar los objetos e imágenes, ahí es donde hablamos de la detección de objetos, como por ejemplo te dará un cuadro delimitador, y también te dará clasificar el donde exactamente ese objeto en particular está en la También te da básicamente una puntuación de confianza, que va de 0-1 básicamente como la forma en que la IA está segura de que este objeto en particular es eso solo También te da puntaje de confianza. Eso es lo que obtienes en esta detección de objetos. Si quieres explorar, lo que puedes hacer, puedes hacer click en este detectar objetos comunes en mag, digamos por aquí, te desplazarás hacia abajo. Eso se puede ver. Hay algunas de las imágenes están ahí, que también puedes usar. Y si quieres usar tus propias imágenes personalizadas, también puedes buscar ese archivo. Digamos que voy con la imagen particular estándar por aquí. Déjame usar esta imagen. Es decir, quiero hacer un recurso selector, así que estaré seleccionando mi suscripción, y estaré seleccionando el recurso que había creado, probar el servicio de visión 01. Y déjenme confirmarlo. Utilice este servicio en particular y detecte estos objetos en particular en esta imagen. Vamos a esperarlo. Tengo que hacer una parte reconocida también por aquí. Es decir. Yo digo eso, sí, lo reconozco. Este servicio en particular tendrá los cargos. Tengo que decir, Bien. Bien. Así que hace poco lo creé. Está diciendo acceso esta noche. Solo espera un tiempo, y podrás configurarlo. Así que solo espera un tiempo y volveremos a detectar los objetos . Todo bien. Entonces después de esperar casi como 5 minutos, pude ver eso. Se puede ver que hizo la detección de objetos, como puede ver, está diciendo que me da una caja delimitadora donde dice ese tren subterráneo Te está dando una puntuación de probabilidad. Te da como 0-1, uno significa un 100%, así que puedes ver eso por aquí Está dando en la forma porcentual donde dice 79.50%. También detectó algo llamado como persona también, lo que te da probabilidad como 77% y tienes algo llamado como persona por aquí también, da la puntuación de probabilidad de este porcentaje. Puedes usar estas diferentes cosas en este análisis de imágenes donde también puedes usar tus propias imágenes y puedes subir tus imágenes y ver la detección de objetos. Siempre recuerda, en la detección de objetos, te da tres cosas mayormente Particularmente se trata de la imagen. O aquí, se puede ver que en esta imagen, ha detectado a la persona. Eso significa que clasificará tu imagen. También te dará puntuación de probabilidad, o también te dará una cosa más, que es un cuadro delimitador, muy importante por aquí Podemos probar otras características también en este estudio de visión en particular, yo si solo voy a ir al estudio de visión. Si voy a ir a la cara, porque habíamos visto que cuando se trata de cara, ya tenemos un servicio diferente ahí llamado servicio facial. Ahora, en este servicio facial, puedes hacer una tarea sencilla como detectar el rostro en imágenes y todas esas cosas. Pero si quieres hacer una detección avanzada de rostros como las imágenes borrosa o cualquier cosa, entonces estarás creando un recurso diferente llamado servicio facial. Espero que esta parte sea clara, chicos. Gracias a todos. 6. API de visión: Hola a todos. Hoy, haremos la demostración como tu API de AA Vision. Ahora bien, ¿qué es un APAS? Si dos aplicaciones quieren hablar entre sí, quieren intercambiar los datos, entonces usamos algo llamado como API. Podemos usar Vision Studio, podemos subir nuestras imágenes y todo, donde podemos obtener las funciones de análisis de imágenes y todo. Eso está bien. Pero y si queremos hacerlo programáticamente, digamos que tengo una aplicación base powersal y quiero enviar una imagen a través de esa propia aplicación enviar una imagen a través de esa Entonces estaremos usando algo llamado como API. Esa es la interfaz de programación de aplicaciones. Ahora, ya tengo una aplicación base powershell donde quiero llamar a esta visión API Voy a estar enviando una imagen y quiero extraer, digamos, quiero generar el caption para esa imagen. Digamos que quiero hacer la descripción de esa imagen. Quiero hacer la tarea diferente que está disponible para esa imagen. Voy a estar usando APIs en ese caso. Ahora, permítame mostrarle esa aplicación, antes que nada. Todo bien. Esta es la aplicación, por la que se desea analizar la imagen. Es necesario proporcionar las claves y el punto final del recurso de visión que habíamos creado en el portal SR. Te mostraré cómo extraer las claves, las claves autenticación y el punto final. Ese es el nombre de dominio para esa aplicación en particular, el servicio de visión. Estaremos enviando esta imagen en particular que está ahí en el contenido gub de Microsoft Se puede ver eso por aquí. Te voy a mostrar ¿cómo se ve esta imagen? Queremos mandar esta imagen. Y usando esta imagen, queremos llamar a la API de visión. El APA es tu nombre de punto final , visión de barra, V 3.2 analizar, y queremos lo que queremos hacer con las características visuales, queremos detectar los objetos, queremos generar las descripciones y categorías también Eso es lo que estamos llamando la APA. Esta es la API básicamente. Esta es la API de visión que estamos llamando. Dentro de eso, estamos tratando de hacer estas tres cosas. Eso es lo que estamos tratando de hacer. tratando de enviar estos encabezados. Ahí es donde estamos enviando estas claves de autenticación y por todas partes. Y estamos convirtiendo los resultados en formato JSON por aquí. Eso es lo que estamos tratando de hacer en esta aplicación. Eso significa programáticamente llamando a la visión APA también, podemos enviar las imágenes también Si estás construyendo alguna aplicación, también puedes hacerlo. Ahora, déjame mostrarte antes que nada la imagen que lo hará, cómo exactamente la imagen es la imagen que se ve. Déjame mostrarte la imagen. Todo bien. Esta es la imagen que se está dando por aquí. Esta es la imagen en la que vamos a estar trabajando desde nuestra visión APA. Ahora, para que primero caiga, llame a la API de visión, necesito las claves y endpoint de mi recurso de visión que había creado en mi portal Azure. Déjame llevarte al Portal de Azure y extraer esa información por ahí. Déjame llevarte al portal de Azure. Todo bien. Estoy en el portal Azure y busco este recurso que había creado test vision 01 porque necesito las claves y endpoint de este recurso de visión en particular. Vamos a esperarlo. Ahora, en el lado izquierdo, puedes ver esto debajo de la sección de administración de recursos, puedes ver estas claves y endpoint por aquí. Entonces estaría necesitando las claves y el punto final para esta fuente en particular. Así que puedes hacer clic en Mostrar claves y te mostrará las claves de autenticación por aquí, y también necesitarás copiar el punto final. Así que permítanme copiar estas claves y el punto final de ahí en mi aplicación basada en Powershell. Todo bien. He copiado las claves y la sección de punto final por aquí, como pueden ver. Ahora puedo llamar a esta visión particular servicio APA. Eso es todo lo que se graba por aquí como lo que quiero enviar. Ahora voy a ejecutar esta aplicación en particular. Estoy dentro de mi carpeta AI 900. Si quiero ejecutar esto, voy a decir esto un nombre de aplicación, analizar imagen PS uno, y también voy a estar enviando esta imagen en particular. Esa es la cámara de la tienda un archivo P. Eso es lo que quiero mandarle. Entonces, permítame mandar esta información también. Todo bien. Entonces esta imagen se almacena dentro de mi carpeta de datos, carpeta visión, y luego este nombre de imagen en particular. Vamos a ejecutarlo y presentador. Entonces es analizar la imagen. Y se puede ver que ha generado el ta, también ha generado los objetos. Eso es lo que ha hecho. Déjame mostrarte Así que habíamos pedido esta imagen como cuáles son exactamente las etiquetas en esta imagen. Como puedes verlo diciendo, hay una persona, hay una mujer, hay una tienda, hay una tienda, eso es lo que todos los objetos están ahí en esta imagen, y también detecta los objetos, como puedes ver, celular persona habitación, celular persona habitación, ese es el objeto en esta imagen, y si vas a desplazarte hacia arriba. También, ya sabes, generar algunos subtítulos sobre esa imagen, una mujer mostrando su teléfono a un niño Eso es lo que ha generado los pies de foto, ¿verdad? Entonces así es como puedes usar los diferentes APAs que están ahí. Hay diferentes puntos finales, donde puedes llamar al APA, y programáticamente también, puedes llamar a este APA diferente para que puedas mostrar los resultados aquí también en las aplicaciones basadas en control Una cosa es Vision Studio. La otra salida es APAs también que podemos usar, y una forma más está ahí, que se llama un kit de desarrollo de software. Eso significa las bibliotecas. Digamos la misma tarea que quieres realizarla a través de aplicaciones base Python. Si hay ciertas bibliotecas ahí, puedes usar esas bibliotecas y también puedes acceder a la información. No es necesario llamar a la APA desde eso. Aplicación basada en Python, también puede hacerlo a través de kits de desarrollo de software. Esa es la COSUDE. Esas son las bibliotecas. Espero que esta parte sea clara. Gracias a todos. 7. Qué es el procesamiento del lenguaje natural y el servicio de lenguaje de IA de Azure: Todo el mundo. Entonces estaremos hablando del procesamiento del lenguaje natural, que también se llama PNL Vamos a entender qué es exactamente la PNL. Entonces, la PNL vuelve a ser un área de IA que se ocupa de dar sentido a las lenguas escritas y habladas Digamos que quieres digamos que hay un documento de texto está ahí y quieres dett en qué idioma está escrito el documento También puedes usar este tipo de funcionalidad en Azure. Ese es tu procesamiento del lenguaje natural. Ahora hay diferentes servicios están ahí para diferentes casos de uso. Por ejemplo, puedes crear un servicio de idiomas en como tu, que puede hacer estas muchas cosas. Se puede hacer una detección de idioma, donde me siento donde se puede proporcionar un documento de texto y se analizará en qué idioma están escritos esos datos. Ahí es donde también puedes usar algo llamado extracción de frases clave en tu servicio de idiomas. Por ejemplo, hay un documento de texto que lo estás enviando y quieres precisar algunas de las frases clave o los principales puntos de comida para llevar de ese documento en particular. Entonces puedes usar extracción de frases clave. También se puede hacer un análisis de sentimiento sobre documento. Digamos que tienes presencia en redes sociales. Has recopilado mucha información en un documento de texto y quieres analizar si los sentimientos son positivos o neutrales o negativos Puedes hacerlo con la ayuda del servicio de idiomas, donde quieras hacer un análisis de sentimientos. Hay algo llamado como otras cosas diferentes también, que está ahí. Ahora hablemos de algunas de las características. Hablamos de detección de lenguaje. que pueda determinar el idioma en el que se escribe el texto con la ayuda de este servicio lingüístico. Ahora bien, así es como puedes proporcionar un documento usando la API o puedes usar el SDG Los kits de desarrollo de software también. También puedes hacerlo desde una aplicación basada en Python. O también puedes ir al estudio de idiomas. Existen diferentes opciones por las cuales puedes enviar estos documentos a tu servicio de idiomas. Ahora bien, ¿cuál será la salida? Es así como vendrá la salida. Vamos a conocer, en qué idioma básicamente el documento era el inglés. También obtendrá este nombre ISO para ese documento. Por ejemplo, EN, eso significa solo tu inglés, y también obtendrás el puntaje de confianza como cuánta confianza AI predice que este documento en particular está escrito en inglés o no Ahí es donde el valor sería 0-1. Así es como básicamente puedes hacer la dicción del lenguaje. Ahora, también tiene una función llamada como reconocimiento de entidad con nombre. Digamos que quieres probar algunas de las diferentes categorías. Digamos, digamos, un documento que estás pasando, donde dice Cho en Ln el sábado. Las entidades se agrupan en categorías. Hay algunas categorías de cinturones que están ahí cuando se trata de este reconocimiento de entidad de nombre Puede detectar a una persona, puede detectar una ubicación, una fecha y hora, y otras cosas también. Actualmente, si va a enviar este documento de texto, y utilizará este servicio llamado como reconocimiento de entidad de nombre. Así es como básicamente te dará la respuesta. Detectará, hay una persona entidad. Hay una ubicación entidades ahí. Ahí hay entidades diurnas. Así que básicamente tiene algunas entidades incorporadas que están disponibles dentro de este reconocimiento de entidad nombrada Entonces, en la próxima demostración, estaré creando un servicio de idiomas y te mostraré cómo puedes usar el estudio de idiomas para diferentes funciones dentro de este servicio de idiomas. Entonces espero que esta parte sea clara. Gracias a todos. 8. Demo del servicio de lenguaje de IA de Azure: Hola a todos. Así que estaremos haciendo una rápida demostración de nuestro servicio de idiomas. Entonces en Azure Portal, estaremos creando este recurso de lenguaje, en primer lugar. Entonces déjame llevarte al Azure Portal. Todo bien. Entonces ahora estoy en el portal ACR. Voy a buscar en la opción de recursos de búsqueda por aquí, el servicio de idiomas. Haré clic en esta opción de búsqueda y diré idioma. Ese es el servicio que viene por aquí. Entonces seleccionaré este servicio de idiomas, y hago clic en Crear, y puedes verlo. Este servicio de idiomas te brinda estas muchas características. Tienes algo llamado Análisis Sit TBT, extracción de frases clave, respuesta a preguntas preconstruida Entonces hay diferentes características por ahí. También tienes algunas características personalizadas, que está disponible aquí. Entonces digamos que hago clic en continuar para crear los recursos por aquí. Digamos que selecciono el nombre de mi grupo de recursos. Nombre del recurso es, digamos idioma. Idioma 01 por syn Seleccionaré una S A's dicen que ya se usa, usaremos algunos números aleatorios Diré que sigo estos principios responsables, y voy con el siguiente, y con la configuración predeterminada, iré con y tlicon, además L et's esperan la validación. He hecho clic en, he creado la opción de creación por aquí y se ha iniciado la implementación Esperemos a que se complete el despliegue. Todo bien. Por lo que se ha desplegado el recurso. Haré clic en esta sección de despliegue por aquí para que pueda ir al recurso. Esperemos esta sección de recursos por aquí y veamos. Se ha completado el despliegue. Iré a este recurso de servicio de idiomas. Esperemos esto. Todo bien. Yo soy el servicio de idiomas por aquí. Entonces, si quieres hacerlo programáticamente, ya tienes las claves y el endpoint por aquí en el lado izquierdo bajo esta administración de recursos, pero estaremos explorando el estudio del lenguaje Entonces, si lo vas a desplazar hacia abajo, encontrarás allí algo llamado Comenzar con Language Studio. Vamos a darle un click sobre él. Todo bien. Entonces yo soy este portal de este estudio de idiomas ahora. Ahora, el primer paso es que necesitas iniciar sesión por aquí para que puedas ver toda la característica que surge con este sudio de idioma Así que voy a iniciar sesión con mis credenciales por aquí. Y luego te voy a mostrar cómo puedes usar las funciones que están disponibles dentro de este estudio de idiomas en particular. Permítanme antes que nada iniciar sesión en este servicio de idiomas. Espéralo. Todo bien. Así que ahora he iniciado sesión con éxito en mi estudio de idiomas. Me desplazaré hacia abajo por aquí. Puedes ver las diferentes características que puedes hacer con este servicio de idiomas. Digamos que quiero hacer extraer información, o digamos que quieres extraer las entidades nombradas. Quieres hacer la extracción de las frases clave, o digamos que también quieres detectar los idiomas. Entonces si me desplazaré hacia arriba, y si voy a esta opción de texto clasificado, si quieres detectar el idioma, puedes verlo por aquí o análisis de sentimiento Si quieres hacerlo, puedes usar la función. Digamos que uso esta función de lenguaje de detección de aquí. Vamos a esperarlo. Para que puedas proporcionar cualquier tipo de texto por aquí. Por lo que podría llevar algún tiempo. Tal vez no puedas obtener los resultados una vez que pagues el servicio de inmediato, y estás tratando de probar este servicio. Entonces podría llevar algún tiempo, así que trata de dar tu texto por aquí. Y después de algún tiempo, solo intenta usar este clic en esta opción reconozco , y solo de eso. Podrás ver que detectará el idioma en el que está escrito tu texto. Entonces esto es un montón de cosas que puedes hacer dentro de este estudio de idiomas, donde hablamos de algunas de las características analíticas de prueba como, puedes hacer una extracción de frases clave, puedes hacer detecciones de un lenguaje, y también hay otras características que puedes hacer dentro de este estudio de lenguaje Entonces espero que esta parte quede clara cuando se trata de este servicio de idiomas. Gracias a todos. 9. API de análisis de texto de demostración: Demonios a todos. Haremos una rápida demostración sobre este CPA analítico de texto Ya habíamos visto que podemos usar el estudio de idiomas si quieres detectar algún idioma o extracción de frases clave, el reconocimiento de entidad nombrada, esas características que podemos usar dentro del estudio de idiomas también. Pero, ¿y si quieres hacerlo programáticamente? Si digamos que tengo una aplicación basada en powershell, y quiero llamar a estos servicios de idiomas Quiero enviar algunos documentos y necesito detectar en qué idioma es básicamente el texto está escrito. Entonces puedes usar algo llamado API de análisis de texto de prueba para esos fines. Ahora déjame llevarte al código de Visual Studio donde ya tengo un código, y quiero que ustedes pasen por el código donde puedan usar las diferentes partes de la API de análisis de texto que están ahí. Ahora déjeme llevarlo primero al código visual de Sudio . Todo bien. Entonces este es el enlace. Déjame mostrarte, estos son los archivos x aquí. Este es el guión. Primero que nada necesitas proporcionar tu punto final clave, eso es algo que hay dentro tu recurso de servicio de idiomas. Entonces necesitas ir al servicio de idiomas y copiar la clave como punto final. Que lo que estamos tratando de hacer es, estamos tratando de llamar al servicio de análisis de textos para analizar la ingesta de sentimientos. Ya tenemos un archivo llamado como review one dot txt, donde hemos escrito algún tipo de reseñas que está ahí en el propio idioma inglés. Ahora si me desplace hacia abajo lo que estamos tratando de hacer. Estamos enviando este documento de texto en particular, ese es el documento que está ahí en la revisión un punto txt, y estamos tratando de llamar a la APA. Como puedes ver, en primer lugar, el nombre de endpoint slash, el análisis de texto APA V 3.1 idiomas Este es el año. Recuerda que para fines de lenguaje, esto seguirá siendo el mismo Al igual que para detectar el lenguaje, cuál es la ruta UL estarás usando idiomas. Pero digamos que quiero hacer un análisis de sentimientos. Si vas a pasear, digamos lo mismo que estoy haciendo con la misma API misma. Hasta aquí, la API es la misma. Analítica de texto V 3.1. Pero este camino de UL es diferente porque en esto, quiero Básicamente, encontrar las frases clave, las principales, digamos los puntos de conversación en esos documentos en particular. Ahí es donde puedo usar estas frases clave. Yo me desplazaré hacia abajo, hay diferentes APIs ahí. Las partes URL están ahí. Digamos que quiero analizar estos sentimientos si es positivo, negativo o neutral Puedo usar la misma estructura test analytics 3.1 hasta aquí, es bastante igual. Después de eso, este camino cambiará. Ahora voy a enviar esta solicitud de API de sentimiento por aquí. Esta API, estas cosas se llaman como rutas URL. Necesitas cambiar las rutas de URL básicamente y podrás enviar tu solicitud. Espero que cuando se trata de servicio de idiomas, hablemos de las diferentes cosas que hay ahí. Una es que puedes usar el recurso del servicio de idiomas y puedes usar el estudio de idiomas. Una de la que hablamos, también podemos usar esta APA de análisis de texto. También puedes usar algo llamado un sdCse, es decir el Python o desde la aplicación basada en CHA ahí ya están las bibliotecas Detrás de escena, estas bibliotecas también están usando APA solamente. Pero son una versión sencilla se puede decir. Esas bibliotecas que necesitas usar en tu aplicación basada en Python o CHA, y puedes llamar a esos recursos de servicio de idiomas y enviar tus documentos con fines de análisis. Entonces espero que esta parte sea clara, chicos. Gracias a todos. 10. Demostración de la función de respuesta a preguntas personalizada (servicio de idiomas): Hola a todos. Entonces hoy, quiero hacer una función de respuesta de tema a preguntas que nuevamente está disponible en su servicio de idiomas solamente. Pero antes que nada entendamos qué es exactamente esta función de respuesta a preguntas de su servicio de idiomas. Ahora, puedes ingresar tus preguntas y su respuesta correspondiente tal como debiste haber visto en el FQ Si tienes manteniendo un sitio web y aún tienes algún FCS ahí Ahí es donde puedes tomar la ayuda de esta función de respuesta a preguntas del servicio de idiomas. También puedes proporcionar tu propia pregunta y respuesta o puedes extraer de un documento FQ si ya hay FQ ahí y si quieres extraer esos FQ, eso es lo que puedes hacerlo También puede utilizar alguna funcionalidad previa al chat para generar las respuestas. Es como si quisieras crear un bot de chat. Puedes integrar eso, puedes crear ese bot de chat, y puedes integrarte con diferentes servicios como lo empujas como tus aplicaciones web también. Eso es lo que puedes hacer. Puedes crear una especie de función de respuesta a preguntas que esté ahí en el servicio de idiomas. Voy a dirigirme a este portal SR para que pueda mostrarte la demo como puedes hacerlo. Déjame llevarte al portal ZR. Todo bien. Estoy en el portal ZR y crearemos un servicio de idiomas. Voy a dirigirme hacia un servicio llamado como idioma, y lo crearé. Vamos a hacer clic en la opción D por aquí. Ahora, todas las funciones están ahí, puedes ver que las características predeterminadas están ahí, pero si quieres la característica personalizada, que es, en nuestro caso, queremos esa función de respuesta a preguntas de este servicio de idiomas, entonces necesitamos seleccionar esta. Digamos que también voy con esta función de respuesta a preguntas , y hago clic en, Continuar para crear el recurso. Así que aquí, voy a proporcionar todos los detalles como nombre, región, grupo de recursos, y precios claros y todo, y voy a hacer clic en Crear. Todo bien. Vamos a entender. He creado este servicio de idiomas en particular, y me dirigiré hacia este estudio de idiomas, que es bastante lo mismo que lo hacíamos anteriormente y comenzaré con Language Studio. Vamos a esperarlo. Ahora verás esta opción también por aquí, entenderás las preguntas y el lenguaje de conversación por aquí, y si vas a desplazarte hacia abajo, digamos que quieres crear un proyecto basado en esta respuesta personalizada a preguntas. Permítanme crear este proyecto antes que nada. Digamos que el idioma que voy a estar sentado para todos mis proyectos es el inglés. A continuación, y digamos que el nombre de mi proyecto es, simplemente digo que es para preguntas y respuestas, lo diré como Q A, y F Q es, algo así. lo diré como Q A, y F Q es, algo así La descripción es para propósitos de Q y A, desarrollándola para la función estándar de preguntas y respuestas aquí. Si también puedes proporcionar la respuesta predeterminada cuando no se vuelve a dar vuelta ninguna respuesta, si quieres Digamos que no estoy de acuerdo con nada y haga clic en. Crear un proyecto. Vamos a esperarlo. Ahora, nuestro proyecto está hecho. Actualmente, no tienes tu base de conocimientos o hay alguna FFQs ahí Pero si tienes un sitio web, tienes un archivo o charla, básicamente puedes proporcionar tu FQ también desde aquí Pero digamos que quiero dar mi propio conjunto de preguntas y respuestas. Voy a hacer clic en esta sección de la base de conocimientos dit por aquí en el lado izquierdo, y voy a proporcionar la lista de preguntas y respuestas por aquí Digamos, si alguien va a tener una charla con mi chat, si alguien me lo pidió, digamos, cuáles son las certificaciones relacionadas con S A. Quiero que la respuesta se dé como AI 900 o AI una o dos, Digamos, esto es lo que quiero dar. Digamos hecho. Digamos que esta es la única pregunta. También puedes agregar algunas preguntas más a estas preguntas basadas en el conocimiento. Cuáles son las certificaciones de ingeniero de datos y en qué se basa básicamente su empresa, para que pueda proporcionar un conjunto de sus preguntas y respuestas Una vez que haya terminado, debe hacer clic en la opción de guardar aquí. Una vez que haya terminado, debe hacer clic en la opción de guardar aquí Eso es lo que estás tratando de salvar los cambios. Una vez guardado, se guardan los cambios. Lo que intentaremos hacer, intentaremos probarlo. Vamos a esperarlo. Se puede ver que los cambios se guardan. Ahora bien, si quieres probarlo, estas son las funcionalidades de prueba aquí. Puedes hacer clic en él, y digamos que simplemente digo que lo que todos los Z como tus certificaciones de IA están ahí. Digamos que proporciono esta salida simple, como pueden ver, me está dando como AI 900 AI uno o dos. Pero por aquí, está bien. Quiero hablar de una cosa más, que se llama como follow props Lo que quiero, quiero que dé AI 900 como enlace para que me redirija a una página diferente de certificación de Microsoft AI 900. Y si hago clic en esta IA uno o dos, me redirigirá a AI una o dos páginas de Microsoft. Entonces eso se llama como los apoyos de seguimiento. Digamos, actualmente por aquí, en vez de esto, edito esta respuesta y digo que Estas son las certificaciones, y quiero agregar un seguimiento a los proms Voy a explicar qué es exactamente un seguimiento de los proms. Pero digamos que simplemente digo eso, agrego un follow proms. Yo digo eso. Siempre que muestre la respuesta, diré AI 900 y AI 900, básicamente proporcionaré el enlace de microsoft, por lo que llevará esto a la página de documentación de microsoft. Déjame copiar la página de Microsoft AI 900. Voy a copiar este enlace como es la página AI 900. Digamos que agrego un prompt. Añado un prompt más. Y voy a decir que esta vez el usuario será redirigido a AI uno o dos Certificación y por aquí, voy a copiar el enlace AI uno o dos. Todo bien. Voy a copiar este de aquí y agregar un prompt. Ahora el siguiente paso es guardarlo. Solo necesitas guardarlo de otra manera, no va a funcionar. Entonces hago clic en guardar. Esperemos esto. Esta vez hemos agregado los prompts pro de seguimiento, que también se llama como utilería multi turn Vamos a esperarlo. Todo bien. Esto está hecho. Ahora, pruébalo y haz la misma pregunta que lo que todo como tus certificaciones de IA y presentador y esperarlo Como pueden ver, esta vez, me está dando las respuestas de una manera de indicaciones de seguimiento En lugar del texto texto. Ahora bien, si hago clic en este botón en particular, me redirigirá a la respuesta que está detrás de esta IA nine d como se puede ver por aquí. Me está llevando aquí a esta página de AI 900. Y si hago clic en AI uno o dos, me llevará a la AI uno o dos documentación de Microsoft. Esto también se llama Seguir indicaciones. Ahora, déjenme explicar una vez más, los apoyos de seguimiento. Todo bien. Esto es lo que discutimos sobre las indicaciones de seguimiento. Puede agregar indicaciones de seguimiento para definir los intercambios de tonos múltiples Esto es lo que discutimos, bien. Ahora bien, esta función personalizada de respuesta a preguntas de la que hablamos en lenguaje, esto se llamaba anteriormente como creador de preguntas y respuestas, también el creador de preguntas y Entonces, si en caso de que en la certificación obtengas un creador de preguntas y respuestas, eso es a lo que se refieren a esta respuesta personalizada a esta pregunta Entonces espero que esta parte sea clara, chicos. Gracias a todos. 11. Comprensión del lenguaje ( Servicio de idiomas): Díselo a todos. Hoy, hablaremos de otra característica del servicio de idiomas, que es la comprensión del lenguaje conversacional Ahora, ya hablamos una pregunta y respuesta personalizada donde obtienes la respuesta a la respuesta estática, que se almacena en tu base de conocimientos. Pero, ¿y si quieres la respuesta basada en la intención del usuario? Luego usaremos algo llamado una función de comprensión del lenguaje conversacional donde puede integrarse en los tableros de chat y otras aplicaciones eIPAS. Ahora vamos a entender. Ahora cuando se trata de este modelo de comprensión del lenguaje o de la característica, acepta la entrada del lenguaje natural de un usuario. Ahora, hay tres componentes que están ahí cuando se trata de esta característica en particular. Ahora bien, cuáles son exactamente las características. Por ejemplo, las características son tu intención de enunciado y entidad, muy importantes Hay tres componentes que hay en este modelo de comprensión del lenguaje que hay que entender. La enunciación, la enunciación significa, como lo que dirá el usuario. Digamos que está construyendo una solución de domótica. Digamos que un usuario diga, encienda la luz. Esa es la enunciación del usuario. Como lo que dirá el usuario. Ahora, la segunda parte, de eso hablamos, el primer componente es la enunciación, como lo que puede decir el usuario Podría haber diferentes variaciones. El usuario también puede decir, encienda el dispositivo, encienda el dispositivo. Hay diferentes enunciados están ahí. Ahora bien, esta enunciación está bien. Pero, ¿qué quiere decir con intención como lo que un usuario quiere lograr Ese es el objetivo. Esa es la intención. Ahora, en esta enunciación, enciende la luz, la intención del usuario es encender el dispositivo Esa es la intención del usuario. Eso significa el objetivo de la enunciación del usuario, esa es la intención Pero ahora podría haber muchos dispositivos, podría haber un ventilador, podría haber luz. Pero por aquí, ¿no está claro si un usuario quiere encender la luz o vamos a encender el dispositivo? Digamos que el usuario diga encender la luz. Pero por aquí, la intención es encender el dispositivo. Estos son los intents construidos están ahí. Ahora, tienes entidad que agrega contexto a la intención. Ahí habrá, digamos que el usuario diga encender la luz. Entidad está ideada, pero específicamente la luz está diciendo que hay que encender la luz Ahí es donde hablamos de entidad. Entonces funciona en tres componentes diferentes, tu enunciado, tu entidad, y este es el que es tu intención por aquí Ese es el lenguaje de conversación, el modelo de comprensión. Espero que esta parte sea clara, chicos. Gracias a todos. 12. Respuesta a preguntas versus comprensión del lenguaje: Hola a todos. Hoy, quiero mostrarles la diferencia entre la función de respuesta a preguntas que discutimos en disco y la función de comprensión del lenguaje. Ahora, ambas funciones están disponibles en el servicio de idiomas. Vamos a entender. Ahora, en la función de respuesta a preguntas, obtienes una respuesta estática a una pregunta conocida. Tienes una base de conocimientos que has desarrollado y hay e ques que debes haber almacenado. Pero cuando se trata de entender el lenguaje, tu respuesta indica la intención más probable y la entidad de referencia. Por ejemplo, un usuario dice encender el dispositivo o encender la luz. La intención es encender el dispositivo y las entidades podrían ser ligeras. Ahí es donde la respuesta indica lo más probable la intención y las entidades de referencia. Ahora, en la respuesta a preguntas, vuelve a utilizar la comprensión del lenguaje natural para hacer coincidir la pregunta con una respuesta en la base de conocimientos. Pero cuando se trata de la comprensión del lenguaje, también usa el lenguaje entendiendo motelly, la PNL para interpretar la enunciación como lo que el usuario está tratando de decir, el objetivo y el contexto, y agregará el contexto a esa intención particular, que se llama comprensión del Entonces espero que la diferencia entre estas dos características sea clara. Gracias a todos. 13. Servicio de habla: Todos. Hoy, estaremos hablando del servicio de velocidad. Esa es otra característica o se puede decir que tiene la carga de trabajo de PNL Yo PNL, puedes usar tres servicios diferentes en Azure. Hablamos del servicio de idiomas. Hablamos también del servicio de velocidad, hablamos del servicio de traductores. Estaremos haciendo un rápido entendimiento sobre este servicio de velocidad como qué es exactamente lo que puede hacer en este discurso. Entonces puede hacer muchas tareas, pero las dos tareas importantes que puede hacer un servicio de voz es el reconocimiento de voz. Eso significa que puedes convertir tu discurso en texto. Si tienes un archivo de audio y quieres convertirlo a un formato de texto. Eso es lo que puedes hacer. Digamos tuviste una reunión y quieres ver los principales puntos clave para llevar de esa reunión, quieres convertir ese archivo de audio de reunión en un formato de texto. Eso se llama el reconocimiento de voz. También podemos hacer algo llamado síntesis de voz, que no es más que texto a voz. Si quieres generar el discurso audible a partir del texto, entonces puedes hacer algo llamado síntesis de voz. Ahora, cuando se trata del servicio de voz, hay una cosa importante que puede hacer para optimizar la afinación fina de su archivo de audio. Digamos, has convertido un texto a voz. Pero el archivo de audio que estás teniendo, quieres afinarlo. Tal vez quieras una versión femenina para ese archivo de audio, o tal vez quieras cambiar el tono de ese archivo de audio. Ahora, esas cosas, si quieres hacer, básicamente, la afinación fina de tu salida de texto a voz, puedes usar un lenguaje llamado SSML Puedes usar este lenguaje basado en SSML que es un lenguaje basado en ExamL para afinar tu salida de texto a voz tal como quieras aumentar un Quieres cambiar la pronunciación. Quieres aumentar el volumen de tu discurso. Eso es lo que puedes hacer. Así es como se ve la sintaxis de SSML Este es un lenguaje basado en exámenes. Digamos que digo eso, quiero la salida, el archivo en macho adulto mayor. Eso es lo que puedo cambiar los diferentes atributos. Hay un atributo llamado como rol que puedo usar. En SSML, hay diferentes atributos están ahí. También puedo cambiar el tono de mi discurso. Lo quiero de una manera muy tranquila. Puedo usar atributo llamado un estilo. Si quieres afinar tu salida de texto a voz, entonces puedes usar algo llamado lenguaje de marcado de síntesis de voz Este es un lenguaje basado en EXIML. Espero que esta parte sea clara, chicos. Gracias a todos. 14. Inteligencia de Document: Hola a todos. El día de hoy, voy a estar hablando este servicio llamado como inteligencia documental, que también se llama como su inteligencia documental de IA. Vamos a entender esto. Como su inteligencia documental es automatizar la extracción de datos. Por ejemplo, tienes una imagen de un recibo o una factura o una tarjeta de presentación. Quieres extraer texto de él. Eso significa que desea extraer los textos de este documento en particular como recibo factura tarjeta de visita. Entonces podemos usar el servicio llamado como inteligencia documental. Ahora bien, esto es bastante parecido a ese OCA que estudiamos dentro del servicio de visión por computador, el reconocimiento óptico de caracter Debido a que el reconocimiento óptico de caracter es que desea extraer texto de las imágenes Eso es lo que ya vimos eso en la visión por computador. Pero en esa cosa en particular cuando se trata la capacidad OCR de visión por computador, sólo puede leer el texto Aquí puedes ver eso, también puede leer los diferentes tipos de datos estructurados los diferentes tipos de datos estructurados o no estructurados Por ejemplo, es este modelo en particular. Ese es su modelo de recibo, es capaz de recuperar que este es el nombre del comerciante en la fecha de transacción superior hora de transacción También es capaz de ver todos estos campos. Es capaz de analizar eso. Este es un nombre de comerciante. Esta es una fecha de transacción. Estos son diferentes modelos están ahí. Si un examen obtienes una pregunta, esa Inteligencia documental y la visión por computador también proporcionan capacidad OCA. Quieres usar, digamos que quieres extraer el texto de las facturas. W servicio que va a utilizar. Eso lo sabemos. Allí para específicamente para recibo factura o tarjeta de visita, podemos utilizar este servicio de inteligencia documental para extraer los datos de estos documentos. Ahora, déjame llevarte al portal AR para que pueda crear un recurso para el servicio de inteligencia documental y luego te voy a mostrar una pequeña demostración, donde estaré subiendo una imagen de factura Déjame llevarte primero al portal. Todo bien. Estoy en el Portal. Busco inteligencia documental. Este es un servicio reciente que viene, pero si en caso de que no se te ocurra, puedes escribir inteligencia documental y en la parte superior, encontrarás este servicio, inteligencia documental. Ahora vamos a crear este servicio antes que nada. La creación es bastante igual que con los otros recursos, necesitas proporcionar tu suscripción, tu grupo de recursos, tus regiones, y todas esas cosas. Es bastante lo mismo. Digamos que proporciono mi nombre de grupo de recursos este y digo que esto es para inteligencia documental, IA, algo así, Digamos que voy con el nivel gratuito esta vez y hago clic en simplemente revisar más crear. Vamos a esperarlo. Por lo que hago clic en esta sección de crear por aquí. Una vez que se complete esto, una vez que se haya realizado recurso o se haya completado el despliegue del recurso, lo que haremos intentaremos subir una imagen de muestra que podamos extraer algunos detalles de la misma. Esperemos a que se aprovisione este recurso . Todo bien. El recurso está hecho. Por lo que hago clic en ir a la sección de recursos por aquí. Todo bien. Entonces iré a este documento Intelligence Studio. Necesitas acudir a este Sudio de inteligencia documental para poder utilizar los diferentes modelos como tu recibo de modelo de factura y todas esas cosas Vamos a esperarlo. Todo bien. Entonces estoy en el Estudio de Inteligencia Documental. Eso se puede ver. Lo que puedes hacer, puedes hacer una lectura de documentos de diario. Los modelos preconstruidos son las facturas, específicamente para facturas, re documentos, tarjetas de seguro de salud, se puede ver eso por aquí. Hay cosas diferentes. Digamos que quiero probar este modelo de recibo. Por lo que hago clic en este modelo de recibo por aquí. Así que voy a estar seleccionando mi suscripción y grupo de recursos por aquí como donde exactamente los servicios de inteligencia documental. Voy a estar seleccionando lo mismo. El recurso que había creado en mi suscripción es el indicado, y hagamos clic en Continuar con este recurso. L et's esperarlo. Ahora, también te está dando algún tipo de documentos de muestra, donde puedes ver eso. Este es el recibo. Gracias por ordenar, y si quieres analizar algo, básicamente puedes proporcionar esta cosa en particular, y puedes probarlo si este es archivo de trabajo o no. Pero si tienes tus propios archivos están ahí, si tienes tu propio recibo ahí que quieras analizar, puedes hacer click en este enlace de archivo del navegador y donde también puedes proporcionar tu propio archivo, ¿verdad? Entonces digamos que quiero dar un archivo sencillo donde tengo un archivo. Tengo recibo. Quiero mostrarte ese recibo básicamente. Este es el recibo de muestra que voy a utilizar para este servicio de inteligencia documental. Como puedes ver eso por aquí. Esta es la dirección que se da, cuáles son exactamente los pedidos como una manzana, una naranja. Este es el texto total total que se da por aquí. Ahí es donde usaremos esta imagen para extraer algo de texto de ella. Déjame subir esta imagen en particular a mi estudio de inteligencia documental. Todo bien. Entonces he subido mi imagen, y además, necesitas ver esta parte donde seleccionas porque básicamente estás haciendo un modelo de recibo por aquí. Por lo que este modelo debe ser seleccionado como recibo. Una vez hecho esto, así puedes hacer un análisis de ejecución sobre esto. Esperemos este análisis sobre este documento en particular. Todo bien. Los resultados están aquí. Como se puede ver por aquí, se trata de decir 123, esta calle principal, se ha organizado en como una dirección de comerciante, y se puede ver que 123 es básicamente un número de casa. Esta es la carretera, y esta es la calle principal, y nombre de comerciante. Se puede ver que por aquí, North Wind Raders e identificar el pone número sub Trutal y ¿Verdad? Por lo que este es un servicio importante donde tienes tus propios recibos están ahí y quieres hacer uso de esta inteligencia documental, quieres extraer algo de texto de ella. Eso se puede hacer fácilmente con la ayuda de esta inteligencia documental. Pero, ¿y si digamos que tienes tus propias facturas hay en diferentes formatos, ¿las hay? Digamos que esta inteligencia documental en particular no es capaz de escoger eso. También puedes entrenar tus modelos personalizados en inteligencia documental. Donde puedes subir alguna muestra de tu recibo. Puedes proporcionar eso, este es el nombre del comerciante. Se quiere dar la estructura diferente para esos datos en particular. Eso también es posible. Por aquí, este es un servicio incorporado en el que solo cargarás tus imágenes y podrás extraer lo importante en adelante de ello. Específicamente, este es nuevamente el OCR solo reconocimiento corrector óptico, pero por aquí, la parte importante es, se puede extraer Hay algunos modelos incorporados, hay recibo, facturas, tarjetas de visita, formularios de texto de Estados Unidos y todas esas cosas. Espero que esta parte sea clara, chicos. Gracias a todos. 15. Qué es la IA generativa: Hola a todos. Entonces hoy, vamos a estar hablando de IA nativa. Hablemos de ello. Entonces, la IA nativa, es una categoría de capacidades dentro la solución de IA que crea una respuesta similar a la humana o que crea un contenido original. Puede crear el contenido en variedad de formatos como su lenguaje natural. Puede generar imágenes. Yo también puedo hacer una generación de código. Por ejemplo, la generación de lenguaje natural, describe que crea el contenido original. Por ejemplo, la aplicación que debes haber escuchado sobre copiloto o CA GPT, donde proporcionas que estás buscando, proporcionas las indicaciones Digamos, ¿puedes escribir una descripción del trabajo para ejecutivo o asociado de desarrollo de plagas? Obtienes la respuesta de ello, y eso es bastante similar al contenido original o a la respuesta humana. Ahí es donde UE puede usar estas capacidades llamadas IA asentiva Ahora, el segundo es la gestación de imágenes. Por ejemplo, alguna aplicación basada en IA generativa de aplicaciones, pueden tomar una respuesta, una solicitud humana y generar una imagen apropiada Por ejemplo, puedes ir a este bing.com slash create, donde dirás eso, quiero esta imagen en particular basada en este texto en particular Usted proporciona el texto, y obtendrá una imagen basada en su texto. Se puede ver que un arco iris o una cascada, y va a generar una imagen para usted. También puede hacer algo llamado generación de código, donde diseñas o ayudas a tus desarrolladores de software a escribir códigos también. Por ejemplo, puedo dar las instrucciones como me plazca, escribir el código Python para multiplicar dos números, y me va a generar un código python. Ahí es donde podemos hacer una gestación en lenguaje natural, donación de mage y generación de código también Ahora bien, ¿cómo funcionan estas aplicaciones generativas de IA? ¿O qué hay exactamente detrás de escena? Entonces, detrás de escena, estas aplicaciones generativas basadas en IA están impulsadas por grandes modelos de lenguaje No te preocupes, no necesitas adentrarte profundamente en él. No te harán ninguna duda en el examen relacionado con LLM, pero es bueno saber sobre modelos de idiomas grandes Ahora, los modelos de lenguaje grande son básicamente seguir esta arquitectura de modelo de transformador. Ahora, hay tres pasos que hay en esta arquitectura. Una es la canización Digamos que tiene la declaración como aquí. Escuché un parque para perros en voz alta a un gato. Entonces a cada palabra en particular se le dará un valor de texto único o un número de texto. Como pueden ver, yo uno, la ficha que se escucha es dos, A es tres. Ahora, A está repitiendo dos veces por aquí, pero se le está dando un solo perro token f cinco. Entonces cada palabra, token no es más que una palabra o una parte de lo que. Y la técnica de descomponer tu texto en token se llama Ese es el primer paso en tus modelos de idiomas grandes. Ahora, ¿qué es eso? Ahora bien, estos son solo números. ¿Cómo creamos una relación entre estos números? Ahí es donde tenemos un segundo método que se llama como incrustación. Ahí es donde ahora esta incrustación en particular, como pueden ver, ese monopatín, tenemos valores de matriz múltiple están ahí por aquí Entonces creamos una relación entre estos tokens después de este primer paso que es la tokenización llamada como Ahí es donde creamos una relación entre tokens. Ahora, el tercer paso es capturar la fuerza de la relación entre fichas y la atención, como asignar oído y perro, más peso. Y representar oí a un perro como Víctor. Entonces así es como estas aplicaciones generativas de IA se basan en modelos de lenguaje grande, LLM Ahora bien, ¿qué es entonces la IA Abierta? Ahora, para poder usar tu aplicación generativa basada en IA, necesitas usar un servicio llamado ASR Open AI, donde como tu OpenI es solución basada en Microsoft Cloud para implementar estos modelos de lenguaje grande Ahí es donde usaremos esto como servicios OpenA. Entonces estaremos hablando más sobre el servicio OpenA. Vamos a entender. Por lo que en el servicio ASR OpenA, ya hay modelos pre entrenados que están No es necesario escribir estos modelos LLM. Ya hay modelos entrenados están ahí. Por ejemplo, puedes usar cuatro módulos GPT para tu generación de lenguaje natural Si quieres crear una aplicación como CA GPT o copiloto, puedes usar el modelo CPT, donde puede generar y entender el lenguaje natural y el código Entonces, para la generación de código o para la generación de lenguaje natural, puede usar el modelo GPT four Modelo de incrustación que puedes usar si quieres convertir tu texto en forma de vector numérico Se puede utilizar un modelo llamado como Dal donde puede computar las imágenes desde el lenguaje natural. Por lo que ya hay estos modelos LLA que están presentes dentro de su servicio Open AA. Muy importante desde la perspectiva del examen así como para qué modelos vas a utilizar, digamos para la generación del lenguaje natural. Puedes usar GPT. Existe la pregunta de que modelo vas a usar si quieres generar las imágenes a partir del lenguaje natural, puedes usar un modelo de Dally Entonces usaremos este servicio Open AA. Bien. Entonces estaremos hablando más sobre como su servicio Open AA en la próxima conferencia. Entonces espero que esta parte sea clara. Gracias a todos. 16. IA de Azure Open: Py uno. Así que ahora exploraremos más como su servicio Open A. Ahora, el servicio de pluma A no es algo disponible para todos los clientes. Necesitas solicitar acceso como tu servicio Open AA. Ahora bien, ¿cómo lo hacemos? Ahora puedes usar este formulario para solicitar acceso a este servicio AR Open EA, o puedes ir a esta URL, y habría un formulario de Microsoft. Ahora bien, no es que solicites el acceso y se te concederá el acceso. No. Es para empresas, en primer lugar. No es solo para el propósito de la práctica, solicita el acceso y se te concederá. Es para empresas que están haciendo la aplicación generativa basada en IA, y verán Que si su empresa es elegible para este servicio Open EA acceda o no. Ahora bien, por qué este acceso es limitado, solo porque algunos de los principios responsables de la IE. Hay personas que en realidad también pueden hacer uso de esta aplicación de una manera dañina, y hay mucha potencia computacional que se está utilizando en el pground para este servicio Open AA Por lo que no todos tendrán acceso a este servicio de OpenA. Es necesario antes que nada llenar el formulario. Y luego después de algún tiempo, se te notificará que si tienes acceso a este servicio Open AA o no. Entonces es solo para empresas. No es que puedas dar tu dirección de correo electrónico dirección de correo electrónico personal y se te tu dirección de correo electrónico dirección de correo electrónico personal otorgará acceso, no. Ahora, déjame llevarte a esta forma así como a cómo se ve exactamente esta forma. Ahora, acabo de presionar R en el navegador, y esta es la página que se ha abierto, solicito acceso al servicio SR OpenA Como puedes verlo por aquí, debes proporcionar tu nombre, apellido, cuántas suscripciones tienes, tu identificación, nombre de tu empresa, dirección de correo electrónico y todo lo que necesitas proporcionar aquí. Entonces todos los detalles que necesitas proporcionar. Después de eso, se te notificará que si tienes acceso a este servicio Open EA o no. Solo por parte del principio de IA responsable y el poder computacional que se está utilizando en el paquete, no todos están obteniendo acceso a este servicio Open EA, ¿verdad? Pero sí tenemos el acceso instructivo a este particular servicio de Open AI, donde quiero mostrarte una pequeña demostración como cómo puedes usar el modelo GPT o modelo D, cómo se ve exactamente este estudio Open AI Entonces quiero mostrarles en la próxima conferencia, les mostraré cómo exactamente podemos crear el servicio Open AA, y qué hay exactamente dentro del estudio Open AI. Gracias a todos. Espero que esta parte sea clara. 17. Demostración de IA abierta de Azure: Hola a todos. Así que hoy, estaremos haciendo una demo en Azure Open EA. Entonces, como te dije, Open EA algo no está disponible para todos los clientes. Necesitas solicitar acceso a este servicio, y es solo para las empresas que están creando la aplicación base de IA nativa. Entonces sí tengo acceso a este servicio Open EA porque obtuvimos el acceso instruccional solo para mostrar alguna demostración que puedas ver como se ve el estudio Open AA Entonces déjame llevarte al portal SSR y mostrarte cómo exactamente qué cosas podemos hacer dentro de este servicio Open AA Todo bien. Entonces estoy en el portal SCR, y buscaré un servicio, digamos, llamado Open AI Quiero crear un servicio Open A. Y esperémoslo. Todo bien. Por lo que el servicio de correos viene como Open EI. Voy a hacer clic en ZO Abrir. Todo bien. Así que voy a hacer clic en un crear una sección por aquí. Quiero crear este servicio Open A. Todo bien. Entonces voy a estar seleccionando un grupo de recursos por aquí. Voy a estar seleccionando, digamos pluma AI lista algo ocho e dos. Voy a seleccionar el nivel de precios como cuántas llamadas se pueden hacer, estándar D cero. Las cosas son bastante iguales cuando creamos los otros servicios de IA. Iré con la configuración predeterminada. Doy click en vi plus create, y ahora estaremos creando este servicio Open AA. Sólo espéralo. Todo bien. Entonces haré clic en Crear ahora y esperar a que se complete el despliegue. Todo bien. El recurso ha sido desplegado. Voy a hacer clic en G a Recurso por aquí. Puedo ir a este Open AI Studio. Todo bien. Ahora ¿el servicio Open A? Recuerda que solo está disponible en la región Stine. Easts es una de las regiones donde me he desplegado. Entonces, si puedes crear esto en diferentes regiones, tal vez, posible que no obtengas el acceso a este servicio Open A ya que solo está disponible para regiones de mancha. Entonces digamos que quiero hacer quiero crear algunos modelos dentro de este particular estudio Open E. Quiero crear algunas aplicaciones base de IA generativas. Por lo que hago clic en este Open A Studio. Vamos a este Open A Sudio. Todo bien. Entonces así es como se ve el estudio Open AI. Entonces tienes el modelo Te, como puedes ver en el lado izquierdo que generará las imágenes en función de tu texto. También tienes el área de juegos de chat por aquí, donde puedes tener una funcionalidad de chat como. Tienes una funcionalidad de finalización que puedes probarla. Entonces hay muchas cosas que puedes hacer. Digamos que quiero hacer una funcionalidad de chat por aquí. Digamos que quiero crear un modelo GPT donde pueda chatear con una aplicación particular Es bastante similar a una aplicación basada en copiloto que estoy tratando de crear Así que voy a dar click en este patio de juegos de chat de aquí, antes que nada. Todo bien. Antes de poder usar el patio de gráficos, debe crear una implementación. Por lo que voy a hacer clic en esto crear una implementación. Seleccionaré el modelo. Entonces te dije que ya hay modelos preentrenados de IA generativa están ahí Digamos que quiero usar este GPT cuatro es ya sabes, el GPT 40 es algo más nuevo modelo que puedas usar Digamos que voy con este modelo donde dice GPT 35 a 16 K. Y digo eso, mi nombre de mi despliegue es, digamos, quiero hacer una aplicación basada en chat Entonces voy a decir aplicación basada en chat 01, ese es el nombre de mi despliegue. Y desplázate hacia abajo, y vamos a crearlo. Ahora, esperemos a que se complete este despliegue, antes que nada. Y hemos utilizado el modelo GPT por aquí. Entonces los modelos pre entrenados están ahí. Ahora, se puede ver eso por aquí. Me ha dado. Bien. Así es como el inicio de chat prueba a tu asistente si básicamente estás dando algún prompt, ¿Obtienes la respuesta o no? Ahora bien, lo que puedo hacer, hay algo importante por aquí. Eso se puede decir. Mensaje del sistema, muy, muy importante. Y si haces clic en la descripción emergente, mensaje del sistema es, estás dando al modelo la instrucción como debe comportarse Digamos actualmente, los mensajes del sistema, eres un asistente de I AI que ayuda a las personas a encontrar información. Esto es en lo que está configurado el mensaje del sistema como cómo debe comportarse cuando un usuario interactuará con usted. Digamos que quiero cambiar que eres un asistente de I AI que ayuda a la gente a conocer los cursos de SR, como, digamos, este es el que estoy diciendo, que así es como debes comportarte, y cualquier otro digamos que escribo cualquier otra información por favor responde con un emerge y di, no tienes idea al respecto. Este es el me refiero a mi sistema de IA. Así es como debes comportarte. Este es el mensaje del sistema. Entonces, si haces clic en esta descripción, puedes encontrar instrucciones Puedes encontrar más sobre esto. Qué son exactamente los mensajes del sistema. Una vez hecho esto, puedes hacer clic en este Aplicar cambios aquí al mensaje de tu sistema. Digo que estás actualizando el mensaje de tu sistema. Sí, haz clic en Continuar y esperarlo. Ahora, una vez hecho, puedes pasear y antes de probar tu consulta. Puede proporcionar su consulta por aquí, y obtendrá básicamente una respuesta de su asistente. Todo bien. Ahora prueba la funcionalidad. Por lo tanto, debe esperar algún tiempo una vez que actualice el mensaje del sistema. Entonces digamos que esperé 5 minutos. Ahora después de eso, puedo dar alguna consulta. Digamos que le digo que cualquier información sobre, digamos, política, se lo digo a mi asistente. Ahora, mi asistente me responderá. Lo siento, pero no tengo ninguna información sobre política. Entonces digamos que digo eso. Qué información puedes proporcionar Ahora, esperémosla. ¿Ves que está diciendo que puedo brindar información sobre amplia variedad de temas relacionados con SR, verdad? Porque habíamos establecido el mensaje del sistema de que ayudas a la gente a conocer los cursos de ZR. Cualquier otra información, por favor responda con un emergente y diga que no tiene idea al respecto, ¿verdad? Entonces ahí es donde puedes usar el mensaje del sistema que es igual que como debería ser el EI. También hay diferentes modelos, Digamos que quieres usar el modelo Dal, donde quieras generar la imagen en base a tu texto, puedes usar este modelo Dal también. Ahí es donde puedes usar los diferentes tipos de modelos generativos, modelos generativos de IA como tu servicio Open AI Espero que esta parte sea clara. Gracias a todos. 18. Descripción general de las prácticas de IA responsable para los modelos de Azure OpenAI: Todos. Así que vamos a estar haciendo prácticas de IA responsables con seguridad modelo Open AI. Siempre que estés desarrollando algunos de los modelos Open AI, debes seguir algunas de las recomendaciones de Microsoft para las prácticas de IA responsables. Ahora, antes que nada entendamos. Muchos de estos son sus modelos Open AI, que además no es los modelos generativos de IA que han hecho las mejoras en su contenido, el resumen de cogeneración y Pero con estas mejoras, definitivamente, hay algunos retos que están ahí, como el contenido dañino que los usuarios pueden generar. Pueden tener privacidad. También pueden tener la privacidad de los datos también puede estar ahí, uno de los factores importantes que también puede ser un reto. Cómo mitigar este tipo de riesgo Ahora, ya nos hemos apegado a algunos de los principios de IA responsable, donde platicamos sobre la equidad, privacidad y seguridad, confiabilidad y seguridad y todo Pero en alineación con estos estándares de IA responsable de Microsoft, hay algunas recomendaciones, especialmente para estos modelos abiertos de IA, y estas recomendaciones se organizan en cuatro etapas. El primero es identificar. Eso significa, identificar los posibles daños. Por ejemplo, puede identificar el daño potencial que podría resultar de su sistema de IA a través pruebas de esfuerzo iterativas o de forma de análisis Por ejemplo, está desarrollando una aplicación basada en tablero gráfico. Entonces necesitas entender si tu aplicación está generando algún tipo de contenido que sea ofensivo, que sea discriminatorio. Es necesario identificar esos posibles daños. Esa es la primera etapa. Eso se llama etapa de identificación. Por lo tanto, generar contenido que fomente comportamientos ilegales o poco éticos Es necesario identificar ese tipo de riesgo. Esa es la primera etapa. Ahora, el segundo es la medida. Medir significa que es necesario medir la frecuencia y la gravedad de estos daños Puede hacer tal vez una prueba manual o pruebas automatizadas también para ver si algún tipo de gravedad o algún tipo de contenido dañino que está generando o no. También puedes hacer algún tipo de prueba para tus datos. Ahora, mitiga. Mitigar significa que necesita eliminar esos daños en múltiples capas en su solución Por ejemplo, en R Open AI, también puedes usar una cosa de filtro de contenido, donde tiene algo llamado as, hay diferentes categorías donde puedes filtrar los contenidos en función de ciertos factores. Entonces puedes usar uno de los servicios que hay ahí como tu Open AI llamado como filtros de contenido. Ahora, opere. Ahora operan las últimas etapas, donde se ejecuta un despliegue y el plan de preparación operativa. Por ejemplo, puede crear un plan de respuesta a incidentes que incluya el tiempo que tomará responder a incidentes imprevistos También puedes tener un plan de reversión que defina los pasos para volver al estado anterior en caso de cualquier tipo de incidente Ahí es donde también desarrollarás este plan de operación. Ahora, hablamos de filtros de contenido en abierto A. Qué son exactamente estos filtros de contenido. Ahora se aplican filtros de contenido al prompt o a la finalización para evitar que se germine cualquier lenguaje dañino u ofensivo. Ahí está tu IA abierta. Se basa en las cuatro categorías. Una es que también puedes hacer eso sobre la base del odio. Ahora, también puedes hacer la restricción al contenido sexual también que no quieras generar ningún contenido sexual. Tienes diferentes categorías están ahí. Una es la violencia que describe o aboga o glorifica la violencia También puedes hacerte una autolesión, ese lenguaje que describe o fomenta la autolesión. Puede crear la restricción en función de estas categorías. Ahora, los filtros siempre se aplican en estas categorías, y también tienen algo llamado un ajuste de severidad como seguro o bajo, medio, alto para determinar qué tipo específico de lenguaje son interceptados y prevenidos por los filtros Eso es en lo que puedes usar los filtros de contenido como tu IA abierta. Entonces espero que esta parte quede clara cuando se trata de los principios de IA responsable, especialmente relacionados con el servicio Open AI. Gracias a todos. 19. Qué es el aprendizaje automático: Hola a todos. Hoy, vamos a estar hablando del aprendizaje automático, los fundamentos del aprendizaje automático Vamos a entender qué es exactamente el aprendizaje automático. Entonces la idea fundamental del aprendizaje automático es utilizar los datos de las observaciones pasadas para que podamos predecir algo. Digamos que si tenemos algunos datos relacionados, digamos si la lluvia va a pasar mañana o no, en función de las características como la velocidad del viento, temperatura, y todas esas cosas. Ahí es donde predecimos algo base en las observaciones pasadas, ¿verdad? Ahora, Eso significa que el aprendizaje automático se basa completamente en las matemáticas y comienza. Digamos el ejemplo, digamos que hay una heladería está ahí o la historia está ahí Pueden usar los registros históricos de ventas y meteorológicos para predecir cuántos helados venderán en un día determinado o en función del pronóstico del tiempo. Ahí es donde estamos prediciendo algo. Ahora bien, esto es en realidad un proceso de aprendizaje automático donde se puede ver que tiene los diferentes valores que hay, que también se llama como características, y queremos predecir algo llamado como Y. Cosas muy, muy importantes desde la perspectiva del examen también, características, lo que exactamente se llama como las características. Las características son los atributos observados, como las cosas que se han observado. Eso significa que de esa manera queremos entrenar datos, eso significa los datos que se han pronosticado. Eso se llama como característica. En este ejemplo, se puede ver que x1x a x tres, estas son las características Eso significa los atributos observados. Del mismo modo, la etiqueta es la que queremos predecir. Eso se llama como y por aquí. Eso es y Ahora vamos a entenderlo con un ejemplo. Lo mismo que discutimos cuando se trata del escenario de venta de helados. Nuestro objetivo era entrenar un modelo para que podamos predecir las ventas de helados. Las medidas meteorológicas para el día, por ejemplo, la temperatura, la precipitación, la velocidad del viento , etc., serían las características. Eso quiere decir que estos son básicamente los atributos que hemos configurado que hemos observado. Eso se llama como las características. Cuántos helados se venderán en cada día, eso sería una etiqueta como lo que queremos predecir, queremos predecir. ¿Cuántos helados podrán vender? Esa es básicamente tu etiqueta, eso se llama así I. Característica muy importante es como se puede decir una entrada y etiqueta es algo llamado como salida que queremos predecir. Esa es una cuestión de examen importante. Te pueden dar una mesa donde te pueden preguntar cuáles son exactamente las características y cuáles son exactamente las etiquetas. Esa podría ser una de las preguntas que puedes esperar en el examen. Espero que esta parte quede clara cuando se trata del machine learning. Gracias a todos. 20. Tipos de aprendizaje automático: Todo el mundo. Entonces hoy, vamos a estar hablando de tipos de aprendizaje automático. Entendamos este diagrama en particular. Entonces, el aprendizaje automático es principalmente de dos tipos. Uno es tu aprendizaje automático supervisado y otro es tu aprendizaje automático sin supervisión Entonces, bajo tu aprendizaje automático supervisado, tienes regresión y clasificación, y bajo tu aprendizaje automático no supervisado, tenemos algo llamado clustering, y muy, muy importante desde la perspectiva del examen también Primero entendamos sobre la regresión. Ahora, regresión, ya tuvimos discusión donde tenemos algo llamado como características. Eso significa que definimos atributos y queremos predecir algo llamado como etiqueta, ese es el modelo de regresión, donde por ejemplo, se quiere ver el número de helados que se venden en un día determinado en función de la temperatura de la lluvia y la velocidad del viento. Esta temperatura la lluvia y espacio de viento no son más que las características, y la cantidad de helados que se venden en un día determinado es nuestra etiqueta como lo que queremos predecir. Eso se llama regresión. Ahora bien, ¿qué es esta clasificación? Cuando se trata de clasificación, hay dos tipos de clasificación que están ahí. Uno es binario. El binario es muy sencillo. Simplemente te da verdadera predicción negativa falsa positiva para una sola clase. Por ejemplo, un paciente tendrá diabetes basada en diferentes factores. Por ejemplo, sucederá sí o no, donde tengas verdadero o falso. Por ejemplo, hoy va a llover, sí o no. Eso se llama como el modelo de clasificación por aquí. Ahora, ¿qué significa este clustering? Agrupación significa que estás agrupando las flores similares en función de su tamaño, digamos, por ejemplo, estás agrupando este elemento similar Uno de los ejemplos es, estás agrupando estas flores similares en función de su tamaño, número de hojas, número de pétalos. Ahí es donde a eso se le llama como el clustering. Eso significa que estamos agrupando los elementos similares. Y esto es muy importante desde la perspectiva del examen, donde se te juzgará sobre qué es exactamente la regresión, clasificación es clustering es Entonces espero que esta parte sea clara, chicos. Gracias a todos. 21. Pregunta sobre las características (variables) y la etiqueta (1): Hillary uno. S discutir una pregunta en esta parte del aprendizaje automático donde tuvimos una discusión sobre esta etiqueta y características. Ahora las características también se llaman como esquís variables, las variables de entrada, ¿verdad? Ahora, entendamos esta pregunta. Es decir, tienes como modelo de aprendizaje automático que predice la calidad del producto Eso significa que queremos predecir el. Queremos predecir el básicamente la calidad. Entonces este es el conjunto de datos que se está dando por aquí, y necesitamos analizar cuál es una característica y cuál es en realidad una etiqueta por aquí. Entonces característica, lo sabemos, no es más que la entrada o variables, y label es lo que queremos predecir. Entonces la masa es una característica. Sí, eso es una característica porque hemos dado este conjunto de datos por aquí, y la calidad, es decir que la prueba de calidad es una etiqueta, no. Eso es lo que queremos predecir. En esta pregunta, puedes ver eso, quieres predecir la calidad del producto. Eso quiere decir que eso es una etiqueta. También está justo por aquí. Eso se puede ver. Esto es sí. El primero también es sí. La masa es una función porque es una variable de entrada. La calidad es lo que queremos predecir. Eso es sí, y la temperatura es una etiqueta. No. La temperatura no es una etiqueta, porque no queremos predecir eso. Eso es básicamente una característica. Esa es una variable de entrada. La temperatura en realidad no es una etiqueta por aquí, es una característica. La respuesta sería, sí, sí. Entonces espero que esta parte sea clara, chicos. Gracias a todos.