• Objetivo: Enseñar a los desarrolladores a construir, configurar y desplegar aplicaciones de IA generativa que utilicen modelos de lenguaje de gran tamaño (LLM) y datos propios de la empresa para proporcionar respuestas precisas y contextualizadas.
• Perfil del Público: Desarrolladores de aplicaciones, ingenieros de IA y arquitectos de software.
• Nivel: Intermedio.

• Credencial: Applied Skills Assessment (Credencial basada en laboratorio práctico).

📚 Temario 

Módulo 1: Introducción a Azure AI Studio

• Navegación por el portal: Configuración de proyectos y centros de recursos en Azure AI Studio.
• Model Catalog: Exploración y despliegue de modelos (GPT-4, Llama, modelos de Mistral).
• Seguridad de recursos: Gestión de conexiones y claves de API seguras.

Módulo 2: Construcción de una solución de RAG (Retrieval-Augmented Generation)

• Indexación de datos: Conexión de fuentes de datos externas (archivos locales, Azure Blob Storage o Azure AI Search).
• Generación de índices vectoriales: Cómo convertir documentos en vectores para búsquedas semánticas.
• Grounding de modelos: Configuración del modelo para que solo responda basándose en los datos proporcionados (evitando alucinaciones).

Módulo 3: Orquestación con Prompt Flow

• Diseño de flujos: Creación de grafos ejecutables que conectan LLMs, herramientas de Python y bases de datos.
• Pruebas e iteración: Uso de variantes de prompts para comparar resultados en tiempo real.
• Personalización del sistema: Configuración de "System Messages" para definir el comportamiento y tono del asistente.

Módulo 4: Evaluación y Despliegue de la Aplicación

• Métricas de evaluación: Uso de métricas asistidas por IA para medir la coherencia, relevancia y fluidez de las respuestas.
• Despliegue de Endpoints: Publicación de la solución como una API web consumible por aplicaciones front-end.
• Monitoreo básico: Revisión del consumo de tokens y el rendimiento del flujo de chat.