🎯 Perfil Objetivo

Este curso está diseñado para Desarrolladores de Software y Administradores de Bases de Datos (DBAs) que desean evolucionar hacia el rol de Ingeniero de IA.

• Requisito clave: Experiencia en desarrollo con Python o C# y conocimientos sólidos de SQL Server o Azure SQL.
• Enfoque: Implementación de "RAG" (Retrieval-Augmented Generation) y manejo de vectores dentro de bases de datos relacionales y no relacionales.

📌 Objetivo del Curso

Capacitar a los profesionales en el diseño y desarrollo de soluciones de datos inteligentes que aprovechan la IA Generativa y los Modelos de Lenguaje Propios, integrando servicios de búsqueda vectorial y orquestación de IA con las bases de datos nativas de Azure.

Objetivos Específicos

• Integrar Azure OpenAI: Conectar bases de datos con modelos GPT para generar respuestas basadas en datos privados.
• Implementar Búsqueda Vectorial: Aprender a convertir datos textuales en "embeddings" y almacenarlos para búsquedas de similitud semántica.
• Dominar Azure AI Search: Configurar índices de búsqueda avanzados que combinen texto plano con vectores.
• Desarrollar con Semantic Kernel: Utilizar frameworks de orquestación para conectar la lógica del negocio con la IA y los datos.
• Garantizar la Seguridad de la IA: Implementar prácticas de IA responsable y protección de datos sensibles en prompts.

📚 Temario

Módulo 1: Fundamentos de IA para Soluciones de Datos

• Introducción a los Modelos de Lenguaje Extensos (LLMs).
• Arquitectura de una solución de IA Generativa sobre Datos (RAG).
• Aprovisionamiento de Azure OpenAI Service.

Módulo 2: Almacenamiento y Búsqueda de Vectores

• ¿Qué son los Embeddings y cómo se generan?
• Uso de Azure SQL Database y Azure Cosmos DB como almacenes de vectores.
• Extensiones de vectores en PostgreSQL (pgvector).

Módulo 3: Implementación de Azure AI Search

• Creación y configuración de índices de búsqueda.
• Ingesta de datos y "Skillsets" de IA (OCR, traducción, extracción de entidades).
• Configuración de búsqueda híbrida (Vectores + Palabras clave).

Módulo 4: Desarrollo de Aplicaciones con Semantic Kernel o LangChain

• Orquestación de flujos de trabajo de IA.
• Uso de "Plugins" y "Memoria" para dar contexto a la IA.
• Integración de llamadas a funciones (Function Calling) desde la base de datos.

Módulo 5: Optimización y Ajuste (Prompt Engineering)

• Técnicas de ingeniería de prompts para desarrolladores de datos.
• Evaluación de la precisión de las respuestas de la IA (Groundedness).
• Manejo de tokens y optimización de costos.

Módulo 6: Seguridad y Responsabilidad en la IA

• Filtros de contenido en Azure OpenAI.
• Privacidad de datos y cumplimiento (GDPR/Compliance).
• Monitoreo de aplicaciones de IA con Azure Monitor.