Azure OpenAI per a aplicacions natives en el núvol

Índice

Taula de continguts

Prefaci

Introducció

1. Introducció a la IA Generativa i al Servei Azure OpenAI

– Què és la intel·ligència artificial?
– Nivell actual d'adopció de la IA
– Les múltiples tecnologies de la IA
– Casos típics d'ús de la IA
– Tipus d’enfocaments d’aprenentatge de la IA
– Sobre la IA Generativa
– Capacitats principals de la IA generativa
– Actors rellevants de la indústria
– El paper clau dels models fundacionals
– El camí cap a la Intel·ligència Artificial General
– Microsoft, OpenAI i Azure OpenAI Service
– L'auge dels copilots amb intel·ligència artificial
– Capacitats i casos d'ús del servei Azure OpenAI
– Els tokens LLM com a nova unitat de mesura
– Conclusió

2. Disseny d'arquitectures natives del núvol per a la IA generativa

– Modernització d'aplicacions per a la IA generativa
– Desenvolupament natiu al núvol amb Azure OpenAI Service
– Aplicacions i contenidors basats en microserveis
– Fluxos de treball sense servidor (*serverless*)
– Desenvolupament web basat en Azure i CI/CD
– Conèixer el portal web Azure
– Consideracions generals sobre el servei Azure OpenAI
– Models de servei Azure OpenAI disponibles
– Elements arquitectònics dels sistemes d’IA generativa
– Conclusió

3. Implementació d'IA generativa nativa al núvol amb Azure OpenAI Service

– Definició de l’àmbit de coneixement de les aplicacions habilitades
– Modelat d'IA generativa amb Azure OpenAI Service
– Blocs de construcció del servei Azure OpenAI
– Possibles enfocaments aplicables
– Comparació d’enfocaments i recomanació final
– Mètodes d'avaluació del rendiment de la IA
– Conclusió

4. Capacitats addicionals del núvol i la IA

– Connectors
– Desenvolupament, orquestració i integració de LLM
– LangChain
– Semantic Kernel
– LlamaIndex
– Bot Framework
– Power Platform, Microsoft Copilot i AI Builder
– Bases de dades i magatzems vectorials
– Cerca vectorial d'Azure AI Search
– Cerca vectorial de Cosmos DB
– Azure Databricks Vector Search
– Bases de dades Redis a Azure
– Altres bases de dades pertinents (incloses les de codi obert)
– Elements addicionals de Microsoft per a la IA generativa
– Azure AI Document Intelligence (abans Azure Form Recognizer) per a OCR
– Lakehouse de Microsoft Fabric
– Microsoft Azure AI Discurs
– Gestió d'API de Microsoft Azure
– Projectes de recerca i codi obert de Microsoft en curs
– Conclusió

5. Operacionalització de les implementacions d’IA generativa

– L'art de l'enginyeria ràpida
– IA Generativa i LLMOps
– Prompt Flow i Azure ML
– Assegurar els LLM
– Gestió de la privacitat i el compliment de la normativa
– IA responsable i nova normativa
– Context normatiu per als sistemes d’IA generativa
– Recursos per a la governança de la IA a nivell d'empresa
– Eines d'IA responsables a nivell tècnic
– Conclusió

6. Elaboració de casos empresarials d’IA generativa

– Premortem: què cal tenir en compte abans d’iniciar un projecte
– Definició de l’enfocament d’implantació, recursos i full de ruta
– Definició dels fluxos de treball
– Identificació dels recursos necessaris
– Estimació de la durada i l'esforç
– Crear un full de ruta evolutiva
– Creació d'escenaris d'ús
– Calcular el cost i el retorn de la inversió
– Conclusió

7. Explorar el panorama general

– I ara què? L'evolució cap a Microsoft Copilot
– Converses amb experts sobre l'era de la IA generativa
– David Carmona: l'adopció i el futur de la IA generativa
– Brendan Burns: el paper del núvol natiu en el desenvolupament de la IA
– John Maeda: disseny i orquestració de la IA
– Sarah Bird: IA responsable per a LLM i IA generativa
– Tim Ward: qualitat de les dades en la implantació de LLM
– Seth Juarez: dels models generatius a una plataforma LLM completa
– Saurabh Tiwary: la nova era de Microsoft Copilot
– Conclusió

Apèndix. Altres recursos didàctics