AI-901
Deep Dive
El AI-901 evalúa si puedes identificar el tipo correcto de solución IA para un escenario dado. No necesitas saber implementarlas — necesitas saber qué hace cada una y cuándo aplicarla.
Contenido
Inteligencia Artificial es software que imita comportamientos humanos: aprender de la experiencia, entender el lenguaje, reconocer imágenes, hacer predicciones y tomar decisiones.
Clave para el examen: IA no es magia — es estadística y matemáticas aplicadas a datos. Machine Learning es un subconjunto de IA. Deep Learning es un subconjunto de ML. Generative AI es un subconjunto de Deep Learning.
Jerarquía que el examen evalúa
Inteligencia Artificial
El campo más amplio — todo software que imita cognición humana
↳ Machine Learning
Sistemas que aprenden de datos sin ser programados explícitamente
↳↳ Deep Learning
ML con redes neuronales profundas — base de visión y lenguaje moderno
↳↳↳ IA Generativa
Deep learning que genera contenido nuevo: texto, imágenes, código
El AI-901 tiene preguntas del tipo "¿qué tipo de IA usarías para…?" — necesitas reconocer el escenario y mapear al tipo correcto.
Machine Learning
Predecir valores o categorías basándose en datos históricos.
Visión por computadora
Extraer información de imágenes y video.
NLP
Comprender y generar lenguaje humano escrito o hablado.
IA Generativa
Crear contenido nuevo: texto, imágenes, código, audio.
Detección de anomalías
Identificar patrones inusuales en datos.
Knowledge Mining
Extraer información estructurada de documentos no estructurados.
ML es el tipo de IA más amplio. En vez de programar reglas explícitas (if precio > 1000 then premium), el sistema aprende las reglas de los datos. Le muestras miles de casas con sus precios y aprende solo qué factores importan.
🏷️
Aprendizaje supervisado
Entrenas con datos etiquetados (ejemplos con respuesta correcta). El modelo aprende a predecir la etiqueta.
Casos de uso
Clasificación de spam, predicción de precios, diagnóstico médico
🗂️
Aprendizaje no supervisado
Entrenas sin etiquetas. El modelo descubre estructura y patrones por sí solo.
Casos de uso
Segmentación de clientes, compresión de datos, detección de anomalías
🎮
Aprendizaje por refuerzo
El modelo aprende por prueba y error: recibe recompensas por acciones correctas y penalizaciones por incorrectas.
Casos de uso
Juegos, robótica, optimización de rutas
Clasificación de imágenes
Determinar qué hay en una imagen. Output: una categoría.
"Esta foto contiene un perro" (confianza: 97%)
Detección de objetos
Localizar y clasificar múltiples objetos dentro de una imagen. Output: categorías + bounding boxes (coordenadas).
"Hay un perro en [150,80,300,250] y un gato en [400,100,550,280]"
Reconocimiento óptico de caracteres (OCR)
Extraer texto de imágenes, fotos de documentos o PDFs escaneados.
Digitalizar facturas, leer placas de autos, procesar formularios físicos
Detección facial
Detectar la presencia de rostros en una imagen. Output: coordenadas de cada rostro detectado.
Diferente a reconocimiento facial — detectar ≠ identificar quién es
Reconocimiento facial
Identificar o verificar la identidad de una persona específica comparando con rostros conocidos.
Sistema de acceso biométrico, verificación de identidad
Trampa de examen frecuente
Detección facial ≠ Reconocimiento facial. Detectar = saber que hay un rostro (sin saber de quién). Reconocer = identificar la persona. El examen los distingue explícitamente.
Análisis de sentimientos
Determinar si un texto es positivo, negativo o neutro.
Azure AI Language — Sentiment Analysis
Extracción de frases clave
Identificar los términos más relevantes en un texto.
Azure AI Language — Key Phrase Extraction
Reconocimiento de entidades (NER)
Extraer nombres de personas, organizaciones, lugares, fechas, etc.
Azure AI Language — Named Entity Recognition
Traducción
Convertir texto de un idioma a otro.
Azure AI Translator
Reconocimiento de voz (STT)
Convertir audio hablado en texto escrito.
Azure AI Speech — Speech to Text
Síntesis de voz (TTS)
Convertir texto escrito en audio hablado.
Azure AI Speech — Text to Speech
Comprensión del lenguaje (CLU)
Extraer la intención y entidades de una frase del usuario.
Azure AI Language — Conversational Language Understanding
Respuesta a preguntas (QA)
Responder preguntas basándose en una base de conocimiento.
Azure AI Language — Question Answering
A diferencia de ML predictivo (que clasifica o predice valores existentes), la IA generativa crea contenido completamente nuevo: texto, imágenes, código, audio o video que no existía antes.
Generación de texto
Modelos de lenguaje grande (LLMs) como GPT-4 generan texto coherente y contextual. Base de los chatbots conversacionales.
Azure OpenAI Service — GPT-4, GPT-3.5
Generación de imágenes
Modelos de difusión que crean imágenes fotorrealistas o artísticas a partir de una descripción en texto (prompt).
Azure OpenAI Service — DALL-E 3
Generación de código
LLMs entrenados específicamente en código que sugieren, completan o generan fragmentos de código en múltiples lenguajes.
Azure OpenAI Service + GitHub Copilot
Generación de audio
Modelos que transcriben audio (Whisper) o sintetizan voz con características naturales y emocionales.
Azure OpenAI Service — Whisper
Identifica valores que se desvían significativamente del patrón esperado en series de tiempo o conjuntos de datos. No predice una etiqueta — predice si algo es normal o inusual.
💳
Fraude financiero
Transacción de $5,000 a las 3am en país desconocido cuando el patrón habitual es $50 en la ciudad local.
🏭
Monitoreo industrial
Temperatura de turbina sube de 80°C a 140°C — posible fallo inminente en equipamiento.
🔒
Seguridad de red
Transferencia masiva de datos a IP desconocida fuera de horario laboral — posible exfiltración.
En Azure
Azure AI Anomaly Detector — analiza series de tiempo y detecta anomalías en tiempo real o por lotes. También usado en Azure Synapse y Power BI.
Las organizaciones tienen enormes volúmenes de información en PDFs, emails, imágenes y documentos. Knowledge Mining usa IA para indexar y extraer información útil de esos documentos no estructurados, haciéndolos buscables y analizables.
En Azure: Azure AI Search
Ingesta documentos de múltiples fuentes (Blob Storage, SQL, SharePoint)
Aplica skills de IA: OCR, extracción de entidades, detección de idioma, análisis de sentimientos
Crea un índice de búsqueda inteligente sobre el contenido enriquecido
Permite búsqueda semántica (por significado, no solo por palabra exacta)
| Escenario | Tipo de IA | Servicio Azure |
|---|---|---|
| Predecir si un cliente abandonará el servicio | ML — Clasificación | Azure ML / AutoML |
| Leer facturas escaneadas automáticamente | Visión + Knowledge Mining | Azure AI Vision / Document Intelligence |
| Detectar transacciones fraudulentas en tiempo real | Detección de anomalías | Azure AI Anomaly Detector |
| Chatbot que responde preguntas de soporte | NLP + IA Generativa | Azure AI Language + Azure OpenAI |
| Generar descripciones de productos automáticamente | IA Generativa | Azure OpenAI Service (GPT-4) |
| Buscar información en 10,000 contratos PDF | Knowledge Mining | Azure AI Search |
| Contar personas en zonas restringidas por cámara | Visión por computadora | Azure AI Vision — Spatial Analysis |
| Analizar opiniones de clientes en redes sociales | NLP | Azure AI Language — Sentiment Analysis |
¿Entendiste este tema?
Pon a prueba lo que acabas de aprender
Una empresa quiere automatizar la revisión de miles de contratos legales en PDF para extraer fechas, nombres de partes y montos. ¿Qué tipo de carga de trabajo IA es más adecuada?