D1 · Fundamentos de IA

Tipos de cargas de trabajo IA

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.

¿Qué es la inteligencia artificial?

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. es un subconjunto de IA. 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

Lab relacionadoD1 · Fundamentos de IA

Crear un recurso multi-servicio de Azure AI

Crea un único recurso de Azure AI services y descubre cómo una sola key desbloquea más de 15 servicios de inteligencia artificial.

Entender la diferencia entre un recurso de un solo servicio y uno multi-servicio
Crear un recurso de Azure AI services con nivel Standard

+1 más...

7 min8 pasos

Tipos de cargas de trabajo IA

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.

  • Predecir precio de casa
  • Clasificar email como spam
  • Recomendar productos
👁️

Visión por computadora

Extraer información de imágenes y video.

  • Detectar objetos en foto
  • Leer texto de documentos (OCR)
  • Reconocer rostros
💬

NLP

Comprender y generar lenguaje humano escrito o hablado.

  • Analizar sentimientos en reseñas
  • Traducir textos
  • Chatbot de soporte
✨

IA Generativa

Crear contenido nuevo: texto, imágenes, código, audio.

  • Redactar emails
  • Generar imágenes desde texto
  • Completar código
⚠️

Detección de anomalías

Identificar patrones inusuales en datos.

  • Fraude en transacciones
  • Fallos en maquinaria
  • Tráfico de red sospechoso
🔍

Knowledge Mining

Extraer información estructurada de documentos no estructurados.

  • Buscar en miles de PDFs
  • Extraer entidades de contratos
  • Indexar documentos escaneados

Machine Learning — predecir con datos

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

— ver e interpretar imágenes

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.

Procesamiento de lenguaje natural ()

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

IA Generativa — crear contenido nuevo

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-5 generan texto coherente y contextual. Base de los chatbots conversacionales.

Azure OpenAI en Foundry — familia GPT-5

Generación de imágenes

Modelos de difusión que crean imágenes fotorrealistas o artísticas a partir de una descripción en texto (prompt).

Azure OpenAI en Foundry — modelos gpt-image

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 se retira el 1 de octubre de 2026 (desde 2023 no admite recursos nuevos). Microsoft recomienda la detección de anomalías de Microsoft Fabric (Real-Time Intelligence) o el proyecto de código abierto anomaly-detector. En AI-901 la detección de anomalías aparece como concepto de machine learning, no como servicio.

Knowledge Mining — extraer conocimiento de datos no estructurados

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

1

Ingesta documentos de múltiples fuentes (Blob Storage, SQL, SharePoint)

2

Aplica skills de IA: , extracción de entidades, detección de idioma, análisis de sentimientos

3

Crea un índice de búsqueda inteligente sobre el contenido enriquecido

4

Permite búsqueda semántica (por significado, no solo por palabra exacta)

Cuándo usar cada tipo — tabla de decisión

EscenarioTipo de IAServicio Azure
Predecir si un cliente abandonará el servicioML — Azure ML / AutoML
Leer facturas escaneadas automáticamenteVisión + Knowledge MiningAzure AI Vision / Document Intelligence
Detectar transacciones fraudulentas en tiempo realDetección de anomalíasMicrosoft Fabric (Real-Time Intelligence)
Chatbot que responde preguntas de soporteNLP + IA GenerativaAzure AI Language + Azure OpenAI
Generar descripciones de productos automáticamenteIA GenerativaAzure OpenAI en Foundry (GPT-5)
Buscar información en 10,000 contratos PDFKnowledge MiningAzure AI Search
Resumir grabaciones de video por escenasVisión por computadoraAzure Content Understanding (video)
Analizar opiniones de clientes en redes socialesNLPAzure AI Language — Sentiment Analysis
Lab relacionadoD1 · Fundamentos de IA

Elegir el nivel de precio correcto para un servicio de IA

Compara los niveles Free y Standard de Azure AI Vision frente a un escenario real de producción y elige el correcto.

Comparar el nivel Free (F0) contra el nivel Standard (S0)
Calcular si un volumen de uso real cabe en el tope gratuito

+1 más...

4 min4 pasos

¿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?

¿Listo para poner a prueba "Tipos de cargas de trabajo IA"?

Pon a prueba lo que aprendiste con preguntas originales del examen AI-901.

Iniciar simulacro AI-901

Sin límite de simulacros con plan Pro

Inicia sesión para llevar tu progreso.