Microsoft Azure : développer des solutions de bout en bout (AZ-204)

AI-900 : les fondamentaux de Microsoft Azure AI (1 jour)

Module 1 : les charges de travail et les spécificités de l'intelligence artificielle

• Identification des spécificités des charges de travail IA communes :
  • les spécificités des charges de travail liées à la surveillance des données et à la détection des anomalies ;
  • les spécificités de modération du contenu et des charges de travail personnalisées ;
  • les charges de travail pour la vision par ordinateur ;
  • les charges de travail pour le traitement du langage naturel ;
  • les charges de travail d'exploration des connaissances ;
  • les charges de travail d’intelligence documentaire ;
  • les spécificités des charges de travail de l'IA générative.
• Identification des concepts de base pour une IA responsable :
  • les éléments à prendre en compte pour favoriser un traitement équitable ;
  • les éléments à prendre en compte pour garantir une fiabilité et une sécurité accrue ;
  • les éléments à prendre en compte pour garantir le respect de la vie privée et la sécurité des données ;
  • les éléments à prendre en compte pour l'inclusivité ;
  • les éléments à prendre en compte pour la transparence d'une solution IA ;
  • les éléments à prendre en compte sur les responsabilités d'une solution IA.

Module 2 : les fondamentaux du machine learning sur Azure

• Identification des techniques de machine learning communes :
  • les scénarios de machine learning de régression ;
  • les scénarios de machine learning de classification ;
  • les scénarios de machine learning de clustering ;
  • les techniques de Deep Learning.
• Présentation des principaux concepts du machine learning :
  • les particularités et les libellés d'un ensemble de données ;
  • l'utilisation des ensembles de données d'apprentissage et de validation.
• Présentation des spécificités d’Azure Machine Learning :
  • les fonctionnalités du Machine Learning automatisé ;
  • les services de calcul et de données pour la science des données et le Machine Learning ;
  • les fonctionnalités de gestion et de déploiement des modèles dans Azure Machine Learning.

Module 3 : les spécificités des charges de travail pour la vision par ordinateur

• Identification des principales solutions :
  • les spécificités pour une solution par classification d'images ;
  • les spécificités pour une solution par détection d'objets ;
  • les spécificités pour une solution par reconnaissance optique des caractères ;
  • les spécificités pour une solution par détection faciale.
• Présentation des outils et des services Azure :
  • les fonctionnalités du service Azure AI Vision ;
  • les fonctionnalités du service de détection des visages Azure AI ;
  • les fonctionnalités du service Face ;
  • les fonctionnalités du service Azure AI Video Indexer.

Module 4 : les spécificités des charges de travail pour le traitement automatique des langues (NLP)

• Identification des scénarios de charge de travail NLP communs :
  • les spécificités et les usages pour l'extraction d'expressions clés ;
  • les spécificités et les usages pour la reconnaissance d'entités ;
  • les spécificités et les usages pour l'analyse des sentiments ;
  • les spécificités et les usages pour la modélisation du langage ;
  • les spécificités et les usages pour la reconnaissance et de la synthèse vocales ;
  • les spécificités et les usages pour la traduction.
• Présentation des outils et des services Azure :
  • les fonctionnalités du service Azure AI Language ;
  • les fonctionnalités du service Azure AI Speech ;
  • les fonctionnalités du service Azure AI traduction.

Module 5 : les fonctionnalités des charges de travail d'IA générative

• Identification des spécificités des solutions IA génératives :
  • les spécificités des modèles IA génératifs ;
  • les scénarios communs pour une IA générative ;
  • les éléments à prendre en compte pour l'IA générative.
• Identification des fonctionnalités du service Azure OpenAI :
  • les fonctionnalités de génération de langage naturel ;
  • les fonctionnalités de génération de code du service ;
  • les fonctionnalités de génération d'images du service.

Microsoft Azure AZ-204 : développer des solutions de bout en bout (4 jours)

Module 1 : implémentation de solutions IaaS 

• Provisionner des machines virtuelles (VMs).
• Configurer, valider et déployer des templates ARM.
• Créer des images de conteneurs pour les solutions.
• Publier une image sur Azure Container Registry.
• Exécuter des conteneurs en utilisant Azure Container Instance. 

Module 2 : création des applications Web Azure App Service

• Créer une application Web Azure App Service.
• Activer la journalisation des diagnostics.
• Déployer du code dans une application Web.
• Configurer les paramètres de l'application Web, notamment SSL, les paramètres API et les chaînes de connexion.
• Implémenter des règles de mise à l'échelle automatique, y compris la mise à l'échelle automatique. programmée et la mise à l'échelle automatique en fonction de paramètres opérationnels ou système. 

Module 3 : implémentation des fonctionnalités Azure  

• Créer et déployer des applications Azure Functions.
• Implémenter des liaisons d'entrée et de sortie pour une fonction.
• Implémenter des déclencheurs de fonction en utilisant des opérations de données, des temporisateurs et des webhooks.
• Implémenter Azure Durable Functions. 

Module 4 : implémentation de solutions de stockage Azure Cosmos DB 

• Sélectionner l'API et le SDK appropriés pour une solution.
• Implémenter des schémas de partitionnement et des clés de partition.
• Effectuer des opérations sur les données et les conteneurs Azure Cosmos DB.
• Définir le niveau de cohérence approprié pour les opérations.
• Gérer les notifications de flux de modifications.

Module 5 : implémentation de solutions nécessitant du stockage en blocs

• Déplacer des éléments dans le stockage en bloc entre des comptes de stockage ou des conteneurs.
• Définir et récupérer des propriétés et des métadonnées.
• Effectuer des opérations sur les données en utilisant le SDK approprié Implémenter des politiques de stockage, d'archivage et de rétention des données. 

Module 6 : configuration de l'authentification et de l'autorisation des utilisateurs

• Authentifier et autoriser les utilisateurs à l'aide de la plateforme Microsoft Identity.
• Authentifier et autoriser les utilisateurs et les applications à l'aide de Microsoft Azure Active Directory (Azure AD).
• Créer et déployer des signatures d'accès partagé.
• Implémenter des solutions qui interagissent avec Microsoft Graph.  

Module 7 : implémentation de solutions cloud sécurisées

• Sécurisez les données de configuration des applications en utilisant App Configuration ou Azure Key Vault.
• Développez du code qui utilise des clés, des secrets et des certificats stockés dans Azure Key Vault.
• mettre en place des identités gérées pour les ressources Azure. 

Module 8 : gestion de la mise en cache pour les solutions Azure

• Configurez les politiques de cache et d'expiration pour Azure Cache for Redis.
• Implémenter des modèles de cache d'application sécurisés et optimisés, y compris la taille des données, les connexions, le cryptage et l'expiration. 

Module 9 : Résolution des problèmes liés aux solutions

• Configurer une application ou un service pour utiliser Application Insights.
• Examiner et analyser les métriques et les données de journal.
• implémenter les tests web et les alertes d'Application Insights. 

Module 10 : implémentation de la gestion des API 

• Créer une instance APIM.
• Créer et documenter les API.
• Configurer l'authentification pour les API.
• Définir des politiques pour les API. 

Module 11 : conception de solutions orientées événements 

• Implémenter des solutions qui utilisent Azure Event Grid.
• Implémenter des solutions qui utilisent Azure Event Hub. 

Module 12 : conception de solutions orientées message 

• Implémenter des solutions utilisant Azure Service Bus.
• Implémenter des solutions utilisant les files d'attente Azure Queue Storage.