Guía de estudio del examen AI-900: Aspectos básicos de Microsoft Azure AI
Finalidad de este documento
Esta guía de estudio le ayudará a comprender qué esperar en el examen, e incluye un resumen de los temas que el examen podría incluir y vínculos a recursos adicionales. La información y los materiales de este documento le ayudarán a centrar sus estudios a medida que se prepara para el examen.
| Vínculos útiles | Descripción |
|---|---|
| Las aptitudes medidas podrán revisarse a partir del 24 de abril de 2024 | Esta lista representa las aptitudes medida DESPUÉS de la fecha proporcionada. Estudie esta lista si tiene previsto realizar el examen DESPUÉS de esa fecha. |
| Las aptitudes medidas podrán revisarse antes del 24 de abril de 2024 | Estudie esta lista de aptitudes si realiza el examen ANTES de la fecha proporcionada. |
| Registro de cambios | Puede ir directamente al registro de cambios si desea ver los cambios que se realizarán en la fecha proporcionada. |
| Obtención de la certificación | Algunas certificaciones solo requieren aprobar un examen, mientras que otros requieren aprobar varios exámenes. |
| Renovación de la certificación | Las certificaciones de asociado, experto y especialidad de Microsoft caducan anualmente. Puede renovar sus aptitudes aprobando una evaluación en línea gratuita en Microsoft Learn. |
| Su perfil de Microsoft Learn | La conexión del perfil de certificación a Microsoft Learn le permite programar y renovar exámenes y compartir e imprimir certificados. |
| Puntuación de los exámenes e informes de puntuación | Se requiere una puntuación de 700 o superior para aprobar. |
| Espacio aislado del examen | Puede explorar el entorno del examen visitando nuestro espacio aislado del examen. |
| Solicitud de ajustes | Si usa dispositivos de asistencia, requiere tiempo adicional o necesita modificaciones en cualquier parte de la experiencia del examen, puedes solicitar una adaptación. |
| Preséntese a una evaluación gratuita para practicar | Practique y ponga a prueba sus conocimientos con preguntas que lo ayudarán a prepararse para el examen. |
Actualizaciones al examen
Nuestros exámenes se actualizan periódicamente para reflejar las aptitudes necesarias para desempeñar un rol. Hemos incluido dos versiones de los objetivos medidos de aptitudes dependiendo de cuándo esté realizando el examen.
Siempre actualizamos la versión en inglés del examen primero. Algunos exámenes se localizan en otros idiomas y se actualizan aproximadamente ocho semanas después de actualizar la versión en inglés. Aunque Microsoft hace todo lo posible para actualizar las versiones localizadas como se indica, puede haber ocasiones en las que las versiones localizadas de un examen no se actualicen según esta programación. Los otros idiomas disponibles se enumeran en la sección Schedule Exam (Programar examen) de la página web Exam Details (Detalles del examen). Si el examen no está disponible en su idioma de preferencia, puede solicitar un período adicional de 30 minutos para completarlo.
Nota
Las viñetas debajo de cada una de las aptitudes medidas están diseñadas para ilustrar cómo estamos evaluando esa aptitud. Los temas relacionados puede que se traten en el examen.
Nota
La mayoría de las preguntas tratan las características que son de disponibilidad general (GA). El examen puede contener preguntas de Características en vista previa (GB) si dichas características se usan de forma regular.
Aptitudes medidas a partir del 24 de abril de 2024
Perfil del público
Este examen es una oportunidad para demostrar el conocimiento de los conceptos de aprendizaje automático e inteligencia artificial y los servicios de Microsoft Azure relacionados. Como candidato para este examen, debe estar familiarizado con el material de aprendizaje autodirigido o dirigido por un instructor del Examen AI-900.
Este examen va dirigido tanto a personas con conocimientos técnicos como no técnicos. No se requiere experiencia en ingeniería de software y ciencia de datos. Sin embargo, resulta beneficioso tener conocimientos de:
Conceptos básicos de la nube
Aplicaciones cliente-servidor
Puede usar Azure AI Fundamentals si quiere prepararse para otras certificaciones basadas en roles de Azure como Azure Data Scientist Associate o Azure AI Engineer Associate, pero no es un requisito previo para ninguna de ellas.
Aptitudes de un vistazo
Descripción de las cargas de trabajo y las consideraciones de inteligencia artificial (15-20 %)
Describir los principios fundamentales del aprendizaje automático en Azure (20-25 %)
Descripción de las características de las cargas de trabajo de Computer Vision en Azure (15-20 %)
Descripción de las características de las cargas de trabajo de procesamiento del lenguaje natural (NLP) en Azure (15-20 %)
Describir las características de las cargas de trabajo de IA generativas en Azure (15–20 %)
Descripción de las cargas de trabajo y las consideraciones de inteligencia artificial (15-20 %)
Identificación de las características de las cargas de trabajo de inteligencia artifical comunes
Identificar las características de moderación de contenido y cargas de trabajo de personalización
Identificación de cargas de trabajo de Computer Vision
Identificación de las cargas de trabajo de procesamiento del lenguaje natural
Identificación de las cargas de trabajo de minería de conocimientos
Identificar cargas de trabajo de inteligencia de documento
Identificar las características de las cargas de trabajo de IA generativas
Identificación de los principios rectores para un manejo responsable de la inteligencia artificial
Descripción de las consideraciones para la equidad en una solución de inteligencia artificial
Descripción de las consideraciones de confiabilidad y seguridad en una solución de inteligencia artificial
Descripción de las consideraciones de privacidad y seguridad en una solución de inteligencia artificial
Descripción de las consideraciones de inclusión en una solución de inteligencia artificial
Descripción de las consideraciones de transparencia en una solución de inteligencia artificial
Descripción de las consideraciones de responsabilidad en una solución de inteligencia artificial
Describir los principios fundamentales del aprendizaje automático en Azure (20-25 %)
Identificar técnicas comunes de aprendizaje automático
Identificación de escenarios de aprendizaje automático de regresión
Identificación de escenarios de aprendizaje automático de clasificación
Identificación de escenarios de aprendizaje automático de agrupación en clústeres
Identificar características de técnicas de aprendizaje profundo
Descripción de los conceptos básicos del aprendizaje automático
Identifique características y etiquetas en un conjunto de datos para el aprendizaje automático
Descripción de cómo se usan los conjuntos de datos de entrenamiento y validación en el aprendizaje automático
Describir las funcionalidades de Azure Machine Learning
Describir las funcionalidades del aprendizaje automático automatizado
Describir los servicios de datos y proceso para la ciencia de datos y el aprendizaje automático
Describir las funcionalidades de implementación y administración de modelos en Azure Machine Learning
Descripción de las características de las cargas de trabajo de Computer Vision en Azure (15-20 %)
Identificación de tipos comunes de soluciones de Computer Vision
Identificación de las características de las soluciones de clasificación de imágenes
Identificación de las características de las soluciones de detección de objetos
Identificación de las características de soluciones de reconocimiento óptico de caracteres
Identificación de las características de las soluciones de detección facial y análisis facial
Identificación de las herramientas y los servicios de Azure para tareas de Computer Vision
Describir las funcionalidades del servicio de Visión de Azure AI
Describir las funcionalidades del servicio de detección de caras de Azure AI
Descripción de las características de las cargas de trabajo de procesamiento del lenguaje natural (NLP) en Azure (15-20 %)
Identificación de las características de los escenarios comunes de carga de trabajo de NLP
Identificación de las características y usos para la extracción de frases clave
Identificación de las características y usos para el reconocimiento de entidades
Identificación de las características y usos para el análisis de sentimiento
Identificación de las características y usos para el modelado de lenguaje
Identificación de las características y usos para el reconocimiento y la síntesis de voz
Identificación de las características y usos para la traducción
Identificación de las herramientas y los servicios de Azure para cargas de trabajo de NLP
Describir las funcionalidades del servicio de Lenguaje de Azure AI
Describir las funcionalidades del servicio de Voz de Azure AI
Describir las características de las cargas de trabajo de IA generativas en Azure (15–20 %)
Identificar características de soluciones de IA generativas
Identificar las características de los modelos de IA generativa
Identificar escenarios comunes para la IA generativa
Identificar consideraciones de IA responsable para la IA generativa
Identificar las funcionalidades de Azure OpenAI Service
Describir las funcionalidades de generación de lenguaje natural de Azure OpenAI Service
Describir las funcionalidades de generación de código de Azure OpenAI Service
Describir las funcionalidades de generación de imágenes de Azure OpenAI Service
Recursos de estudio
Le recomendamos que entrene y obtenga experiencia práctica antes de hacer el examen. Ofrecemos opciones de autoestudio y formación en el aula, así como vínculos a documentación, sitios de la comunidad y vídeos.
| Recursos de estudio | Vínculos a aprendizaje y documentación |
|---|---|
| Obtención de entrenamiento | Elegir entre rutas de aprendizaje autodirigido y módulos o realizar un curso dirigido por un instructor |
| Localización de documentación | Anomaly Detector Language Understanding Azure Machine Learning Computer Vision Tecnología de procesamiento de lenguaje natural Azure Bot Service Speech to Text Traducción de voz |
| Formular una pregunta | Microsoft Q&A | Microsoft Docs |
| Obtener soporte técnico de la comunidad | Centro de inteligencia artificial y aprendizaje automático |
| Seguimiento de Microsoft Learn | Microsoft Learn: Microsoft Tech Community |
| Encontrar un vídeo | La presentación de IA Examinar otros programas de Microsoft Learn |
Registro de cambios
Clave para comprender la tabla: los grupos de temas (también conocidos como grupos funcionales) están en negrita, seguidos de los objetivos de cada grupo. La tabla es una comparación entre las dos versiones de las aptitudes de examen medidas y la tercera columna describe la extensión de los cambios.
| Área de aptitudes anterior al 24 de abril de 2024 | Área de aptitudes a partir del 24 de abril de 2024 | Cambio |
|---|---|---|
| Perfil del público | Sin cambios | |
| Describir las cargas de trabajo y las consideraciones de inteligencia artificial | Describir las cargas de trabajo y las consideraciones de inteligencia artificial | Sin cambios |
| Identificación de las características de las cargas de trabajo de inteligencia artifical comunes | Identificación de las características de las cargas de trabajo de inteligencia artifical comunes | Sin cambios |
| Identificación de los principios rectores para un manejo responsable de la inteligencia artificial | Identificación de los principios rectores para un manejo responsable de la inteligencia artificial | Sin cambios |
| Describir los principios fundamentales del aprendizaje automático en Azure | Describir los principios fundamentales del aprendizaje automático en Azure | Sin cambios |
| Identificar técnicas comunes de aprendizaje automático | Identificar técnicas comunes de aprendizaje automático | Sin cambios |
| Descripción de los conceptos básicos del aprendizaje automático | Descripción de los conceptos básicos del aprendizaje automático | Sin cambios |
| Describir las funcionalidades de Azure Machine Learning | Describir las funcionalidades de Azure Machine Learning | Secundaria |
| Describir las características de las cargas de trabajo de visión por ordenador en Azure | Describir las características de las cargas de trabajo de visión por ordenador en Azure | Sin cambios |
| Identificación de tipos comunes de soluciones de Computer Vision | Identificación de tipos comunes de soluciones de Computer Vision | Sin cambios |
| Identificación de las herramientas y los servicios de Azure para tareas de Computer Vision | Identificación de las herramientas y los servicios de Azure para tareas de Computer Vision | Secundaria |
| Describir las características de las cargas de trabajo de procesamiento del lenguaje natural (NLP) en Azure | Describir las características de las cargas de trabajo de procesamiento del lenguaje natural (NLP) en Azure | Sin cambios |
| Identificación de las características de los escenarios comunes de carga de trabajo de NLP | Identificación de las características de los escenarios comunes de carga de trabajo de NLP | Sin cambios |
| Identificación de las herramientas y los servicios de Azure para cargas de trabajo de NLP | Identificación de las herramientas y los servicios de Azure para cargas de trabajo de NLP | Secundaria |
| Describir las características de las cargas de trabajo de IA generativas en Azure | Describir las características de las cargas de trabajo de IA generativas en Azure | Sin cambios |
| Identificar características de soluciones de IA generativas | Identificar características de soluciones de IA generativas | Sin cambios |
| Identificar las funcionalidades de Azure OpenAI Service | Identificar las funcionalidades de Azure OpenAI Service | Sin cambios |
Aptitudes medidas antes del 24 de abril de 2024
Perfil del público
Este examen es una oportunidad para demostrar el conocimiento de los conceptos de aprendizaje automático e inteligencia artificial y los servicios de Microsoft Azure relacionados. Como candidato para este examen, debe estar familiarizado con el material de aprendizaje autodirigido o dirigido por un instructor del Examen AI-900.
Este examen va dirigido tanto a personas con conocimientos técnicos como no técnicos. No se requiere experiencia en ingeniería de software y ciencia de datos. Sin embargo, resulta beneficioso tener conocimientos de:
Conceptos básicos de la nube
Aplicaciones cliente-servidor
Puede usar Azure AI Fundamentals si quiere prepararse para otras certificaciones basadas en roles de Azure como Azure Data Scientist Associate o Azure AI Engineer Associate, pero no es un requisito previo para ninguna de ellas.
Aptitudes de un vistazo
Descripción de las cargas de trabajo y las consideraciones de inteligencia artificial (15-20 %)
Describir los principios fundamentales del aprendizaje automático en Azure (20-25 %)
Descripción de las características de las cargas de trabajo de Computer Vision en Azure (15-20 %)
Descripción de las características de las cargas de trabajo de procesamiento del lenguaje natural (NLP) en Azure (15-20 %)
Describir las características de las cargas de trabajo de IA generativas en Azure (15–20 %)
Descripción de las cargas de trabajo y las consideraciones de inteligencia artificial (15-20 %)
Identificación de las características de las cargas de trabajo de inteligencia artifical comunes
Identificar las características de moderación de contenido y cargas de trabajo de personalización
Identificación de cargas de trabajo de Computer Vision
Identificación de las cargas de trabajo de procesamiento del lenguaje natural
Identificación de las cargas de trabajo de minería de conocimientos
Identificar cargas de trabajo de inteligencia de documento
Identificar las características de las cargas de trabajo de IA generativas
Identificación de los principios rectores para un manejo responsable de la inteligencia artificial
Descripción de las consideraciones para la equidad en una solución de inteligencia artificial
Descripción de las consideraciones de confiabilidad y seguridad en una solución de inteligencia artificial
Descripción de las consideraciones de privacidad y seguridad en una solución de inteligencia artificial
Descripción de las consideraciones de inclusión en una solución de inteligencia artificial
Descripción de las consideraciones de transparencia en una solución de inteligencia artificial
Descripción de las consideraciones de responsabilidad en una solución de inteligencia artificial
Describir los principios fundamentales del aprendizaje automático en Azure (20-25 %)
Identificar técnicas comunes de aprendizaje automático
Identificación de escenarios de aprendizaje automático de regresión
Identificación de escenarios de aprendizaje automático de clasificación
Identificación de escenarios de aprendizaje automático de agrupación en clústeres
Identificar características de técnicas de aprendizaje profundo
Descripción de los conceptos básicos del aprendizaje automático
Identifique características y etiquetas en un conjunto de datos para el aprendizaje automático
Descripción de cómo se usan los conjuntos de datos de entrenamiento y validación en el aprendizaje automático
Describir las funcionalidades de Azure Machine Learning
Describir las funcionalidades del aprendizaje automático automatizado
Describir los servicios de datos y proceso para la ciencia de datos y el aprendizaje automático
Describir las funcionalidades de implementación y administración de modelos en Azure Machine Learning
Descripción de las características de las cargas de trabajo de Computer Vision en Azure (15-20 %)
Identificación de tipos comunes de soluciones de Computer Vision
Identificación de las características de las soluciones de clasificación de imágenes
Identificación de las características de las soluciones de detección de objetos
Identificación de las características de soluciones de reconocimiento óptico de caracteres
Identificación de las características de las soluciones de detección facial y análisis facial
Identificación de las herramientas y los servicios de Azure para tareas de Computer Vision
Describir las funcionalidades del servicio de Visión de Azure AI
Describir las funcionalidades del servicio de detección de caras de Azure AI
Describir las funcionalidades del servicio Video Indexer de Azure AI
Descripción de las características de las cargas de trabajo de procesamiento del lenguaje natural (NLP) en Azure (15-20 %)
Identificación de las características de los escenarios comunes de carga de trabajo de NLP
Identificación de las características y usos para la extracción de frases clave
Identificación de las características y usos para el reconocimiento de entidades
Identificación de las características y usos para el análisis de sentimiento
Identificación de las características y usos para el modelado de lenguaje
Identificación de las características y usos para el reconocimiento y la síntesis de voz
Identificación de las características y usos para la traducción
Identificación de las herramientas y los servicios de Azure para cargas de trabajo de NLP
Describir las funcionalidades del servicio de Lenguaje de Azure AI
Describir las funcionalidades del servicio de Voz de Azure AI
Describir las funcionalidades del servicio de Traductor de Azure AI
Describir las características de las cargas de trabajo de IA generativas en Azure (15–20 %)
Identificar características de soluciones de IA generativas
Identificar las características de los modelos de IA generativa
Identificar escenarios comunes para la IA generativa
Identificar consideraciones de IA responsable para la IA generativa
Identificar las funcionalidades de Azure OpenAI Service
Describir las funcionalidades de generación de lenguaje natural de Azure OpenAI Service
Describir las funcionalidades de generación de código de Azure OpenAI Service
Describir las funcionalidades de generación de imágenes de Azure OpenAI Service