Nota
El acceso a esta página requiere autorización. Puede intentar iniciar sesión o cambiar directorios.
El acceso a esta página requiere autorización. Puede intentar cambiar los directorios.
Descubra la eficacia de Generative AI con JavaScript. Aprenda a integrar sin problemas la inteligencia artificial en las aplicaciones web, móviles o de escritorio.
¿JavaScript con IA?
Aunque es cierto que Python es excelente para crear y entrenar modelos de IA, la creación de aplicaciones con esos modelos es diferente. La mayoría de los modelos de IA funcionan a través de api web, por lo que cualquier lenguaje que pueda realizar llamadas HTTP puede usar ia. JavaScript es multiplataforma y conecta fácilmente exploradores y servidores, lo que lo convierte en una opción segura para las aplicaciones de inteligencia artificial.
Curso divertido e interactivo
Únase a nosotros para obtener una experiencia de aprendizaje inmersiva, incluidos vídeos, proyectos de código y una implementación completa para usar y aprender sobre la inteligencia artificial generativa.
Este curso es una excelente manera de que los estudiantes y los nuevos desarrolladores aprendan sobre la inteligencia artificial de una manera divertida e interactiva. En el caso de los desarrolladores profesionales, profundice en el escalado de la inteligencia artificial.
En este curso:
- Aprende sobre IA mientras das vida a figuras históricas con IA generativa
- Aplicación de accesibilidad con las API del explorador integradas
- Uso de la generación de texto e imágenes para integrar la inteligencia artificial en la experiencia de la aplicación
- Aprender patrones arquitectónicos para aplicaciones de INTELIGENCIA ARTIFICIAL
Uso de la aplicación complementaria para hablar con caracteres históricos
¿Qué necesita saber sobre las MÁQUINAS VIRTUALES?
Los modelos de lenguaje grande (LLM) son redes neuronales profundas entrenadas en muchos datos para comprender y crear texto. El entrenamiento comienza con conjuntos de datos grandes y diversos para crear un modelo base y, a continuación, usa datos especiales para ajustarlos para obtener mejores resultados. Los LLM funcionan como herramientas de autocompletar inteligentes en editores de código o aplicaciones de chat. Los modelos tienen límites, como ventanas de contexto (normalmente algunos miles de tokens, aunque los modelos más recientes admiten más) y pueden mostrar sesgos de sus datos de entrenamiento. Por eso es importante la inteligencia artificial responsable, centrarse en la imparcialidad, la confiabilidad, la privacidad y la responsabilidad, como recomienda Microsoft.
Obtenga más información en la sesión de LLM del curso:
Técnicas esenciales de ingeniería de avisos
La ingeniería de avisos significa diseñar mensajes para obtener mejores resultados de inteligencia artificial. Puede usar el aprendizaje de captura cero (sin ejemplos) o el aprendizaje de pocas capturas (con ejemplos) para guiar el modelo. Agregar indicaciones como instrucciones paso a paso, contexto claro y formatos de salida ayudan al modelo a proporcionar mejores respuestas. También puede ajustar el tono y personalizar las respuestas. Estos conceptos básicos le configuran para técnicas avanzadas como RAG.
Obtenga más información en la sesión de ingeniería de avisos del curso:
Mejora de la precisión y confiabilidad de la inteligencia artificial con RAG
Use la generación aumentada de recuperación (RAG) para que la inteligencia artificial sea más precisa y confiable. RAG combina un recuperador que encuentra up-todocumentos de fecha con un generador que usa esos documentos para responder a preguntas. Este enfoque ofrece respuestas claras y fácticas basadas en orígenes de confianza, lo que facilita la comprobación y rentabilidad de los resultados. Por ejemplo, la compatibilidad con bienes raíces de Contoso usa RAG para dar respuestas detalladas respaldadas por documentos de la empresa.
Aprenda más en la sesión RAG del curso:
Acelerar el desarrollo de inteligencia artificial con LangChain.js
Acelere los proyectos de inteligencia artificial con LangChain.js. Esta biblioteca de JavaScript facilita el trabajo con modelos de lenguaje grandes. Use LangChain.js para crear plantillas de solicitud, conectar modelos y bases de datos vectoriales y crear flujos de trabajo complejos. Cree rápidamente prototipos de aplicaciones, como una API que extrae y responde preguntas de transcripciones de YouTube. Cuando esté listo para producción, intercambie los modelos locales y los almacenes de vectores para los servicios de Azure sin cambiar el código.
Obtenga más información en la sesiónLangChain.js del curso:
Ejecución de modelos de IA en la máquina local con Ollama
Descargue y use modelos de inteligencia artificial locales con Ollama( una herramienta de código abierto basada en llama.cpp) para ejecutar modelos de lenguaje pequeños de forma eficaz, como Phi-3. Los modelos locales eliminan la dependencia de la infraestructura en la nube, permiten el desarrollo rápido con funcionalidades sin conexión y ofrecen pruebas rentables a través de un bucle de desarrollo interno rápido. Phi-3, conocido por su alto rendimiento y seguridad de inteligencia artificial responsable, puede ejecutarse incluso en dispositivos de especificación moderada y es accesible a través de una API compatible con OpenAI, lo que facilita la integración con el flujo de trabajo de desarrollo.
Obtenga más información en la sesión de Ollama del curso:
Introducción a la inteligencia artificial de forma gratuita mediante Phi-3
Pruebe los modelos de IA con la herramienta Ollama y el modelo Phi-3 en el explorador mediante un área de juegos en línea. Cree un gitHub Codespace para usar VS Code en el explorador, ejecute comandos como "Ollama run phi3" para chatear con el modelo y usar un cuaderno de Jupyter Notebook para probar la ingeniería de mensajes, el aprendizaje de pocas capturas y RAG. Puede crear y explorar proyectos de inteligencia artificial en línea, sin necesidad de una configuración rápida de GPU o local.
Obtenga más información en la sesión Phi-3 del curso:
Introducción a Azure AI Foundry
Use Azure AI Foundry para empezar a crear aplicaciones de IA generativas con JavaScript. Organice los recursos con centros y proyectos, examine miles de modelos e implemente un modelo para probarlo en un área de juegos. Tanto si elige api de proceso administradas como sin servidor, siga los mismos pasos para seleccionar, implementar y usar el modelo en el flujo de trabajo.
Obtenga más información en la sesión de Azure AI Foundry del curso:
Creación de aplicaciones de IA generativas con Azure Cosmos DB
Obtenga más información en la sesión de Azure Cosmos DB del curso:
Herramientas y servicios de Azure para hospedar y almacenar aplicaciones de INTELIGENCIA ARTIFICIAL
Descubra las herramientas y servicios clave de Azure para hospedar y almacenar las aplicaciones de IA. Cree diferentes tipos de aplicaciones de IA, como aplicaciones de chat, RAG y agentes autónomos. Use la CLI para desarrolladores de Azure (AZD) para implementar fácilmente. Compare las opciones basadas en contenedores y sin servidor y aprenda a mantener las API seguras, escalables y supervisadas para su uso real.
Obtenga más información en la sesión de herramientas y servicios de Azure del curso:
Transmisión de la salida de inteligencia artificial generativa con el protocolo de chat de IA
Transmisión de la salida de IA generativa con el protocolo de chat de IA. Esta herramienta facilita la comunicación en tiempo real entre el servicio de INTELIGENCIA ARTIFICIAL y las aplicaciones cliente. Pruebe dos métodos de streaming: ejecute la inferencia en el explorador o use un servidor de inferencia de IA. Observe la exposición de las claves de API, la seguridad de los datos y la elección del protocolo adecuado. El cliente simple del protocolo de chat de IA le permite agregar streaming seguro y eficaz a la aplicación mediante métodos getCompletion y getStreamedCompletion, como se muestra en nuestro RAG sin servidor con LangChain.js ejemplo.
Obtenga más información en la sesión de streaming del curso: