azure-ai-from-theory-to-practice

Contenido

• Descripción
• Requisitos
• Configuración
• Contenido
  • Lab 1: Consumir un servicio de Azure AI
  • Lab 2: Seguridad en los servicios de Azure AI
  • Lab 3: Monitoreo de servicios de Azure AI
  • Lab 4: Uso de contenedores
  • Lab 5: Análisis de imágenes
  • Lab 6: Clasificación de Imágenes con Azure AI Vision
  • Lab 7: Detección de Personas
  • Lab 8: Reconocimiento Óptico de Caracteres (OCR)
  • Lab 9: Indexación de Videos
  • Lab 10: Análisis de Texto
  • Lab 11: Preguntas y Respuestas (QnA Bot)
  • Lab 12: Language Understanding
  • Lab 13: Clasificación de Texto Personalizada

Descripción

Este repositorio contiene el código y los recursos para el curso "Inteligencia Artificial con Azure: De la Teoría a la Práctica". El objetivo del curso es enseñar a los desarrolladores cómo crear, consumir y gestionar servicios de Inteligencia Artificial en Azure, utilizando tanto C# como Python.

En la carpeta labs encontrarás una carpeta por cada lenguaje utilizado, por ejemplo, en el primer lab tienes cshap y python, los lenguajes con los que, en general, se trabajará en el curso.

Requisitos

Para poder realizar los laboratorios necesitarás una suscripción de Azure. Si no tienes una, puedes crear una cuenta gratuita en https://azure.com/free.

Configuración

Sigue estos pasos para configurar tu entorno de desarrollo:

1. Clona el repositorio:

   git clone https://github.com/jgcarmona-com/azure-ai-from-theory-to-practice.git

2. Navega hasta el laboratorio que quieras probar y abre la carpeta python o csharp con VSCode o tu IDE favorito.
3. Para los ejemplos de Python es recomendable crear un entorno virtual

   cd azure-ai-from-theory-to-practice/labs/xyz/python
   python -m venv .venv
   source .venv/bin/activate  # En Windows: .venv\Scripts\activate

   También tendrás que instalar las correspondientes dependencias:

   pip install -r requirements.txt

Contenido

Lab 1: Consumir un servicio de Azure AI

En este laboratorio aprenderás a consumir un servicio de Azure AI desde una aplicación de consola en C# y Python, tanto utilizando REST como con el SDK de Azure.

• csharp

  • rest-client: Cliente REST para consumir servicios de Azure AI.
  • sdk-client: Cliente basado en SDK para consumir servicios de Azure AI.
  • csharp.sln: Solución de Visual Studio para los proyectos de C#.

• python

  • rest-client: Cliente REST para consumir servicios de Azure AI en Python.
  • sdk-client: Cliente basado en SDK para consumir servicios de Azure AI en Python.

Lab 2: Seguridad en los servicios de Azure AI

En este laboratorio aprenderás a asegurar los servicios de Azure AI utilizando Azure Key Vault y autenticación basada en tokens, tanto en C# como en Python.

• csharp

  • keyvault_client: Cliente para interactuar con Azure Key Vault.
  • token-based-client: Cliente basado en token para consumir servicios de Azure AI de manera segura.
  • 02-ai-services-security.sln: Solución de Visual Studio para los proyectos de C#.

• python

  • keyvault_client: Cliente para interactuar con Azure Key Vault en Python.
  • token-based-client: Cliente basado en token para consumir servicios de Azure AI de manera segura en Python.
  • requirements.txt: Dependencias necesarias para los ejemplos en Python.

Lab 3: Monitoreo de servicios de Azure AI

En este laboratorio aprenderás a monitorear los servicios de Azure AI utilizando consultas KQL y scripts de prueba REST.

• kql-queries.txt: Consultas KQL para monitorear servicios de Azure AI.
• rest-test.cmd: Script de prueba REST en Windows.
• rest-test.sh: Script de prueba REST en Unix.

Lab 4: Uso de contenedores

En este laboratorio aprenderás a desplegar servicios de Azure AI utilizando contenedores, con ejemplos en C# y Python.

• csharp

  • ai-service-wrapper: Wrapper en C# para servicios de Azure AI.

• python

  • ai-service-wrapper: Wrapper en Python para servicios de Azure AI.

• Archivos adicionales:

  • .env: Archivo de configuración de entorno.
  • Dockerfile: Archivo Docker para construir la imagen del contenedor.
  • rest-test-local.sh: Script de prueba REST local en Unix.
  • rest-test.cmd: Script de prueba REST en Windows.
  • run-container-local.sh: Script para ejecutar el contenedor localmente en Unix.
  • run-container.sh: Script para ejecutar el contenedor en Unix.

Lab 5: Análisis de imágenes

En este laboratorio aprenderás a analizar imágenes utilizando servicios de Azure AI, con ejemplos en C# y Python.

csharp

• Archivos:

  • BackgroundRemover.cs: Código para eliminar el fondo de imágenes.
  • ImageAnalyzer.cs: Código para analizar imágenes utilizando Azure AI.
  • Program.cs: Programa principal de ejemplo en C#.
  • appsettings.json: Archivo de configuración para la aplicación.
  • image-analysis.csproj: Archivo del proyecto C#.

• Imágenes de ejemplo:

  • images/building.jpg: Imagen de ejemplo de un edificio.
  • images/person.jpg: Imagen de ejemplo de una persona.
  • images/street.jpg: Imagen de ejemplo de una calle.
  • images/building_no_bg.jpg: Imagen de ejemplo de un edificio sin fondo.
  • images/building_result.jpg: Imagen de ejemplo del resultado del análisis.

• Fuente:

  • arial.ttf: Archivo de fuente utilizado para anotar imágenes.

python

• Archivos:

  • background_remover.py: Código en Python para eliminar el fondo de imágenes.
  • image_analysis.py: Código en Python para analizar imágenes utilizando Azure AI.
  • .env: Archivo de configuración para la aplicación.

• Imágenes de ejemplo:

  • images/building.jpg: Imagen de ejemplo de un edificio.
  • images/person.jpg: Imagen de ejemplo de una persona.
  • images/street.jpg: Imagen de ejemplo de una calle.

• Fuente:

  • arial.ttf: Archivo de fuente utilizado para anotar imágenes.

Lab 6: Clasificación de Imágenes con Azure AI Vision

En este laboratorio aprenderás a:

• Crear y entrenar un modelo de clasificación de imágenes personalizado utilizando Azure AI Vision y Custom Vision.
• Consumir la API de predicción de Azure AI Vision para clasificar imágenes.
• Implementar un flujo de trabajo completo de Machine Learning Operations (MLOps) para la creación, entrenamiento y despliegue de un modelo de clasificación de imágenes.

·jemplos disponibles:

Python:

• main.py: Script para consumir la API de predicción y clasificar imágenes.
• workflow_example.py: Ejemplo completo de MLOps.

C#:

• image-classification/Program.cs: Programa principal para consumir la API de predicción y clasificar imágenes.
• mlops-example/Program.cs: Ejemplo completo de MLOps.

Lab 7: Detección de Personas

En este laboratorio aprenderás a detectar personas en imágenes utilizando servicios de Azure AI, con ejemplos en C# y Python.

csharp

• Archivos:
  • detect-people/Program.cs: Programa principal de ejemplo en C# para detectar personas.
  • detect-people/appsettings.json: Archivo de configuración para la aplicación.
  • detect-people/detect-people.csproj: Archivo del proyecto C#.

python

• Archivos:
  • detect-people/main.py: Código en Python para detectar personas en imágenes.
  • detect-people/requirements.txt: Archivo de requisitos para la aplicación Python.

Lab 8: Reconocimiento Óptico de Caracteres (OCR)

En este laboratorio aprenderás a realizar OCR en imágenes y documentos utilizando servicios de Azure AI, con ejemplos en C# y Python.

csharp

• Archivos:
  • read-text/DocumentProcessingService.cs: Servicio para procesar documentos.
  • read-text/ImageProcessingService.cs: Servicio para procesar imágenes.
  • read-text/Program.cs: Programa principal de ejemplo en C#.
  • read-text/appsettings.json: Archivo de configuración para la aplicación.
  • read-text/read-text.csproj: Archivo del proyecto C#.

python

• Archivos:
  • read-text/document_processing_service.py: Servicio en Python para procesar documentos.
  • read-text/image_processing_service.py: Servicio en Python para procesar imágenes.
  • read-text/main.py: Programa principal de ejemplo en Python.
  • read-text/requirements.txt: Archivo de requisitos para la aplicación Python.

Lab 9: Indexación de Videos

En este laboratorio aprenderás a analizar videos utilizando el servicio de indexación de videos de Azure.

Archivos:

• analyze-video-editor.html: Página HTML para analizar videos en un editor.
• analyze-video-player-insights.html: Página HTML para reproducir videos con información de análisis.
• get-videos.ps1: Script de PowerShell para obtener videos.

Lab 10: Análisis de Texto

En este laboratorio aprenderás a analizar texto utilizando los servicios de análisis de texto de Azure, con ejemplos en C# y Python.

csharp

• Archivos:
  • text-analysis/Program.cs: Programa principal de ejemplo en C# para analizar texto.
  • text-analysis/appsettings.json: Archivo de configuración para la aplicación.
  • text-analysis/text-analysis.csproj: Archivo del proyecto C#.

python

• Archivos:
  • text-analysis/main.py: Programa principal de ejemplo en Python para analizar texto.
  • text-analysis/requirements.txt: Archivo de requisitos para la aplicación Python.

Lab 11: Creación de un Bot de Preguntas y Respuestas (QnA Bot)

En este laboratorio aprenderás a crear un bot de preguntas y respuestas utilizando el servicio de Azure AI Language para responder preguntas basadas en un conocimiento predefinido.

csharp

• Archivos:
  • qna-bot/Program.cs: Programa principal de ejemplo en C# para el bot de preguntas y respuestas.
  • qna-bot/appsettings.json: Archivo de configuración para la aplicación.
  • qna-bot/qna-bot.csproj: Archivo del proyecto C#.

python

• Archivos:
  • qna-bot/main.py: Código en Python para implementar el bot de preguntas y respuestas.
  • qna-bot/requirements.txt: Archivo de requisitos para la aplicación Python.

Lab 12: Creación del AventuBot para Actividades de Aventura

En este laboratorio aprenderás a desarrollar un bot conversacional llamado AventuBot. Este bot está diseñado para ayudar a los usuarios a encontrar y reservar actividades de aventura como escalada, senderismo, y más. Utiliza el servicio de Azure AI Language para comprender las intenciones y entidades en el lenguaje natural.

csharp

• Archivos:
  • aventubot/Program.cs: Programa principal de ejemplo en C# para el AventuBot.
  • aventubot/appsettings.json: Archivo de configuración para la aplicación.
  • aventubot/aventubot.csproj: Archivo del proyecto C#.

python

• Archivos:
  • aventubot/main.py: Código en Python para implementar el AventuBot.
  • aventubot/requirements.txt: Archivo de requisitos para la aplicación Python.

Lab 13: Clasificación de Texto Personalizada

En este laboratorio aprenderás a crear un modelo de clasificación de texto personalizado utilizando el servicio Azure AI Language. El laboratorio incluye la carga de ejemplos de artículos, la etiqueta de datos y la creación de un modelo capaz de clasificar texto en categorías específicas. Aprenderás a entrenar, evaluar y desplegar un modelo para luego consumirlo mediante una aplicación en C# o Python.

csharp

• Archivos:
  • classify-text/Program.cs: Programa principal de ejemplo en C# para clasificar texto.
  • classify-text/appsettings.json: Archivo de configuración para la aplicación.
  • classify-text/classify-text.csproj: Archivo del proyecto C#.

python

• Archivos:
  • classify-text/main.py: Código en Python para implementar la clasificación de texto.
  • classify-text/requirements.txt: Archivo de requisitos para la aplicación Python.

Este contenido está diseñado para demostrar cómo construir un proyecto de clasificación de texto, etiquetar datos, entrenar un modelo y luego desplegarlo para su consumo desde una aplicación real.