Para establecer expectativas realistas, tenga en cuenta: Estas preguntas NO son preguntas oficiales que encontrará en el examen oficial. Estas preguntas cubren todo el material que se describe en las secciones de conocimiento a continuación. Muchas de las preguntas se basan en escenarios ficticios en los que se plantean preguntas.

Los requisitos de conocimientos oficiales para el examen se revisan de forma rutinaria para garantizar que el contenido tenga los requisitos más recientes incorporados en las preguntas de práctica. Las actualizaciones del contenido a menudo se realizan sin notificación previa y están sujetas a cambios en cualquier momento.

El orden de las preguntas cambiará cada vez que repita las pruebas. Por lo tanto, necesitará saber por qué una respuesta es correcta, y no solo que la respuesta correcta era el ítem "B" la última vez que tomó el examen.

Muchas de las preguntas tienen tanto el término en inglés como la traducción al español porque varios de los términos y funciones en Microsoft Azure están en inglés. De esta forma podrá reconocer los componentes que encontrará utilizados en Azure.

Los candidatos para este examen deben tener un conocimiento básico de los conceptos de aprendizaje automático (ML) e inteligencia artificial (AI) y los servicios relacionados de Microsoft Azure.

Este examen es una oportunidad para demostrar el conocimiento de las cargas de trabajo comunes de ML e IA y cómo implementarlas en Azure.

Este examen está destinado a candidatos con antecedentes técnicos y no técnicos. No se requiere experiencia en ciencia de datos e ingeniería de software; sin embargo, sería beneficioso tener algún conocimiento o experiencia en programación general.

Azure AI Fundamentals se puede usar para 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.

Cada pregunta tiene una explicación detallada y enlaces a materiales de referencia para respaldar las respuestas que aseguran la precisión de las soluciones del problema.

No hay requisitos previos para este curso, sin embargo, los estudiantes con algún conocimiento o experiencia en TI encontrarán los conceptos más fáciles de entender.

Las certificaciones de Fundamentals validan el conocimiento fundamental de los servicios de computación en la nube y cómo se brindan esos servicios con Microsoft Azure.

• Cada pregunta tiene explicaciones detalladas al final de cada conjunto que lo ayudarán a obtener una comprensión más profunda de los servicios de MS Azure.

• La explicación proporciona una descripción general del tema, vínculos de referencia a documentos de Azure y una explicación de por qué la opción es correcta o incorrecta.

Habilidades medidas en el examen Microsoft Azure AI-900

Describir las cargas de trabajo y las consideraciones de la inteligencia artificial (15-20%)

Identificar características de cargas de trabajo comunes de IA

• identificar cargas de trabajo de predicción / previsión

• identificar las características de las cargas de trabajo de detección de anomalías

• identificar cargas de trabajo de visión artificial

• identificar el procesamiento del lenguaje natural o las cargas de trabajo de minería del conocimiento

• identificar cargas de trabajo de IA conversacional

Identificar los principios rectores de una IA responsable

• describir las consideraciones de equidad en una solución de IA

• describir las consideraciones de confiabilidad y seguridad en una solución de IA

• describir las consideraciones de privacidad y seguridad en una solución de inteligencia artificial

• describir consideraciones para la inclusión en una solución de IA

• describir consideraciones para la transparencia en una solución de IA

• describir consideraciones para la responsabilidad en una solución de IA

Describir los principios fundamentales del aprendizaje automático en Azure (30-35%)

Identificar tipos comunes de aprendizaje automático

• identificar escenarios de aprendizaje automático de regresión

• identificar escenarios de aprendizaje automático de clasificación

• identificar escenarios de aprendizaje automático en clústeres

Describir los conceptos básicos del aprendizaje automático.

• identificar características y etiquetas en un conjunto de datos para el aprendizaje automático

• describir cómo se utilizan los conjuntos de datos de entrenamiento y validación en el aprendizaje automático

• describir cómo se utilizan los algoritmos de aprendizaje automático para el entrenamiento de modelos

• seleccionar e interpretar métricas de evaluación del modelo para clasificación y regresión

Identificar las tareas principales en la creación de una solución de aprendizaje automático.

• describir características comunes de la ingestión y preparación de datos

• describir la ingeniería y la selección de características

• describir las características comunes del entrenamiento y la evaluación de modelos

• describir características comunes de implementación y administración de modelos

Describir las capacidades del aprendizaje automático sin código con Azure Machine Learning Studio

• IU de AA automatizada

• diseñador azure Machine Learning

Describir las características de las cargas de trabajo de visión artificial en Azure (15-20%)

Identifique tipos comunes de soluciones de visión por computadora

• identificar las características de las soluciones de clasificación de imágenes

• identificar las características de las soluciones de detección de objetos

• identificar las características de las soluciones de reconocimiento óptico de caracteres

• identificar características de detección facial, reconocimiento facial y soluciones de análisis facial

Identificar herramientas y servicios de Azure para tareas de visión por computadora

• identificar las capacidades del servicio Computer Vision

• identificar las capacidades del servicio Custom Vision

• identificar las capacidades del servicio Face

• identificar las capacidades del servicio Form Recognizer

Describir las características de las cargas de trabajo de procesamiento del lenguaje natural (NLP) en Azure (15-20%)

Identificar características de escenarios de carga de trabajo de PNL comunes

• identificar características y usos para la extracción de frases clave

• identificar características y usos para el reconocimiento de entidades

• identificar características y usos para el análisis de sentimientos

• identificar características y usos para el modelado del lenguaje

• identificar características y usos para el reconocimiento y la síntesis de voz

• identificar características y usos para la traducción

Identificar herramientas y servicios de Azure para cargas de trabajo de PNL

• identificar las capacidades del servicio Text Analytics

• identificar las capacidades del servicio Language Understanding (LUIS)

• identificar las capacidades del servicio de voz

• identificar las capacidades del servicio Translator Text

Describir las características de las cargas de trabajo de IA conversacional en Azure (15-20%)

Identificar casos de uso comunes para la IA conversacional

• identificar características y usos de los bots de chat web

• identificar las características comunes de las soluciones de IA conversacional

Identificar los servicios de Azure para la IA conversacional

• identificar las capacidades del servicio QnA Maker

• identificar las capacidades del servicio Azure Bot

El examen está disponible en los siguientes idiomas: inglés, japonés, chino (simplificado), coreano, alemán, francés, español

IMPORTANTE: tenga en cuenta que los exámenes siempre utilizarán nombres de productos y términos en inglés, por lo que el alumno debe estar familiarizado con muchos términos en inglés, independientemente del idioma del examen.