Introducción a los fundamentos de la inteligencia artificial: diferencia entre IA, aprendizaje automático y aprendizaje profundo; datos y métricas básicas; fases de un proyecto de ML; riesgos y sesgos. Visión general de los servicios de Azure AI y casos de uso reales.

Creación de experimentos de ML con Azure Machine Learning: espacio de trabajo, conjuntos de datos y cómputo; entrenamiento con notebooks o AutoML; evaluación del modelo, registro, implementación y supervisión en el ciclo de vida MLOps.

Reconocimiento de imágenes y documentos con los servicios Azure Vision: clasificación y detección de objetos, OCR y extracción de datos de documentos; cuándo usar modelos predefinidos o personalizados y cómo interpretar los resultados.

Análisis de texto con Azure Language: detección de idioma, análisis de sentimiento, frases clave, reconocimiento de entidades, resumen; introducción a la traducción y a los modelos conversacionales, con atención a la calidad y la ambigüedad.

Fundamentos de la IA generativa en Azure: diseño de prompts, roles system/message, parámetros temperature y top-p, seguridad de contenidos. Introducción a embeddings, búsqueda semántica y RAG para respuestas basadas en datos de la empresa.