Microsoft Azure AI 工程師
AI-102
? 計劃和管理 Azure AI 解決方案 (15–20%)
? 實現內容審核解決方案 (10–15%)
? 實現計算機視覺解決方案 (15–20%)
? 實現自然語言處理解決方案 (30–35%)
? 實現知識挖掘和文檔智能解決方案 (10–15%)
? 實現生成式 AI 解決方案 (10–15%)
為計算機視覺解決方案選擇適當的服務
為自然語言處理解決方案選擇適當的服務
為語音解決方案選擇適當的服務
為生成式 AI 解決方案選擇適當的服務
為文檔智能解決方案選擇適當的服務
為知識挖掘解決方案選擇適當的服務
計劃符合負責任 AI 原則的解決方案
創建 Azure AI 資源
確定服務的默認終結點
將 Azure AI 服務集成到持續集成和持續交付 (CI/CD) 管道中
規劃和實現容器部署
配置診斷日志記錄
監視 Azure AI 資源
管理 Azure AI 服務的成本
管理帳戶密鑰
通過使用 Azure Key Vault 保護帳戶密鑰
管理 Azure AI 服務資源的身份驗證
管理專用通信
使用 Azure AI 內容安全實現文本審查解決方案
使用 Azure AI 內容安全實現圖像審查解決方案
選擇視覺特征以滿足圖像處理要求
檢測圖像中的物體并生成圖像標記
在圖像處理請求中包含圖像分析功能
解釋圖像處理響應
使用 Azure AI 視覺從圖像中提取文本
使用 Azure AI 視覺轉換手寫文本
在圖像分類和物體檢測模型之間選擇
標記圖像
訓練自定義圖像模型,包括圖像分類和物體檢測
評估自定義視覺模型指標
發布自定義視覺模型
使用自定義視覺模型
使用 Azure AI 視頻索引器從視頻或實時傳送流中提取見解
使用 Azure AI 視覺空間分析檢測視頻中人員的存在和移動
提取關鍵短語
提取實體
確定文本的情緒
檢測文本中使用的語言
檢測文本中的個人身份信息 (PII)
實現文本轉語音
實現語音轉文本
使用語音合成標記語言 (SSML) 改進文本轉語音
實現自定義語音解決方案
實現意向識別
實現關鍵字識別
使用 Azure AI 翻譯服務轉換文本和文檔
實現自定義轉換,包括訓練、改進和發布自定義模型
使用 Azure AI 語音服務將語音轉換為語音
使用 Azure AI 語音服務將語音轉換為文本
同時轉換為多種語言
創建意向并添加語句
創建實體
訓練、評估、部署和測試語言理解模型
優化語言理解模型
從客戶端應用程序使用語言模型
備份和恢復語言理解模型
創建自定義問題解答項目
手動添加問答對
導入源
訓練和測試知識庫
發布知識庫
創建多回合對話
添加備用措辭
向知識庫添加聊天內容
導入知識庫
創建多語言問題解答解決方案
預配 Azure AI 搜索資源
創建數據源
創建索引
定義技能集
實現自定義技能并將其包含在技能組中
創建并運行索引器
查詢索引,包括語法、排序、篩選和通配符
管理知識存儲投影,包括文件、對象和表投影
預配文檔智能資源
使用預生成模型從文檔中提取數據
實現自定義文檔智能模型
訓練、測試和發布自定義文檔智能模型
創建組合型文檔智能模型
以自定義 Azure AI 搜索技能的形式實現文檔智能模型
預配 Azure OpenAI 服務資源
選擇并部署 Azure OpenAI 模型
提交提示以生成自然語言
提交提示以生成代碼
使用 DALL-E 模型生成圖像
使用 Azure OpenAI API 提交提示并接收回復
在 Azure OpenAI 中使用大型多模式模型
配置參數以控制生成式行為
應用提示工程技術來改進回復
將自己的數據與 Azure OpenAI 模型配合使用
微調 Azure OpenAI 模型