Microsoft Azure AI 工程师
AI-102
• 计划和管理 Azure AI 解决方案 (15–20%)
• 实现内容审核解决方案 (10–15%)
• 实现计算机视觉解决方案 (15–20%)
• 实现自然语言处理解决方案 (30–35%)
• 实现知识挖掘和文档智能解决方案 (10–15%)
• 实现生成式 AI 解决方案 (10–15%)
为计算机视觉解决方案选择适当的服务
为自然语言处理解决方案选择适当的服务
为语音解决方案选择适当的服务
为生成式 AI 解决方案选择适当的服务
为文档智能解决方案选择适当的服务
为知识挖掘解决方案选择适当的服务
计划符合负责任 AI 原则的解决方案
创建 Azure AI 资源
确定服务的默认终结点
将 Azure AI 服务集成到持续集成和持续交付 (CI/CD) 管道中
规划和实现容器部署
配置诊断日志记录
监视 Azure AI 资源
管理 Azure AI 服务的成本
管理帐户密钥
通过使用 Azure Key Vault 保护帐户密钥
管理 Azure AI 服务资源的身份验证
管理专用通信
使用 Azure AI 内容安全实现文本审查解决方案
使用 Azure AI 内容安全实现图像审查解决方案
选择视觉特征以满足图像处理要求
检测图像中的物体并生成图像标记
在图像处理请求中包含图像分析功能
解释图像处理响应
使用 Azure AI 视觉从图像中提取文本
使用 Azure AI 视觉转换手写文本
在图像分类和物体检测模型之间选择
标记图像
训练自定义图像模型，包括图像分类和物体检测
评估自定义视觉模型指标
发布自定义视觉模型
使用自定义视觉模型
使用 Azure AI 视频索引器从视频或实时传送流中提取见解
使用 Azure AI 视觉空间分析检测视频中人员的存在和移动
提取关键短语
提取实体
确定文本的情绪
检测文本中使用的语言
检测文本中的个人身份信息 (PII)
实现文本转语音
实现语音转文本
使用语音合成标记语言 (SSML) 改进文本转语音
实现自定义语音解决方案
实现意向识别
实现关键字识别
使用 Azure AI 翻译服务转换文本和文档
实现自定义转换，包括训练、改进和发布自定义模型
使用 Azure AI 语音服务将语音转换为语音
使用 Azure AI 语音服务将语音转换为文本
同时转换为多种语言
创建意向并添加语句
创建实体
训练、评估、部署和测试语言理解模型
优化语言理解模型
从客户端应用程序使用语言模型
备份和恢复语言理解模型
创建自定义问题解答项目
手动添加问答对
导入源
训练和测试知识库
发布知识库
创建多回合对话
添加备用措辞
向知识库添加聊天内容
导入知识库
创建多语言问题解答解决方案
预配 Azure AI 搜索资源
创建数据源
创建索引
定义技能集
实现自定义技能并将其包含在技能组中
创建并运行索引器
查询索引，包括语法、排序、筛选和通配符
管理知识存储投影，包括文件、对象和表投影
预配文档智能资源
使用预生成模型从文档中提取数据
实现自定义文档智能模型
训练、测试和发布自定义文档智能模型
创建组合型文档智能模型
以自定义 Azure AI 搜索技能的形式实现文档智能模型
预配 Azure OpenAI 服务资源
选择并部署 Azure OpenAI 模型
提交提示以生成自然语言
提交提示以生成代码
使用 DALL-E 模型生成图像
使用 Azure OpenAI API 提交提示并接收回复
在 Azure OpenAI 中使用大型多模式模型
配置参数以控制生成式行为
应用提示工程技术来改进回复
将自己的数据与 Azure OpenAI 模型配合使用
微调 Azure OpenAI 模型