PL-900.

Após ser aprovado no teste AI-900 que testa conhecimentos básicos em IA(inteligência artificial), vamos adicionar resumos de estudos para a prova PL-900.

A prova PL-900 testa seus conhecimentos no Microsoft Power Platform e seus componentes.

Será avaliado conhecimento em construção de aplicações com Power Apps e banco de dados Dataverse.

Também é testado conhecimento em automação de fluxos utilizando Power Automate e criação de chatbot com Power Virtual Agents.

Finalizando com Power BI(Business Intelligence), testando conhecimento em análise e construção de relatórios e painéis de controle utilizando dados de diversas fontes de dados utilizando a plataforma.

Conhecimentos testados.

Os seguintes conhecimentos serão testados, e os seus respectivos pesos:

1. Descrever o valor comercial da Power Platform (20-25%);
2. Identificar os componentes principais da Power Platform (10-15%);
3. Demonstrar os recursos do Power BI (20-25%);
4. Descrever os recursos do Power Apps (25-30%);
5. Demonstrar os recursos do Power Automate (10-15%);
6. Demonstrar o valor comercial dos Power Virtual Agents (5-10%).

As regras da prova é similar com outras provas fundamentals, 35 a 60 minutos para finalizar o teste, com números de questões variados.

Conclusão.

Ótima base de conhecimento para quem pretende se aprofundar nos componentes do Microsoft Power Platform.

Azure Machine learning.

Machine learning é uma técnica matemática para criar uma inteligência em máquinas.

Esse aprendizado pode ser utilizado para várias aplicações, prevenção de anomalias, previsão, classificação, entre outros.

Utilizando Azure Machine Learning podemos abstrair todo esforço de criar a inteligência e utilizar os recursos homologados pela Azure.

Além dos modelos e recursos pré-treinados ofertados pela Azure, também é disponibilizado pela plataforma ambiente e ferramentas para facilitar o uso.

A única preocupação quando utilizamos os recursos de Machine learning da Azure é treinar e validar o modelo criado.

Recursos Machine Learning Azure.

A Azure oferece uma série de recursos para inteligência artificial, neste tópico vamos falar sobre Regressão, Classificação e Clustering.

A Regressão é uma técnica de análise de dados para tentar prever algum valor através de cruzamentos de dados.

A Classificação é um modelo que toma decisões através de objetos categorizados e classificados na fase de treinamento de máquina.

O Clustering é um aprendizado de máquina não supervisionado no qual as observações são agrupadas em clusters com base em semelhanças em seus valores de dados ou recursos.

Cada modelo tem uma solução específica ou podem ser combinados com outros recursos que não citamos neste tópico.

Conclusão.

Independente de qual modelo será utilizado, a Azure oferece os modelos de Machine learning pré-treinados para agilizar sua solução.

Análise imagem Azure.

Uma das capacidades utilizadas em sistemas de inteligência artificial é a pesquisa visual computacional.

Os computadores não possuem olhos biológicos para identificar imagens, mas podem processar imagens e vídeos e fazer tomadas de decisões.

Com as capacidades visuais, a máquina pode identificar pessoas, locais e objetos.

Além de identificar e marcar objetos, também é possível identificar a movimentação em um determinado espaço.

Outra capacidade, é extrair textos em imagens e transformar em textos estruturados.

Recursos visuais Azure.

Os recursos visuais Azure oferecem capacidades que analisam uma imagem e retornam uma lista com descrição da imagem. Outra capacidade é retornar marcações associadas a imagem em forma de metadados.

Existe ainda a capacidade de detectar objetos e marcar em volta do objeto com uma descrição do objeto.

Também é possível detectar marcas famosas, celebridades, esportistas, monumentos e locais famosos em uma imagem.

É possível detectar faces e analisar expressões, identificar se a pessoa está sozinha ou em grupo e categorizar a imagem.

Outra capacidade é a identificação e extração de textos de uma imagem, também conhecido como OCR.

Conclusão.

Azure oferece uma série de capacidades computacionais visuais já treinadas, o que elimina o trabalho duro de fazer isso programaticamente.

Linguagem coloquial Azure.

A plataforma Azure oferece suporte a compreensão de linguagem coloquial por meio de serviço de linguagem.

Para trabalhar com a Compreensão da Linguagem Coloquial, será necessário levar em consideração três conceitos principais: enunciados, entidades e intenções.

O Enunciado é alguma palavra chave que o usuário diz ao aplicativo, este que interpretará a palavra, por exemplo: “Ligar”, “Desligar”, “Turn on”.

A Entidade é um ítem que queremos ligar ao enunciado, por exemplo: “Ligar VENTILADOR”, “Desligar VENTILADOR”, “Turn on FAN”.

As intenções são utilizados para realizar uma ação a partir de uma combinação de um enunciado + entidade, por exemplo, a combinação de “LIGAR” + “VENTILADOR” deve acionar uma intenção de ATIVAÇÃO, já uma combinação “DESLIGAR” + “VENTILADOR” deve acionar uma intenção de DESATIVAÇÃO.

Recursos para Linguagem coloquial.

Dentro dos recursos Azure, existem os serviços de Linguagem para abordar o reconhecimento de linguagem natural sem a experiência de serviços cognitivos ou serviço Cognitivo que abordam os dois serviços.

O primeiro passo para trabalhar com aprendizado de linguagem, é fazer a criação do recurso para treinar um aplicativo de compreensão de linguagem coloquial.

O próximo passo é criar as intenções, inserindo as ações que o usuário deseja executar na sua aplicação.

Após isso, será necessário criar as entidades que podem ser do tipo Machine-learned, Lista, regex ou Pattern.any.

Com tudo configurado, o próximo passo é treinar seu modelo e homologar se está tudo certo. Após testar e validar seu modelo, podemos publicá-lo em um recurso de previsão.

Conclusão.

Um recurso bem interessante e muito utilizado para integrações de clientes e experiências mais amigáveis entre humanos e máquinas, além de ser muito utilizado para interação com deficientes visuais.

Análise de voz Azure.

A análise e sintetização de voz podem ser utilizados na inteligência artificial como entrada e saída de informação.

Hoje não é difícil encontrar sistemas de automação industrial, residencial e automotivo que disponibilizam comandos de voz para o usuário.

Na plataforma da Azure, existem capacidades que possibilitam a entrada de uma informação em formato sonoro e transformar em texto e vice-versa.

O reconhecimento de voz Azure possibilita identificar palavras de uma entrada de áudio e transformar em texto para ser armazenado ou apresentado na forma de legenda para o usuário.

O sintetizador de voz Azure faz o contrário do reconhecimento de voz, ele faz a leitura de um arquivo texto e sintetiza as palavras em um áudio.

Detalhes da API.

O serviço cognitivo de fala Azure oferece API’s para reconhecimento de fala e sintetizador de voz.

A API de conversão de fala em texto pode ser executada em tempo real ou em lote.

A execução em tempo real é uma ótima opção para transformar em tempo real o áudio em legendas, já em outros casos, podemos enviar um áudio extenso e transcrever em um arquivo de texto, nesse caso é mais interessante utilizar o modo de transformação em lote.

A API de conversão de texto em fala disponibiliza a capacidade de converter um texto em um áudio falado.

Essa API é muito útil para soluções de interação com deficientes visuais, onde podemos sintetizar um texto em voz, podendo inclusive escolher o idioma e o locutor.

Conclusão.

A Azure oferece uma série de funcionalidades para soluções de inteligência artificial e ciência de dados, e a API de fala pode ser usada para algumas soluções nesse segmento sem necessidade de implementação de lógica de programação.

Azure AI-900.

O certificado Azure SC-900 foi conquistado, e agora iniciei os estudos para o certificado Azure AI-900.

A certificação Azure AI-900 testa os conhecimentos do candidato em Inteligência artificial utilizando recursos Azure.

Os conhecimentos testados na prova são um pouco mais técnicos que as provas testadas na Azure AZ-900 e SC-900.

Apesar do material de estudo AI-900 informar que o formato da prova é para candidatos com ou sem conhecimento em ciência de dados, é necessário o básico desse conhecimento.

O formato e os regulamentos da prova são os mesmos da prova AZ-900, a prova pode ter até 45 minutos e o número de perguntas pode variar conforme a dificuldade da questão.

Estrutura da prova.

A prova AI-900 tem uma estrutura padrão como as outras provas da série 900 da Azure, testando as seguintes habilidades:

• Descrever as cargas de trabalho e considerações sobre Inteligência Artificial (20-25%);
• Descrever os princípios fundamentais do aprendizado de máquina no Azure (25-30%);
• Descrever os recursos das cargas de trabalho de pesquisa visual computacional no Azure (15-20%);
• Descrever os recursos das cargas de trabalho de Processamento de Linguagem Natural (PLN) no Azure (25-30%).

Conclusão.

Aproveitando os notes das próximas semanas, vou postar alguns resumos de estudos feitos para a prova AI-900.

Autenticação e Autorização Azure.

Você sabe a diferença entre uma autenticação e autorização do seu sistema?

Basicamente, quando falamos em autenticação, nos referimos a verificar quem é você.

A autorização, verifica o que você pode acessar no sistema.

Uma analogia a essa questão é imaginar uma estadia em um hotel, onde é preciso “autenticar” na entrada do hotel para poder acessar a área comum, mas só estamos “autorizados” a adentrar em um quarto designado.

Com o número de colaboradores trabalhando remotamente, o cuidado com os acessos devem ser dobrados e basear somente no perímetro de acesso não é mais suficiente.

Segurança Azure.

A verificação dos perímetros primários não é mais suficiente, hoje a segurança precisa verificar também aplicações SaaS, dispositivos pessoais do colaborador, acesso por terceiros e acessos por iot.

A Azure oferece hoje uma autenticação moderna, onde a autenticação, autorização e sistemas estão unificados.

Dessa forma, são disponibilizadas várias formas de acessos, com níveis de acessos customizados e seguros.

Outra capacidade que é oferecida pelo Azure é um provedor de SSO, onde minimizamos o número de autenticação e autorização, sendo necessário fazer isso uma única vez e acessar os sistemas que utilizam o mesmo provedor de acesso.

Existe outra capacidade chamada de acesso por federação, onde é permitido acesso por domínios diferentes, por exemplo, acessar a Microsoft com as credenciais do Google.

Conclusão.

Com o número de colaboradores trabalhando remotamente e a introdução de equipamentos pessoais ao ambiente corporativo faz com que a administração de acessos sejam cada vez mais cuidadosa.