AI in a Box

IA en una caja

AI-in-a-Box aprovecha la experiencia colectiva de los ingenieros y arquitectos de clientes de Microsoft en todo el mundo para desarrollar y proporcionar soluciones de IA y ML a la comunidad técnica.

Nuestra intención es presentar una colección seleccionada de aceleradores de soluciones que puedan ayudar a los ingenieros a establecer sus entornos y soluciones de IA/ML rápidamente y con mínima fricción, manteniendo al mismo tiempo los más altos estándares de calidad y eficiencia.

A medida que sigamos aprendiendo del mercado, los contribuyentes buscarán equipar a la comunidad con las herramientas y recursos necesarios para tener éxito en el panorama de IA y ML en constante evolución.

¿Por qué IA en una caja?

• Implementación acelerada: acelere sus soluciones con nuestros patrones probados y listos para usar.
• Ahorro de costos: maximice su presupuesto reutilizando códigos y patrones existentes.
• Calidad y confiabilidad mejoradas: confíe en nuestras soluciones, validadas en escenarios del mundo real.
• Ventaja competitiva: supere a sus competidores acelerando la implementación de soluciones.

Orientación disponible

Tema	Descripción
IA responsable	Esto proporciona una orientación esencial sobre el uso responsable de las tecnologías de IA y LLM.
Seguridad para aplicaciones de IA generativa	Este documento proporciona orientación de seguridad específica para aplicaciones de IA generativa (GenAI).
Ampliación de aplicaciones OpenAI	Este documento contiene prácticas recomendadas para escalar aplicaciones OpenAI dentro de Azure.

Aceleradores “in-a-Box” disponibles

Patrón	Descripción	Casos de uso y características admitidos
Operacionalización de Azure ML integrada	Proyecto Boilerplate Data Science desde el desarrollo del modelo hasta la implementación y el monitoreo	Plantilla de proyecto MLOps de un extremo a otro Circuito exterior (configuración de infraestructura) Inner Loop (ciclo de vida de implementación y creación de modelos)
Edge AI en una caja	Edge AI desde la creación del modelo hasta la implementación en dispositivos Edge	Cree un modelo e impleméntelo en el dispositivo Edge. Configuración de infraestructura de bucle externo (IoT Hub, IoT Edge, Edge VM, Container Registry, Azure ML) Inner Loop (creación e implementación de modelos)
AML Edge en una caja	Edge AI desde la creación del modelo hasta la implementación en dispositivos Edge	Organice todo el ciclo de vida del modelo Edge AI, desde la creación hasta la implementación, mediante Azure ML, IoT Edge e IoT Hub, mientras aprovecha Azure ML CLI V2 para una administración optimizada.
Vision Edge personalizado en una caja	Edge AI desde la creación del modelo hasta la implementación en dispositivos Edge	Edge AI mitiga la latencia de la nube al acercar el análisis a la fuente de datos para obtener respuestas más rápidas. Este acelerador demuestra el uso de Custom Vision para entrenar un modelo y exportarlo en formatos como ONNX o Dockerfile para implementación perimetral.
Doc Intelligence en una caja	Este acelerador permite a las empresas automatizar el procesamiento de formularios PDF, modernizar las operaciones, ahorrar tiempo y reducir costos como parte de su viaje de transformación digital.	Recibir formularios PDF Aplicación de funciones y aplicación lógica para orquestación Creación de modelos de inteligencia documental para procesamiento de formularios y extracción de contenidos. Guarda datos PDF en Azure Cosmos DB
Análisis de imágenes y vídeos integrados	Extrae información de imágenes y vídeos con Azure AI Vision y envía los resultados junto con el mensaje del sistema a Azure GPT-4 Turbo con Vision.	Orquestación a través de Azure Data Factory Solución de código bajo, fácilmente extensible para sus propios casos de uso a través de parámetros ADF Reutilice la misma solución y los recursos implementados para muchos escenarios diferentes Guarda los resultados de GPT4-V en Azure CosmosDB
Zona de aterrizaje de servicios cognitivos integrada	Configuración mínima de redes empresariales y servicios de IA para admitir la mayoría de escenarios de servicios cognitivos en un entorno seguro.	Configuración y emparejamiento de Vnet Hub-and-Spoke Implementación de servicios cognitivos Configuración de punto final privado Integración de DNS privado con resolución de DNS PaaS
Bot de kernel semántico en una caja	Acelerador de soluciones extensible para bots avanzados de Azure OpenAI	Implemente el bot Azure OpenAI en múltiples canales (Web, Teams, Slack, etc.) Soporte integrado de recuperación-generación aumentada (RAG) Implementar complementos de IA personalizados
PNL a SQL en una caja	Libere el poder de un sistema de consulta SQL de vanguardia habilitado para voz con Azure OpenAI, Semantic Kernel y Azure Speech Services. Simplemente diga sus solicitudes de datos en lenguaje natural y deje que suceda la magia.	Permite a los usuarios expresar verbalmente consultas en lenguaje natural. Traducir a declaraciones SQL usando Azure Speech y AOAI Ejecutar en una base de datos SQL de Azure
Cuadernos API de asistentes	Aprovechando la simplicidad de la API de Asistentes, los desarrolladores pueden integrar fácilmente asistentes con diversas funcionalidades, desde ejecutar código hasta recuperar datos, brindando a los usuarios asistentes digitales versátiles y dinámicos adaptados a sus necesidades.	Ofrece tres capacidades principales: intérprete de código (tareas técnicas), recuperación (búsqueda de información) y llamada de función (ejecución de tareas). Estos poderes se combinan para formar un superasistente versátil para manejar diversas tareas.
Bot API de asistentes integrado	Este ejemplo proporciona una guía paso a paso sobre cómo implementar un asistente virtual aprovechando la API de Azure OpenAI Assistants. Cubre la implementación de la infraestructura, la configuración en AI Studio y Azure Portal, y ejemplos de pruebas de un extremo a otro.	Implemente la infraestructura necesaria para admitir un Asistente OpenAI de Azure Configurar como Asistente con las herramientas requeridas. Conecte una aplicación Bot Framework a su Asistente para implementar el chat en múltiples canales

Contactos clave y colaboradores

Si tiene alguna pregunta o desea contribuir, comuníquese con: [email protected]

Contacto	ID de GitHub	Correo electrónico
Alex Morales	@msalemor	[email protected]
André Dewes	@andredewes	[email protected]
Andrés Padilla	@AndresPad	[email protected]
Chris Ayers	@codebytes	[email protected]
EduardoNoriega	@EduardoN	[email protected]
Franklin Guimaraes	@franklinlindemberg	[email protected]
Jean Hayes	@jehayesms	[email protected]
Marco Aurélio Bigélli Cardoso	@MarcoABCardoso	[email protected]
María Vrabie	@MariaVrabie	[email protected]
Neeraj Jhaveri	@neerajjhaveri	[email protected]
Thiago Rotta	@rottathiago	[email protected]
Víctor Santana	@welasco	[email protected]
Sabyasachi Samaddar	@ssamadda	[email protected]