book

Guide d'étude Azure AI Engineer Associate (AI-102)

by Renaldi Gondosubroto

September 2025

Intermediate to advanced

456 pages

14h 58m

French

O'Reilly Media, Inc.

Book available

Read now

Unlock full access

Pourquoi j'ai écrit ce livreÀ qui s'adresse ce livreComment ce livre est organiséConventions utilisées dans ce livreUtilisation des exemples de codeFormation en ligne O'ReillyComment nous contacterRemerciements
Introduction au paysage de l'IALe candidat le moins qualifié pour l'examen AI-102Où en est l'IA aujourd'hui ?Concepts fondamentaux de l'IALes six principes de base : Considérations pour développer l'IA de manière responsableTechniques d'IA explicablesConfiguration techniqueConfiguration de ton compte Microsoft AzureConfiguration de l'environnement Azure AIConfiguration de l'environnement de développement localComprendre les capacités d'Azure AILes capacités des services d'IA de Microsoft AzureConsommer les services d'IAAuthentification et sécuritéFacturation et gestion des coûtsTes responsabilités en tant qu'ingénieur en IARelever les défis et gérer les risquesApprentissage continu et collaborationConception centrée sur l'utilisateurPratique : Exécuter un service d'analyse de texteRévision du chapitreQuestionnaire sur le chapitre
Le cycle de vie du projet Azure AIDéfinition des besoins et conceptionLe développementDéploiementIntégrationMaintenanceOptimisation des performancesSurveillancePratique : Concevoir une solution d'IAUn exemple simple de conception de solutionPeser les compromisPlanification et configuration de l'accès et de la sécuritéMettre en oeuvre les exigences appropriées en matière de contrôle d'accèsTravailler avec la sécurité sur le réseauCréation et gestion des services Azure AIDéployer une ressource Azure AI ServicesStratégies d'optimisation des coûts pour Azure AI ServicesMise en œuvre d'un déploiement de conteneursTravailler avec les API et les SDK dans AzurePratique : Conception d'une solution d'IA avec l'API RESTSurveillance des services Azure AISurveillance proactive des coûtsUtiliser les mesures et les alertesPratique : Conception d'une solution d'IARévision du chapitreQuestionnaire du chapitre
Stockage et gestion des données dans Azure AIChoix des options de stockage pour les solutions d'IAMeilleures pratiques de gestion des donnéesInterprétation des données pour les solutions d'IAExploiter Azure AI pour l'analyse des donnéesFormation et sélection de modèles dans Azure AITechniques de visualisation des données et analyse en temps réelIntroduction aux outils de visualisation de données d'AzureAnalyse et prise de décision en temps réelMise en œuvre de l'IA dans l'analyse des donnéesIntégration de l'IA aux plateformes de données d'AzureÉtude de cas d'analyse de données en actionPratique : Construire un tableau de bord analytique alimenté par l'IAConfiguration du stockage Azure BlobTéléchargement des données sur les commentaires des clientsCréation d'un service linguistique Azure AI ServicesCréation et configuration d'une base de données Azure SQLConfiguration d'Azure Data FactoryCréation d'un pipeline pour le déplacement et la transformation des donnéesCréation d'une base de données SQL pour stocker les donnéesVisualiser les données avec Power BIRévision du chapitreQuiz du chapitre
Introduction à l'aide à la décision pour Azure AIComprendre les systèmes d'aide à la décisionÀ quoi ressemble l'aide à la décision dans le paysage d'Azure AI ?Utilisation du conseiller en métriques d'Azure AI pour mettre en œuvre des solutions de surveillance des donnéesComprendre le conseiller en métrologie d'Azure AIMettre en œuvre des solutions de surveillance des donnéesClassification et modération de textes avec Azure AI Content SafetyComprendre Azure AI Content SafetyModérer le texte avec Azure AI Content SafetyModérer des images avec Azure AI Content SafetyDétecter les risques de jailbreakDétecter le matériel protégéFiltrage de contenu pour la modération de textePratique : mise en œuvre d'une solution de modération de texte avec Azure AI Content SafetyRévision du chapitreQuiz du chapitre
Introduction à Azure AI VisionQu'est-ce que la vision par ordinateur ?Qu'est-ce que Azure AI Vision ?Étude de casAnalyse d'images avec Azure AI VisionLes bases de l'analyse d'imagesEffectuer une analyse d'imageExtraire du texte avec Azure AI VisionReconnaissance et analyse des visagesPrincipes de base de la reconnaissance facialePratique : Implémenter la reconnaissance faciale dans ton applicationVision personnalisée et détection d'objetsConstruire des modèles de classification d'images personnalisésMise en œuvre de la détection d'objetsPratique : Création d'une solution personnalisée de détection d'objetsTravailler avec du contenu vidéoUtilisation de l'indexeur de vidéos Azure AIPratique : Analyse de contenu vidéo avec Azure AI Video IndexerRévision du chapitreQuiz du chapitre
Principes fondamentaux du traitement du langage naturelIntroduction à la PNLComposants de base de la PNLTechniques et algorithmes courants de la PNLUn aperçu du NLP dans Microsoft AzureIntroduction au service linguistique d'Azure AIComprendre le langage d'Azure AIUtiliser des solutions préconstruitesUtiliser Azure AI Speech pour traiter la paroleComprendre Azure AI SpeechMettre en œuvre des solutions vocales préconstruitesMise en œuvre de solutions vocales personnaliséesTraduire avec Azure AI TranslatorComprendre Azure AI TranslatorMise en œuvre de solutions de traduction préconstruitesMise en œuvre de solutions de traduction personnaliséesPratique : créer une solution de traduction personnaliséePlus de bonnes pratiquesRévision du chapitreQuiz du chapitre
Travailler avec des modèles de compréhension du langageCréer des intentions, des énoncés et des entitésConstruire des modèles de compréhension du langageOptimiser les modèles de compréhension du langageSauvegarde et récupération des modèles de compréhension du langagePratique : Construire et intégrer son propre modèle de compréhension du langageConstruire des solutions de réponse aux questionsComprendre les solutions de réponse aux questionsPratique : construire sa propre solution de réponse aux questionsCapacités avancéesRévision du chapitreQuiz du chapitre
Planification et mise en œuvre d'une solution d'exploration des connaissances avec Azure AI SearchComprendre Azure AI SearchCréer un service de rechercheOptimiser les performances de rechercheMaintenir une solution de rechercheFonctions de recherche avancéesTravailler avec des solutions d'intelligence documentaire dans Azure AI Document IntelligenceComprendre l'intelligence documentaire d'Azure AIPratique : Implémentation d'un modèle personnalisé de Document IntelligencePratique : Création d'un modèle composé d'intelligence documentairePratique : création de compétences personnalisées pour Azure AI SearchRévision du chapitreQuiz du chapitre
L'IA générative sur Microsoft AzureTypes de modèles d'IA générativeConstruire des solutions d'IA générative responsablesIngénierie des prompts avec le service Azure OpenAIRédiger des prompts efficacesTechniques avancées et meilleures pratiquesGénérer du contenu avec le service Azure OpenAIUtilisation du service Azure OpenAIUtiliser Azure OpenAI dans tes applicationsGénérer du texteGénérer des imagesGénérer du codeAjustement et optimisation des modèles d'IA générativeAffiner le modèle OpenAIIntégrer des sources de donnéesInteragir avec le modèleGénération assistée par récupérationComprendre RAGPratique : Mise en œuvre de RAG avec Azure OpenAI et Azure AI SearchRévision du chapitreQuestionnaire sur le chapitre

Aperçu des principales tendancesProgrès en matière de raisonnement complexePetits modèles linguistiquesL'IA multimodaleL'IA agentiqueL'intégration d'Azure AI à l'ensemble de la plateforme AzurePratique : Création d'une architecture complexe sur Azure avec les services d'IA.Rationaliser le processus de développement de l'IADévelopper avec Microsoft CopilotPratique : utiliser Copilot dans l'écosystème Azure (avec du code)Travailler avec Prompt Flow dans Azure AI FoundryMicrosoft FabricCréer des applications d'IA avec Microsoft FabricFavoriser une culture des données au sein des organisationsPratique : Créer une solution de bout en bout avec Microsoft FabricUne note finaleQuestionnaire du chapitre
Corrigé du chapitre 1Corrigé du chapitre 2Corrigé du chapitre 3Corrigé du chapitre 4Corrigé du chapitre 5Corrigé du chapitre 6Corrigé du chapitre 7Corrigé du chapitre 8Corrigé du chapitre 9Corrigé du chapitre 10

Content preview from Guide d'étude Azure AI Engineer Associate (AI-102)

Chapitre 5. Mise en œuvre de solutions de vision par ordinateur avec Azure AI

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : translation-feedback@oreilly.com

La vision par ordinateur ne consiste pas seulement à apprendre aux machines à voir ; il s'agit de réécrire les règles de fonctionnement des industries. Prends ton supermarché local : en novembre 2021, Carrefour a lancé son projet pilote Flash 10/10 à Paris pour exploiter la plateforme de vision par ordinateur d'AiFi, composée de caméras installées au plafond et d'un suivi piloté par l'IA, afin de permettre aux clients d'attraper des articles et de simplement sortir pendant que les achats sont automatiquement comptabilisés et facturés. Cette technologie ne se limite pas aux épiceries. Imagine un hôpital où l'IA scanne des milliers de Rayons X pendant la nuit, signalant les fractures subtiles que les radiologues pourraient manquer pendant un quart de travail matinal agité. Qu'il s'agisse de repérer les nids-de-poule en temps réel pour les camions d'entretien de la ville ou d'aider les cinéastes à animer des personnages en images de synthèse réalistes, la vision par ordinateur joue le rôle de héros méconnu, transformant des pixels bruts en décisions qui permettent d'économiser du temps, de l'argent et même des vies.

Ensuite, zoomons sur les voitures. Les véhicules modernes sont truffés de caméras qui ne se contentent pas d'aider à se garer en parallèle. Des systèmes comme l'Autopilot ...