Curso AI-200 Develop AI cloud solutions on Azure
Descripción general del curso
El curso AI‑200: Develop AI cloud solutions on Azure proporciona los conocimientos y habilidades necesarios para diseñar, desarrollar e implementar soluciones de inteligencia artificial en la nube utilizando Microsoft Azure.
A lo largo de la formación, el alumno aprenderá a trabajar con los principales servicios de Azure AI, incluyendo Azure AI Services, Azure OpenAI, procesamiento de lenguaje natural, visión artificial y agentes inteligentes, creando soluciones escalables e integradas en entornos empresariales.
Este curso está orientado al desarrollo de aplicaciones inteligentes que permiten automatizar procesos, analizar información y mejorar la toma de decisiones, siendo clave para profesionales que trabajan en proyectos de transformación digital basados en IA.
Curso virtual con examen de certificación incluido de regalo. ¡No dejes pasar esta oportunidad! El examen está valorado en 126€ + IVA y está incluido sin coste adicional.
Promoción válida hasta el 30 de junio del 2026. Examen de una oportunidad disponible únicamente en modalidad Virtual - Teleformación. No aplicable a modalidad Self-Learning.
Que incluye el curso oficial de Microsoft en Nanfor
El curso incluye material oficial de Microsoft Learn, presentaciones de tutores expertos, laboratorios oficiales, tutorías especializadas, sesiones personalizadas con tutor experto, preparación para certificación y certificado de finalización, combinando contenidos oficiales con el acompañamiento experto de Nanfor.
Conocer todos los componentes
Ventajas de la formación AI-200
Formación oficial de Microsoft en inteligencia artificial: Contenido actualizado basado en los servicios más avanzados de Azure AI.
Especialización en desarrollo de soluciones con IA en la nube: Aprenderás a diseñar aplicaciones inteligentes escalables sobre Azure.
Dominio de tecnologías clave como Azure OpenAI y Azure AI Services: Trabajo con modelos de lenguaje, visión, análisis de texto y automatización.
Enfoque práctico orientado a proyectos reales: Desarrollo de soluciones aplicables en entornos empresariales.
Alta demanda profesional en IA y Cloud: Formación alineada con uno de los ámbitos con mayor crecimiento del mercado IT.
Requisitos previos
Para aprovechar al máximo este curso, se recomienda:
- Conocimientos básicos de programación
- Familiaridad con conceptos de Azure y servicios cloud
- Nociones generales de inteligencia artificial o análisis de datos (recomendado, no obligatorio)
Preparación para el examen de certificación Azure AI Cloud Developer Associate
Este curso AI‑200 prepara para la certificación oficial de Microsoft en desarrollo de soluciones de inteligencia artificial en Azure (Microsoft Certified: Azure AI Cloud Developer Associate), proporcionando los conocimientos necesarios para diseñar, construir y optimizar aplicaciones basadas en IA en la nube.
Nivel: Intermedio
Rol: Developer
Producto: Azure
Asunto: Business applications
⏱️
Duración del curso:
100 horas
Información general del curso
🎓 ¿A quién va dirigido este curso?
Este curso está dirigido a:
- Desarrolladores que quieren especializarse en inteligencia artificial en Azure
- Ingenieros de software que trabajan con soluciones cloud
- Profesionales IT interesados en incorporar IA en sus aplicaciones
- Perfiles técnicos que desean evolucionar hacia roles de AI Developer
🎯 Objetivos de la formación ¿Qué aprenderás?
Al finalizar el curso AI‑200, el participante será capaz de:
- Desarrollar soluciones de inteligencia artificial en Microsoft Azure
- Utilizar Azure AI Services y Azure OpenAI en proyectos reales
- Implementar soluciones de procesamiento de lenguaje natural (NLP)
- Crear aplicaciones de visión artificial y análisis de imágenes
- Diseñar arquitecturas de IA escalables en la nube
- Integrar inteligencia artificial en aplicaciones empresariales
📚 Elementos de la colección AI-200 de Microsoft Learn
- Introducción a Azure AI y servicios cognitivos
- Desarrollo de soluciones con Azure OpenAI Service
- Implementación de procesamiento de lenguaje natural (NLP)
- Análisis de texto y comprensión del lenguaje
- Desarrollo de soluciones de visión artificial
- Uso de servicios de IA para automatizar procesos
- Integración de IA en aplicaciones cloud
📚 Contenido del curso Desarrollo de soluciones en la nube de inteligencia artificial en Azure - Programa
Unidad 1: Implementar el alojamiento de aplicaciones de contenedores en Azure
Módulo 1: Almacenar y gestionar contenedores en Azure Container Registry
Objetivos de aprendizaje:
- Explicar cómo Azure Container Registry organiza las imágenes
- Crear y gestionar imágenes de contenedores con ACR Tasks
- Implementar estrategias de etiquetado y versionado
- Utilizar Azure CLI para gestionar imágenes y tareas
- Comprender consideraciones de producción en entornos de contenedores
Laboratorio / Práctica:
- Construcción y ejecución de una imagen de contenedor con ACR Tasks
Módulo 2: Desplegar contenedores en Azure App Service
Objetivos de aprendizaje:
- Desplegar contenedores personalizados en Azure App Service
- Configurar el entorno de ejecución del contenedor (puertos, inicio, almacenamiento)
- Configurar variables de aplicación y cadenas de conexión
- Supervisar y solucionar problemas en aplicaciones contenedorizadas
Laboratorio / Práctica:
- Despliegue de un contenedor en Azure App Service
Unidad 2: Desplegar y gestionar aplicaciones en Azure Container Apps
Módulo 1: Desplegar contenedores en Azure Container Apps
Objetivos de aprendizaje:
- Comprender los entornos de Azure Container Apps
- Desplegar mediante CLI y archivos YAML
- Configurar variables de entorno y secretos
- Configurar la autenticación con el registro de contenedores
- Verificar despliegues mediante logs y revisiones
Laboratorio / Práctica:
- Despliegue de una API backend contenedorizada
Módulo 2: Gestionar contenedores en Azure Container Apps
Objetivos de aprendizaje:
- Gestionar revisiones y actualizar imágenes
- Diagnosticar errores en revisiones
- Supervisar logs y resolver incidencias
- Configurar sondas de salud
- Optimizar recursos y escalado
Laboratorio / Práctica:
- Diagnóstico y resolución de un despliegue fallido
Módulo 3: Escalar contenedores en Azure Container Apps
Objetivos de aprendizaje:
- Configurar reglas de escalado (HTTP, CPU, memoria)
- Implementar escalado basado en eventos con KEDA
- Seleccionar recursos de computación adecuados
- Aplicar modos de revisión para controlar escalado y tráfico
Laboratorio / Práctica:
- Configuración de autoescalado con KEDA
Unidad 3: Desplegar y monitorizar aplicaciones en Azure Kubernetes Service
Módulo 1: Desplegar aplicaciones en Azure Kubernetes Service
Objetivos de aprendizaje:
- Comprender Deployments, Services y Pods
- Crear manifiestos de Kubernetes
- Desplegar y verificar aplicaciones con kubectl
- Solucionar errores de despliegue
Laboratorio / Práctica:
- Despliegue de una API de inferencia en AKS
Módulo 2: Configurar aplicaciones en Azure Kubernetes Service
Objetivos de aprendizaje:
- Utilizar ConfigMaps para configuración
- Utilizar Secrets para datos sensibles
- Configurar almacenamiento persistente (PVC)
- Aplicar patrones de configuración en AKS
Laboratorio / Práctica:
- Configuración de aplicaciones en AKS
Módulo 3: Monitorizar y solucionar problemas en AKS
Objetivos de aprendizaje:
- Monitorizar logs y métricas
- Diagnosticar problemas en pods y servicios
- Verificar conectividad y endpoints
- Aplicar metodologías estructuradas de troubleshooting
Laboratorio / Práctica:
- Diagnóstico de aplicaciones en AKS
Unidad 4: Desarrollar soluciones de IA con Azure Cosmos DB for NoSQL
Módulo 1: Crear consultas en Azure Cosmos DB for NoSQL
Objetivos de aprendizaje:
- Comprender el modelo de datos de Cosmos DB
- Realizar operaciones CRUD con el SDK
- Elegir entre lecturas directas y consultas
- Construir consultas SQL para NoSQL
Laboratorio / Práctica:
- Construcción de un almacén de documentos para RAG
Módulo 2: Implementar búsqueda vectorial en Azure Cosmos DB
Objetivos de aprendizaje:
- Almacenar y recuperar embeddings
- Configurar políticas vectoriales
- Ejecutar consultas de similitud
- Implementar búsqueda híbrida
- Utilizar change feed para mantener embeddings actualizados
Laboratorio / Práctica:
- Desarrollo de una aplicación de búsqueda semántica
Módulo 3: Optimizar el rendimiento de consultas
Objetivos de aprendizaje:
- Analizar patrones de consulta y consumo de RU
- Configurar índices (range, composite, vectoriales)
- Optimizar políticas de indexación
- Seleccionar niveles de consistencia adecuados
Unidad 5: Desarrollar soluciones de IA con Azure Database for PostgreSQL
Módulo 1: Construir y consultar con PostgreSQL
Objetivos de aprendizaje:
- Comprender arquitectura y características del servicio
- Configurar conexiones seguras con Entra ID y TLS
- Diseñar esquemas de base de datos
- Escribir consultas SQL eficientes
- Integrar PostgreSQL con aplicaciones en Python
Laboratorio / Práctica:
- Desarrollo de un backend para asistentes de IA
Módulo 2: Implementar búsqueda vectorial en PostgreSQL
Objetivos de aprendizaje:
- Almacenar embeddings con pgvector
- Ejecutar búsquedas de similitud
- Crear índices vectoriales (IVFFlat, HNSW)
- Diseñar patrones de recuperación para RAG
Laboratorio / Práctica:
- Implementación de búsqueda vectorial
Módulo 3: Optimizar la búsqueda vectorial
Objetivos de aprendizaje:
- Ajustar rendimiento de pgvector
- Optimizar estrategias de indexación
- Escalar PostgreSQL para cargas de IA
Unidad 6: Mejorar soluciones de IA con Azure Managed Redis
Módulo 1: Implementar operaciones de datos en Redis
Objetivos de aprendizaje:
- Comprender estrategias de caché
- Seleccionar librerías cliente adecuadas
- Implementar operaciones de almacenamiento y recuperación
- Gestionar expiración e invalidación de datos
Laboratorio / Práctica:
- Implementación de operaciones de datos en Redis
Módulo 2: Implementar mensajería con Redis
Objetivos de aprendizaje:
- Utilizar pub/sub para mensajería en tiempo real
- Implementar Streams como colas de tareas
- Elegir el patrón de mensajería adecuado
- Diseñar pipelines de procesamiento para IA
Laboratorio / Práctica:
- Publicación y suscripción de eventos
Módulo 3: Implementar almacenamiento vectorial en Redis
Objetivos de aprendizaje:
- Crear índices vectoriales con RediSearch
- Almacenar y consultar embeddings
- Desarrollar aplicaciones de búsqueda semántica
Unidad 7: Integrar servicios backend para soluciones de IA
Módulo 1: Procesar operaciones de IA con Azure Service Bus
Objetivos de aprendizaje:
- Comprender patrones de mensajería
- Elegir entre colas y topics
- Diseñar mensajes para IA
- Procesar mensajes de forma fiable con DLQ
Laboratorio / Práctica:
- Procesamiento de mensajes con Service Bus
Módulo 2: Desarrollar workflows con Event Grid
Objetivos de aprendizaje:
- Diseñar arquitecturas event-driven
- Utilizar el esquema CloudEvents
- Configurar filtrado y enrutamiento de eventos
- Gestionar reintentos y entrega
Laboratorio / Práctica:
- Publicación y recepción de eventos
Módulo 3: Construir backends serverless con Azure Functions
Objetivos de aprendizaje:
- Evaluar opciones de hosting
- Crear triggers y bindings
- Integrar Key Vault y App Configuration
- Aplicar seguridad con identidad gestionada
Unidad 8: Gestionar secretos y configuración en soluciones de IA
Módulo 1: Gestionar secretos con Azure Key Vault
Objetivos de aprendizaje:
- Almacenar secretos, claves y certificados
- Recuperar secretos mediante SDK
- Implementar rotación segura
- Aplicar estrategias de caché
Laboratorio / Práctica:
- Gestión de secretos con Azure Key Vault
Módulo 2: Gestionar configuración con Azure App Configuration
Objetivos de aprendizaje:
- Conectar aplicaciones a App Configuration
- Gestionar configuración mediante etiquetas
- Implementar feature flags
- Integrar con Azure Key Vault
Laboratorio / Práctica:
- Recuperación de configuración y secretos
Unidad 9: Monitorizar y solucionar problemas en aplicaciones Azure
Módulo 1: Instrumentar aplicaciones con OpenTelemetry
Objetivos de aprendizaje:
- Comprender conceptos de observabilidad
- Instrumentar aplicaciones con OpenTelemetry
- Crear trazas y spans personalizados
- Exportar telemetría a Application Insights
Laboratorio / Práctica:
- Instrumentación de aplicaciones
Módulo 2: Analizar telemetría con logs y métricas
Objetivos de aprendizaje:
- Escribir consultas KQL
- Analizar logs y métricas
- Crear dashboards y workbooks
- Configurar alertas
Laboratorio / Práctica:
🧪 Nuestro factor diferenciador: Laboratorios prácticos
| Laboratorio de Nanfor |
Competencias técnicas desarrolladas |
Resultado práctico del aprendizaje |
| Configuración del entorno Azure para IA |
Creación de recursos en Azure, gestión de suscripciones y servicios AI |
El alumno despliega un entorno completo para desarrollo de soluciones de IA en la nube |
| Desarrollo de aplicaciones con Azure OpenAI |
Integración de modelos GPT, embeddings y generación de respuestas |
El alumno crea aplicaciones de IA generativa listas para uso real |
| Implementación de soluciones RAG (Retrieval-Augmented Generation) |
Indexación, embeddings, vector search y grounding de datos |
El alumno construye sistemas que combinan IA con datos corporativos |
| Creación de APIs serverless con Azure Functions |
Diseño de APIs, triggers, bindings y lógica serverless |
El alumno expone funcionalidades de IA a través de servicios web escalables |
| Desarrollo de arquitectura basada en eventos |
Uso de Event Grid, Service Bus y mensajería |
El alumno implementa flujos de trabajo IA desacoplados y escalables |
| Despliegue de aplicaciones con contenedores |
Uso de Azure Container Apps y Azure Kubernetes Service (AKS) |
El alumno despliega soluciones de IA en entornos cloud modernos |
| Gestión de imágenes de contenedores |
Uso de Azure Container Registry (ACR) |
El alumno gestiona versiones y despliegues de aplicaciones IA |
| Desarrollo de soluciones con Cosmos DB (NoSQL) |
Diseño de bases de datos, consultas y optimización |
El alumno gestiona almacenamiento de datos para aplicaciones AI |
| Uso de PostgreSQL con pgvector |
Implementación de bases de datos vectoriales |
El alumno construye motores de búsqueda semántica avanzados |
| Implementación de caché con Azure Redis |
Optimización de rendimiento y reducción de latencia |
El alumno mejora el rendimiento de aplicaciones AI en producción |
| Integración de servicios de IA de Azure |
Uso de APIs de lenguaje, visión, voz y contenido |
El alumno integra múltiples capacidades de IA en una solución |
| Seguridad y gestión de secretos |
Uso de Azure Key Vault, identidades y acceso |
El alumno protege aplicaciones y datos sensibles en entornos AI |
| Observabilidad y monitorización |
Uso de logs, métricas, OpenTelemetry y KQL |
El alumno monitoriza el rendimiento y detecta errores en soluciones AI |
| Automatización de despliegues |
Configuración de pipelines básicos DevOps |
El alumno automatiza la entrega de soluciones de IA |
| Diseño de arquitecturas escalables de IA |
Selección de servicios, diseño cloud-native |
El alumno diseña soluciones robustas orientadas a producción |
| Desarrollo de solución end-to-end de IA |
Integración de todos los componentes anteriores |
El alumno construye una aplicación completa lista para entorno empresarial |
🌐 Idioma
- Curso: Inglés / español
- Labs: Inglés / español
ℹ️ ¿Quieres realizar este curso? Solicita información ahora
Si quieres realizar esta capacitación de forma virtual puedes comprarlo en la parte superior del producto. Ante cualquier duda, ponte en contacto con nosotros.
Si quieres realizarlo en modalidad presencial o telepresencial ponte en contacto con nosotros:
🏢 Nanfor, centro de formación TIC oficial de Microsoft
Nanfor es un centro de formación TIC a medida, especializado en capacitación tecnológica para profesionales y empresas, y está oficialmente homologado por Microsoft como:
- Microsoft Solutions Partner – Training Services
- Microsoft Cloud Partner
Estas homologaciones acreditan que Nanfor cumple con los estándares de Microsoft para impartir cursos técnica, utilizando contenidos de Microsoft y Microsoft Certified Trainers (MCTs), garantizando calidad, actualización continua y alineación con las certificaciones.
❓ Preguntas Frecuentes
¿Qué es el curso AI‑200?
Es una formación oficial de Microsoft que enseña a desarrollar soluciones de inteligencia artificial en la nube con Azure, utilizando servicios como Azure AI y Azure OpenAI.
¿Qué aprenderé en este curso?
Aprenderás a crear aplicaciones inteligentes utilizando servicios de IA de Azure, incluyendo procesamiento de lenguaje natural, visión artificial y modelos de IA generativa.
¿El curso incluye el examen de certificación?
Sí. Este curso incluye el examen oficial de certificación de Microsoft (según condiciones de la promoción vigente).
¿Está incluido en LaaS de Nanfor?
Sí. El curso AI‑200 forma parte de LaaS Cert, lo que permite acceder a esta formación junto con otras certificaciones oficiales.
¿Cómo se realiza el curso?
Se realiza en modalidad online, con acceso a contenidos, laboratorios y soporte de expertos, permitiendo avanzar de forma flexible.
¿Se puede bonificar por FUNDAE?
Sí. Este curso puede ser bonificable a través de FUNDAE, sujeto a las condiciones de la empresa.
¿Cuánto dura el acceso al curso?
El curso incluye 3 meses de acceso, con posibilidad de extensión (excepto en formación bonificada).
