Scale Power Platform capacities with Generative AI en es

We´ll show how we can use Gen AI in our Power PLatform solutions using AI Builder, Copilot, ChatGPT and others so we can multiply Power Platform capacities

Azure AI Studio: Creando nuestro propio Copilot en es

En esta sesión veremos las capacidades que nos proporciona el nuevo Azure AI Studio para crear nuestras propias soluciones, centralizando el desarrollo de las mismas y operacionalizando los productos creados. Veremos también que nos proporciona el Azure AI SDK y como podemos aprovechar sus funcionalidades.

Microsoft Fabric al rescate! en es

En esta sesión veremos las funcionalidades e integraciones que introduce Microsoft Fabric enfocado a los usuarios de Business Applications así como la integración con el resto de componentes de la Power Platform, a través del paradigma de Onalake

Azure Open AI: Hablando con mis datos en es

En esta sesión veremos como utilizando el framework de Langchain, podemos tener "conversaciones" con datos estructurados almacenados en nuestro motor de base de datos relacional!

OpenAI Deep Dive: Prompt Engineering en

Uno de los aspectos más relevantes a la hora de personalizar el comportamiento de los modelos LLM son las diferentes opciones que tenemos a la hora de crear y gestionar el modo en el que le preguntamos o solicitamos al modelo que nos genere contenido. En esta sesión veremos las diferentes opciones y los aspectos técnicos relacionados con estas opciones que nos permiten personalizar el comportamiento de los modelos

SynapseML: Como montar tus pipelines de ML en Azure Synapse y PySpark en

Uno de los casos de uso para los que podemos necesitar desplegar pools de Spark en Azure Synapse es la implementación de pipelines de entrenamiento o despliegue de modelos de Machine Learning, o para integrar dentro de nuestros procesamientos de datos, soluciones como Azure Cognitive Services. En esta sesión veremos lo sencillo que es hacerlo con SynapseML, que es la evolución de MMLSpark. Ah.. y a pesar de su nombre, no es solo para Synapse. También podemos utilizarlo en Databricks, por ejemplo!!

Interpretabilidad de Modelos de ML utilizando Python e InterpretML en es

Incluso hoy en día es bastante común encontrarse con clientes o colegas que perciben los modelos de ML como una caja negra capaz de realizar magia para darle al cliente lo que quiere. Sin embargo, la cruda realidad es que sin una comprensión razonable de cómo funcionan los modelos de ML, los proyectos del mundo real rara vez tienen éxito. Teniendo en cuenta que cualquier proyecto de este estilo tiene un componente de negocio muy relevante y que el objetivo final de estos modelos es tomar decisiones automáticas por parte de los usuarios, tienen derecho a hacer preguntas como "¿Cómo puedo confiar en este modelo?" o "¿Cómo se toman las decisiones del modelo?" Responder a estas preguntas puede convertirse en un desafío y es una de las áreas donde se están invirtiendo más esfuerzos hoy en día.

Azure Responsible AI dashboard workshop en es

Un modelo de ML es una caja negra que es difícil de depurar. Las técnicas tradicionales de rendimiento del modelo de ML proporcionan una pequeña visión de la verdadera precisión del modelo. Además, estas técnicas tienen un punto ciego para encontrar dónde están los errores de modelo o datos. Esto puede conducir a problemas de equidad o sesgo social. Existe una creciente necesidad de transparencia para poder comprender o explicar qué características impulsaron el resultado de un modelo para algunas regulaciones de la industria. Este taller brindará a los participantes aprendizaje práctico sobre cómo usar el panel de IA responsable de Azure Machine Learning para depurar un modelo mediante Análisis de errores, Análisis de datos y Explicabilidad/Interpretabilidad. Al final del taller, los participantes aprenderán los procedimientos recomendados para usar Azure Responsible AI Dashboard para ayudar a los profesionales de ML a producir soluciones de IA que sean menos dañinas y más confiables.

Responsible AI with Microsoft Responsible AI Toolbox en es

Responsible AI is an approach to assessing, developing, and implementing AI systems safely, reliably, and ethically, and making responsible decisions and actions. In this session we will see how to do it with a set of tools provided by MIcrosoft that we can use in our AI projects in Azure

Securing our reports from bad guys! Data Protection in Power BI en es

In this session, we will review the options that the entire Power BI platform and Azure could provide us to implement data protection mechanisms through sensibility labels, governance policies and integration with Microsoft Cloud App Security and Microsoft Sentinel so you could share your reports without fear!

Incorpora Inteligencia a tus Power Apps: AI Builder en es

En esta sesión veremos las opciones que nos proporciona AI Builder, para introducirnos en el mundo de la Inteligencia Artificial, sin necesidad de escribir ni una linea de código. Analizaremos los diferentes escenarios de negocio que nos proporciona out-of-the-box y haremos una demo de predicción de ventas, para que veais lo sencillo que es conectar las piezas del puzzle!!

Interpretability of Machine Learning Models using Python and Microsoft InterpretML en es

Even today it is quite common to meet clients or colleagues who perceive Machine Learning models as a black box capable of performing magic or alchemy to give the customer what they want. However, the stark reality is that without a reasonable understanding of how ML models work, real-world projects are rarely successful. Considering that any project of this style has a very relevant business component and that the ultimate goal of these models is to make decisions automatically by users, they have the right to ask questions such as "How can I trust this model?" or "How do you make the model decisions?" Answering these questions can become challenging and is one of the areas where more efforts are being invested today.

In this session, we´ll walk through different interpretability strategies using Python and packages such as Microsoft Interpret ML

RFM NAV Customer Classification with Python and Azure Functions en

In this session you´ll learn how to create an Azure Function that invokes a Machine Learning clustering model that take RFM information directly from Dynamics NAV tables so you can classify your customers in groups based on their purchase patterns.

The Data Lab: Filling the gap between Strategy and Data. en

Learn from real experiences how to incorporate successful data-based projects into your organization without disrupting existing processes using and implementing agile procedures. We will show real cases of existing Data Labs that have had a high impact on the businesses of the companies that have implemented them using Big Data technologies. In this talk you will also learn how to manage a Data Lab that includes a mixed team trough LEAN concepts that would help you to be agile and efficient. We will also show the different architecture approaches that you could use to implement the Data Lab concept and how to integrate it into an existing architecture using hybrid approaches that could get the best from the Cloud and On-premises . Finally we will show you the methodology that will allow you to discover the projects that would have more impact on the business and how to accomplish them.

Customer Insights: Artificial Intelligence at the service of the business en es

In this session, we will see how Customer Insights can help us establish a CDP (Customer Data Platform) in our organization, allowing us to consolidate all our customers' data, and use embedded Machine Learning models to extract the most out of that data. And all this using the CDM, Power Query, and Azure ML Services!!

IA Responsable con Microsoft Responsible AI Toolbox en es

La IA responsable es un enfoque para evaluar, desarrollar e implementar sistemas de IA de manera segura, confiable y ética, y tomar decisiones y acciones responsables. En esta sesión veremos como hacerlo con un conjunto de herramientas proporcionado por MIcrosoft que podemos utilizar en nuestros proyectos de IA en Azure

No solo de OpenAI vive el hombre: Los superpoderes de Azure Cognitive Services es

En estos días que OpenAI copa todos los comentarios, en esta sesión veremos que existen otros servicios de Inteligencia Artificial, dentro de Azure, que permiten integrar dentro de nuestras aplicaciones soluciones de Computer Vision, Custom Vision, o Moderaciones de Contenidos

Microsoft Fabric: Everything you need as Data Science Platform! en es

In this session we will analyze in depth the features that Microsoft Fabric provides us to act as a Data Science platform when developing pipelines and creating models. We will also see the integrations with other components of the MIDP

Microsoft Fabric: Todo lo que necesitas para una plataforma de Ciencia de Datos en es

En esta sesión analizaremos en profundidad las características que Microsoft Fabric nos proporciona para actuar como plataforma de Ciencia de Datos a la hora de desarrollar pipelines y creamos modelos. Veremos también las integraciones con otros componentes de la MIDP

Microsoft Fabric al rescate! en es

En esta sesión veremos las funcionalidades e integraciones que introduce Microsoft Fabric enfocado a los usuarios de Business Applications así como la integración con el resto de componentes de la Power Platform, a través del paradigma de Onalake

Azure Open AI: Hablando con mis datos en es

En esta sesión veremos como utilizando el framework de Langchain, podemos tener "conversaciones" con datos estructurados almacenados en nuestro motor de base de datos relacional!

Azure Responsible AI dashboard workshop en es

Un modelo de ML es una caja negra que es difícil de depurar. Las técnicas tradicionales de rendimiento del modelo de ML proporcionan una pequeña visión de la verdadera precisión del modelo. Además, estas técnicas tienen un punto ciego para encontrar dónde están los errores de modelo o datos. Esto puede conducir a problemas de equidad o sesgo social. Existe una creciente necesidad de transparencia para poder comprender o explicar qué características impulsaron el resultado de un modelo para algunas regulaciones de la industria. Este taller brindará a los participantes aprendizaje práctico sobre cómo usar el panel de IA responsable de Azure Machine Learning para depurar un modelo mediante Análisis de errores, Análisis de datos y Explicabilidad/Interpretabilidad. Al final del taller, los participantes aprenderán los procedimientos recomendados para usar Azure Responsible AI Dashboard para ayudar a los profesionales de ML a producir soluciones de IA que sean menos dañinas y más confiables.

Interpretabilidad de Modelos de ML utilizando Python e InterpretML en es

Incluso hoy en día es bastante común encontrarse con clientes o colegas que perciben los modelos de ML como una caja negra capaz de realizar magia para darle al cliente lo que quiere. Sin embargo, la cruda realidad es que sin una comprensión razonable de cómo funcionan los modelos de ML, los proyectos del mundo real rara vez tienen éxito. Teniendo en cuenta que cualquier proyecto de este estilo tiene un componente de negocio muy relevante y que el objetivo final de estos modelos es tomar decisiones automáticas por parte de los usuarios, tienen derecho a hacer preguntas como "¿Cómo puedo confiar en este modelo?" o "¿Cómo se toman las decisiones del modelo?" Responder a estas preguntas puede convertirse en un desafío y es una de las áreas donde se están invirtiendo más esfuerzos hoy en día.

Semantic Link, when Power BI meets Spark en es

Would you like to use the job done by analysts in Power BI models into your Data Science process? Would you like to automatically detect relationships between data stored in CSV files? Would you like to validate information automatically in your Data Science pipelines? Would you like to augment your data from Notebooks? If the answer to any of these questions is yes, Semantic Link is the Microsoft Feature that you need to know!

Semantic Link, cuando Power BI conoció Spark en es

¿Te gustaría usar el trabajo realizado por los analistas en los modelos de Power BI en tuproceso de ciencia de datos? ¿te gustaría detectar automáticamente las relaciones entre los datos almacenados en archivos CSV? ¿Te gustaría validar la información automáticamente en tus pipelines de Data Science? ¿te gustaría aumentar tes datos de Notebooks cargando información desde Power BI? Si la respuesta a cualquiera de estas preguntas es sí, Semantic Link es la característica de Microsoft que necesita conocer.

Incorpora Inteligencia a tus Power Apps: AI Builder en es

En esta sesión veremos las opciones que nos proporciona AI Builder, para introducirnos en el mundo de la Inteligencia Artificial, sin necesidad de escribir ni una linea de código. Analizaremos los diferentes escenarios de negocio que nos proporciona out-of-the-box y haremos una demo de predicción de ventas, para que veais lo sencillo que es conectar las piezas del puzzle!!

Protegiendo nuestros informes de los malos! Protección de Datos en Power BI en es

En esta sesión veremos las opciones que nos proporciona Power BI para implementar mecanismos de protección de en los datos, a través de las etiquetas de sensibilidad, las políticas de gobierno y la integración con Microsoft Cloud App Security, para poder compartir tus informes y datos sin miedo a que sean hackeados!

Power BI Datamarts: What´s new, old? en es

No-Code / Low-Code has come to the world of Datawarehouse. With the possibility of creating Data Marts in SQL Azure, directly from the Power BI service, simply with a browser, using the Dataflows interface, we have at our disposal a new Architecture alternative for Analytics solutions. In this session we will see in detail what are the functionalities that we have at our disposal, and the scenarios and use cases in which we could use this alternative within our Enterprise Architectures

Power BI Datamarts: ¿Qué hay de nuevo, viejo? en es

El No-Code / Low-Code ha llegado al mundo del Datawarehouse. Con la posibilidad de crear Data Marts en SQL Azure, directamente desde el servicio de Power BI, simplemente con un navegador, utilizando el interfaz de los Dataflows, tenemos a nuestra disposición una nueva alternativa de Arquitectura para soluciones de Analítica. En esta sesión veremos en detalle cuales son las funcionalidades que tenemos a nuestra disposición, y los escenarios y casos de uso en los que podríamos utilizar esta alternativa dentro de nuestras Arquitecturas Empresariales

Customer Insights: Inteligencia Artificial al Servicio del Negocio en es

En esta sesión veremos como Customer Insights puede ayudarnos a establecer un CDP (Customer Data Platform) en nuestra organización, permitiéndonos consolidar todos los datos de nuestros clientes, y utilizar modelos de Machine Learning embebidos para extrar el máximo partido a esos datos. Y todo ello utilizando el CDM, Power Query y Azure ML Services!!

Interpretabilidad de Modelos de ML utilizando Python e InterpretML en es

Incluso hoy en día es bastante común encontrarse con clientes o colegas que perciben los modelos de Machine Learning como una caja negra capaz de realizar magia o alquimia para darle al cliente lo que quiere. Sin embargo, la cruda realidad es que sin una comprensión razonable de cómo funcionan los modelos de ML, los proyectos del mundo real rara vez tienen éxito. Teniendo en cuenta que cualquier proyecto de este estilo tiene un componente de negocio muy relevante y que el objetivo final de estos modelos es tomar decisiones automáticas por parte de los usuarios, tienen derecho a hacer preguntas como "¿Cómo puedo confiar en este modelo?" o "¿Cómo se toman las decisiones del modelo?" Responder a estas preguntas puede convertirse en un desafío y es una de las áreas donde se están invirtiendo más esfuerzos hoy en día.

En esta sesión, recorreremos diferentes estrategias de interpretabilidad utilizando Python y paquetes como Microsoft Interpret ML

Arquitectura Big Data para el siglo XXI. Big Data no es solo para los ricos es

Han pasado ya los días en los que era necesario realizar grandes desembolsos para poder disponer de arquitecturas que nos permitiesen obtener las bondades de cluster Hadoop o Spark. Hoy en día, la nube nos permite implementar este tipo de soluciones a un precio razonable y con una flexibilidad sin límites. En esta sesión veremos las diferentes opciones que tenemos en Azure para desplegar la Arquitectura Big Data que mejor se adapte a nuestras necesidades, a través de escenarios reales de Análisis de Datos en tiempo real, Machine Learning y exploración de grandes cantidades de datos de forma interactiva

Azure Sentinel: Todo lo que no querrías ver en tu organización... es

Presentación del servicio Azure Sentinel y como podemos analizar alertas y descubrir incidentes de seguridad en organizaciones, lo que no nos gustaría descubrir.

Desarrollo de soluciones Multiplataforma con Power BI XMLA Endpoints, .NET Core, AMO y ADOMD.NET es

Durante esta sesión revisaremos los nuevos paquetes NuGet AMO y ADOMD.NET que nos permiten desarrollar soluciones con .NET Core y que junto a los XMLA Endpoints de Power BI, abren nuevas posibilidades para tener soluciones multiplataforma para la gestión de soluciones Power BI, como por ejemplo, tener una App Service Linux que refresque los modelos o realice nuevos despliegues.

Jugando a adivinar el futuro con ML.NET es

Estamos ya en el momento en el que el Machine Learning ha pasado de ser una caja negra a una tecnología utilizada en un gran cantidad de escenarios. En esta sesión introduciremos los conceptos de Machine Learning, como realizar la aproximación a un proyecto real y como implementarlo utilizando ML.NET, la librería de .NET Core que nos permite crear modelos de ML. Para ello intentaremos realizar predicciones utilizando algoritmos de Regresión

Power BI para desarrolladores es

Seguro que has oído hablar de Power BI y sus capacidades de BI de autoservicio. Hoy en día ya no solo es una herramienta para usuario final, sino que nos permite implementar soluciones empresariales de BI con un nuevo paradigma de mayor flexibilidad y facilidad de uso que las soluciones BI tradicionales. En esta sesión veremos los aspectos clave para los desarrolladores, desde como embeber informes Power BI en nuestras aplicaciones, hasta como interactuar con los modelos desplegados, actualizar datos o realizar modificaciones a nuestros modelos.

Agregando Funcionalidad a nuestros informes con Power Automate. Desencadenando acciones es

Es habitual que nuestros usuarios, además de visualizar información en nuestros informes, quieran desencadenar acciones a partir de sus análisis, o interactuar con otras soluciones. Para ello, disponemos de la visual nativa de Power Automate con la que podemos lanzar flujos que nos permitan realizar determinadas acciones desde nuestros informes de Power BI

Segmentando mis clientes con ML.NET y Python ¿Quién lo hará mejor? es

En esta sesión veremos como utilizar datos de clientes para realizar una segmentación de los mismos, comenzando por un análisis RFM que nos sirva para enriquecer nuestros datos para posteriormente crear un modelo ML utilizando el mismo algoritmo en ML .NET y en Python sklearn, para ver los resultados. Todo ello, por supuesto con Visual Studio Code!

Primeros pasos en IA para usuarios de Power BI. ¿Quién dijo miedo? es

En esta sesión veremos las posibilidades que nos proporciona Power BI Premium, para integrarse con los Azure Cognitive Services, así como la posibilidad de utilizar las funcionalidades de AutoML en los flujos de datos

Información en Tiempo Real: Power BI Streaming es

Aunque Power BI es una plataforma para el desarrollo de soluciones analíticas, dispone de posibilidades para que podamos utilizarla también como plataforma de reporting y uno de los escenarios más demandados, es el de mostrar información en tiempo real. Esto es posible gracias la posibilidad de generar conjuntos de datos de tipo streaming. En esta sesión veremos como mostrar información de sensores en tiempo real en nuestros informes, mezclando también conceptos de IoT

Azure AI Studio: Creando nuestro propio Copilot en es

En esta sesión veremos las capacidades que nos proporciona el nuevo Azure AI Studio para crear nuestras propias soluciones, centralizando el desarrollo de las mismas y operacionalizando los productos creados. Veremos también que nos proporciona el Azure AI SDK y como podemos aprovechar sus funcionalidades.

Ensuring Security Best Practices in Azure OpenAI en es

We’ll cover topics such as data privacy, model integrity, secure deployment, and monitoring, providing attendees with a comprehensive understanding the main points that they should put attention on related to security, privacy and Responsable use of models in Azure OpenAI. We’ll also discuss best practices for developers and organizations to ensure their AI implementations are secure.

Buenas prácticas de seguridad en Azure Open AI en es

En esta sesión cubriremos temas como la privacidad de los datos, la integridad de los modelos, la implementación segura, el compromiso de derechos de autor del cliente y la supervisión, proporcionando a los asistentes una visión completa de los principales puntos a los que deben de prestar atención relacionados con la seguridad, la privacidad y el uso responsable de los modelos en Azure OpenAI. También analizaremos las mejores prácticas para que los desarrolladores y las organizaciones garanticen que sus implementaciones de IA sean seguras.

RAG Achitecture with Azure Databricks en es

In this session we will cover how to create a LLM-bases solution using the RAG pattern in Azure Databricks, using features such as Azure Databricks Vector Search the AI playground or the model servicing capabilities.

Soluciones basadas en LLM con Azure Databricks en es

En esta sesión, trataremos cómo crear una solución basada en LLM mediante el patrón RAG en Azure Databricks, mediante características como Azure Databricks, Vector Search, el área de juegos de IA o las funcionalidades de mantenimiento de modelos.

Multiplica las capacidades de Power Platform con IA Generativa en es

En esta sesión veremos como utilizar IA Generativa en nuestras soluciones de Power Platform. Que opciones de integración tenemos y como podemos incrementar las funcionalidades de la plataforma Low-Code a través de soluciones de IA Generativa. Veremos conceptos como AI Builder, Copilot, Chatbots.....

Prebuilt Azure AI services in Microsoft Fabric en es

Microsoft Fabric is the definitive solution to centralize all your data initiatives and projects, including features to create a centralized lakehouse, processing data with data warehouse experiences, including business rules into semantic models, creating realtime analytics solutions and also AI projects. In this last feature, beyond the ability to create experiments and deploy models based on your data we also have a subset of Azure AI Services included in the package that we can use out of the box. In this session we´ll analyze these options and how to use them into our Microsoft Fabric experience without the need to create or use any external services.

In-depth look into the Azure AI Services included with Microsoft Fabric

Servicios de Azure AI incluidos en Microsoft Fabric. ¿Quién da más? en es

Microsoft Fabric es la solución definitiva para centralizar todas tusiniciativas y proyectos de datos, incluidas las características para crear un lakehouse centralizado, el procesamiento de datos con experiencias de almacenamiento de datos, la inclusión de reglas de negocio en modelos semánticos, la creación de soluciones de análisis en tiempo real y también proyectos de IA. En esta última característica, más allá de la capacidad de crear experimentos e implementar modelos basados en nuestros datos, también tenemos un subconjunto de Azure AI Services incluido en el paquete que podemos usar de forma predeterminada. En esta sesión, analizaremos estas opciones y cómo usarlas en nuestra experiencia de Microsoft Fabric sin necesidad de crear ni usar ningún servicio externo.

En esta sesión haremos un Análisis detallado de los servicios de inteligencia artificial de Azure incluidos en Microsoft Fabric