资源介绍
e AI 工程师能力提升指南（中英文对照版电子书）
本书旨在帮助读者掌握 AI 工程师助理认证考试内容，通过真实案例研究和完整模拟测试，提升 Azure AI 相关实战能力。创作过程中，作者借助先进 AI 工具优化语言与清晰度，内容本身由作者打造，并经专业出版团队编辑，确保阅读体验流畅。
二、核心内容架构
本书分为三大部分，共 11 章，紧密围绕 Azure AI 服务的基础理论、实际应用与认证备考展开。
（一）第一部分：Azure AI 基础与核心要素（第 1-3 章）
AI、机器学习与 Azure AI 服务认知
系统介绍 AI、机器学习（ML）、深度学习及生成式 AI 的核心概念，梳理监督学习、无监督学习、强化学习的区别与应用场景。例如，监督学习可用于医疗诊断，通过标注的 X 光图像训练模型检测肿瘤；无监督学习能助力信用卡公司识别异常交易。同时，详解大语言模型（LLMs）、小语言模型（SLMs）、自然语言处理（NLP）等基础要素，以及提示工程、检索增强生成（RAG）、嵌入、标记化等六大 AI 核心能力，并全面概述 Azure AI 关键服务，如 Azure AI 搜索、文档智能、视频索引器、Azure OpenAI 服务等，说明各服务的核心功能与适用场景。
Azure AI 入门：工作室、管道与容器化
介绍 Azure AI 开发环境，包括 Azure AI Foundry、OpenAI Studio、机器学习工作室、Copilot Studio 及 Visual Studio Code（VS Code），明确各平台适用场景。例如，Azure AI Foundry 适合构建和管理多 Azure 服务集成的 AI 解决方案，OpenAI Studio 专注 OpenAI 模型部署与使用。同时，讲解如何通过 REST API 或 SDK 创建和管理 Azure AI 服务，以及 CI/CD 流水线在 AI 开发中的集成，容器部署策略（如 Docker、Azure 容器实例、Azure Kubernetes 服务），并通过实操练习指导读者配置 SDK、实现服务调用与容器部署。
Azure AI 服务的管理、监控与安全保障
聚焦 Azure AI 资源的运维与安全，涵盖诊断日志配置、性能指标监控、成本管理（借助 Azure 定价计算器估算费用、设置预算警报）、密钥安全管理（使用 Azure Key Vault 存储密钥、定期轮换密钥）、身份验证机制（单服务密钥、多服务密钥、基于令牌的认证、Microsoft Entra ID 认证）及网络安全配置（防火墙规则设置、虚拟网络访问控制、私有端点部署）。通过实操练习，读者可掌握日志存储资源创建、指标可视化、警报规则设置、密钥再生与安全管理等技能，确保 AI 服务稳定、安全、低成本运行。
（二）第二部分：Azure AI 实际应用（第 4-8 章）
内容审核解决方案实现
强调负责任 AI 原则（公平性、可靠性与安全性、隐私与安全、包容性、透明度、问责制）在 AI 系统开发中的重要性，分析生成式 AI 面临的风险（如无根据输出、提示注入攻击、有害内容生成、版权侵权等），并提供缓解策略，如采用内容过滤器、遵循负责任创新框架（红队测试、风险量化、风险缓解、持续运营）。详解 Azure AI Content Safety 服务的核心功能，包括文本与图像审核 API、提示防护、接地检测、受保护材料检测等，通过实操指导读者配置内容过滤器、创建 Content Safety 资源、实现文本与图像内容审核。
Azure AI 视觉解决方案探索
深入 Azure AI Vision 服务，涵盖图像分析（物体检测、人脸识别、内容审核）、自定义模型开发（图像分类、物体检测模型训练）、人脸服务（人脸检测、验证、识别）、光学字符识别（OCR）及视频分析（Azure AI Video Indexer 的转录、场景检测、人物跟踪）。通过实操练习，读者可学会使用 SDK 分析图像生成描述与标签、训练自定义图像分类模型、检测与分析人脸属性、提取图像中的文本（含手写文本）、分析视频内容并提取元数据（如转录文本、物体标签、场景信息）。
自然语言处理解决方案实现
讲解 Azure AI Language 与 Azure AI Speech 服务的 NLP 能力。Azure AI Language 支持语言检测、关键短语提取、情感分析、命名实体识别（NER）、个人身份信息（PII）检测、文档摘要等；Azure AI Speech 提供语音转文本、文本转语音、语音翻译功能，支持自定义语音模型开发。通过实操，读者可构建文本分析应用（分析评论情感、提取关键信息）、开发语音交互应用（如语音时钟，实现语音识别与合成）、实现多语言文本与语音翻译，以及构建对话式语言理解模型与自定义问答解决方案。
知识挖掘、文档智能与内容理解实现
介绍 Azure AI Search 的搜索能力（关键词搜索、语义搜索、向量搜索）、索引与索引器配置、技能集（数据转换与增强）及知识存储（辅助分析与报告）。详解 Azure AI Document Intelligence 服务，包括预构建模型（处理发票、收据、身份证等）、自定义模型开发（提取特定文档字段）及 API 与 SDK 集成。引入 Azure AI Content Understanding，说明其如何协调多 Azure AI 服务（如 Vision、Document Intelligence、Language、Speech）构建多模态内容分析流水线。通过实操，读者可创建搜索服务、配置索引与技能集、实现文档数据提取与分析、设计基于 schema 的内容分析器。
生成式 AI 解决方案实践
围绕 Azure AI Foundry 平台，指导读者创建中心、项目与 AI 服务，部署 Azure OpenAI 模型（如 GPT-4o、DALL-E 3），使用 API 提交提示并获取生成内容（文本、代码、图像）。介绍高级生成式 AI 技术，如提示工程（优化提示以提升输出质量）、RAG 模式（结合外部数据增强模型输出准确性）、模型微调（使用自定义数据优化模型性能）。通过实操，读者可掌握模型部署、提示优化、图像生成（DALL-E 3）、RAG 模式实现（连接自有数据）、模型微调等技能，构建定制化生成式 AI 解决方案。
（三）第三部分：智能体 AI 解决方案、实际案例与认证备考（第 9-11 章）
Azure AI 智能体服务实现智能体解决方案
解释 AI 智能体的定义、核心特征（推理、规划、行动执行、对话管理、记忆）与类型（工具使用型、目标导向型、协作型），对比 Azure AI Agent Service、Semantic Kernel、AutoGen 等开发框架的适用场景与能力。指导读者配置 Azure 资源支持智能体开发，构建单智能体（如旅行助手）与多智能体协同工作流（如分工协作完成复杂任务），并讲解智能体的测试、优化与部署策略（性能监控、安全防护、规模化部署）。
AI 实际应用：行业案例、技术模式与实操项目
分析 AI 在金融服务、医疗健康、零售、制造、能源等行业的应用案例，介绍核心技术模式（自定义 Copilot、数据对话交互、文档处理与摘要），并提供 GitHub 上的学习加速项目（如基于 RAG 模式的自有数据对话交互项目），帮助读者将理论知识转化为实际项目能力，掌握 AI 解决方案在真实业务场景中的落地方法。
AI-102 Azure AI 工程师助理认证备考
提供认证考试策略与技巧，包括核心概念掌握、实操练习、试题分析、高权重考点优先复习等，给出考试注意事项与模拟测试建议，帮助读者系统备考，提升通过认证的概率。
三、适用人群与价值
本书适合准备参加 AI-102：Azure AI 工程师助理认证考试的人员，无论背景如何均可使用。对开发人员、工程师而言，可拓展 Azure 生态内 AI 知识；对从传统软件开发转向 AI 领域的从业者，能提供 Azure AI 项目实战所需工具与见解；学生与教育工作者也可通过本书将 AI 概念与实际应用结合。
书中内容紧密贴合微软官方考试指南，确保覆盖认证目标，同时包含实际案例与实操练习，帮助读者不仅通过考试，更能具备在实际工作中设计、部署、管理 Azure AI 解决方案的能力，为 AI 职业生涯奠定基础。