微软认证 Azure AI 工程师助理（AI-102）课程

微软认证 Azure AI 工程师助理（AI-102）课程 (中文字幕英文视频教程) 本课程全称为 “微软认证 Azure AI 工程师助理（AI-102）”，是一门聚焦 Azure AI 生态系统核心技术与实践应用的专业认证导向课程，旨在帮助学习者系统掌握 AI 及生成式 AI 基础理论、Azure AI 服务部署与运维、高级 AI 应用开发等关键能力，为获取相关专业认证奠定坚实基础。课程配套完善的学习资源，包括中文字幕视频、课程说明文档及学习资料 PDF，所有视频均配备中文（简体）字幕，确保中文母语学习者能够精准理解课程内容。 课程共包含 40 个视频学习资源（通过统计 MP4 文件数量得出），涵盖课程导入、核心技术讲解、实操演示及总结回顾四大模块，形成从理论认知到实践应用的完整学习路径。 课程开篇以 “课程介绍” 模块开启学习之旅，包含 1 个介绍视频及 2 份核心学习资料。视频内容简要阐述了 AI-102 认证课程的整体框架、学习目标与预期成果，帮助学习者快速建立对课程的宏观认知；配套的 HTML 与 PDF 文档则详细罗列了课程的学习大纲、认证考核要点及推荐学习方法，为学习者规划学习进度提供清晰指引。 第二模块 “人工智能与生成式人工智能基础” 作为课程的理论基石，通过 5 个视频系统构建学习者的 AI 基础认知体系。课程首先以章节介绍视频引入模块核心内容，随后依次讲解 AI 生态系统的构成（涵盖人工智能、机器学习、深度学习的核心概念及相互关系）、人工智能的发展演进历程及各行业实际应用案例、生成式人工智能的基础原理与核心特性，最后聚焦人工智能在决策支持领域的应用逻辑与价值体现。这一模块旨在帮助学习者突破理论壁垒，理解 AI 技术的底层逻辑与应用场景，为后续学习 Azure AI 服务奠定理论基础。 第三模块 “Azure AI 入门” 聚焦 Azure AI 生态的实操入门，包含 6 个视频，其中 4 个为实操演示视频，凸显课程的实践导向特性。章节介绍视频之后，课程先通过演示视频带学习者熟悉 Azure 生态系统的整体架构与核心服务布局，随后重点讲解 Azure OpenAI 服务的核心功能与使用场景，通过实操演示展示如何在 Azure 环境中访问各类模型、不同类型模型的适用场景及选型方法，以及单服务与多服务的部署差异及选择策略。这一模块通过 “理论 + 演示” 的方式，让学习者快速掌握 Azure AI 服务的基础操作流程，建立云原生 AI 服务的应用认知。 “Azure AI Foundry 深入理解” 模块作为课程的核心技术章节，通过 5 个视频深入解析 Azure AI Foundry 的核心能力。章节介绍之后，课程先讲解 Azure AI Foundry 的核心概念与技术架构，随后聚焦大型语言模型（LLMs）的特性、工作原理与应用边界，系统传授提示工程的基础方法与优化技巧 —— 这一内容是提升模型应用效果的关键技术点。课程最后通过实操演示视频，带学习者熟悉 Azure AI Foundry Playground 的操作界面与核心功能，展示如何通过该工具开展模型调试与应用开发，帮助学习者将理论知识转化为实际操作能力。 第五模块 “Azure AI Foundry SDK” 聚焦开发工具的实际应用，通过 4 个视频实现从理论到开发实践的过渡。章节介绍视频明确模块的学习重点后，课程先详解 Azure AI Foundry SDK 的核心功能、安装配置流程及使用规范，随后通过两个实操演示视频强化学习效果：一个聚焦 Python 编程入门，展示如何通过 Python 语言调用 SDK 开展开发工作；另一个则演示如何使用 Azure CLI 创建聊天客户端，让学习者掌握不同开发工具的应用场景与操作技巧，提升实际开发能力。 “检索增强生成（RAG）” 模块针对当前热门的 RAG 技术，通过 5 个视频构建完整的技术认知与实践体系。课程从 RAG 的核心概念入手，讲解检索增强生成技术的工作原理、核心优势与应用场景，随后解析 RAG 技术中的关键术语与技术指标，帮助学习者精准理解技术细节。核心内容之后，课程通过实操演示视频展示在 Azure AI Foundry 中部署 RAG 应用的完整流程，最后分享 Azure 环境中 RAG 应用开发的最佳实践，包括性能优化、资源配置及问题排查等关键要点，助力学习者掌握这一核心技术的实际应用能力。 “Azure 人工智能代理” 模块聚焦智能代理的开发与部署，包含 5 个视频。课程先介绍人工智能代理的核心概念与技术架构，分析其在自动化服务、智能交互等场景中的应用价值，随后通过实操演示视频展示 Azure 服务中代理部署的核心流程与关键配置，最后详解人工智能代理的核心组成部分（包括感知模块、决策模块、执行模块等）及各模块的协同工作机制，帮助学习者掌握智能代理的开发逻辑与部署方法。 “高级自然语言处理与对话式人工智能” 模块针对 NLP 技术展开深入讲解，通过 4 个视频构建高级 NLP 应用开发能力。课程先介绍 Azure 环境中自然语言处理（NLP）的核心服务与技术优势，随后解析意图、话语与实体等 NLP 核心术语的内涵及相互关系 —— 这些是构建对话系统的基础要素。最后通过实操演示，完整展示基于 Azure AI 服务构建对话式代理的全流程，从需求分析、架构设计到服务部署，让学习者掌握对话式 AI 应用的开发方法。 “Azure 人工智能计算机视觉” 模块作为视觉 AI 应用的专项章节，内容最为丰富，包含 7 个视频，全面覆盖计算机视觉的核心技术与 Azure 实践。课程以章节介绍开篇，依次讲解计算机视觉的核心概念（如图像识别、目标检测等）、计算机视觉应用的开发流程与技术要点、人脸检测的基础原理与技术指标，以及光学字符识别（OCR）与图像文本识别的核心技术与应用场景。模块包含 4 个实操演示视频，分别展示计算机视觉应用的开发过程、基于 Vision Studio 的人脸检测操作、OCR 技术的实际应用及 Vision Studio 中 OCR 功能的使用方法，通过密集的实操演示，让学习者快速掌握视觉 AI 技术在 Azure 环境中的开发与应用技巧。 课程最后以 “总结” 模块收尾，通过 1 个总结视频对整个课程的核心内容进行梳理回顾。视频提炼了各模块的关键知识点，包括 Azure AI 服务的核心操作、AI Foundry 的应用技巧、RAG 技术的部署要点及 NLP、计算机视觉的开发逻辑，同时回顾了课程中的重点实操流程与最佳实践，帮助学习者巩固学习成果，形成系统的知识体系。 整体而言，本课程兼具理论深度与实践广度，通过系统的理论讲解与丰富的实操演示，全面覆盖 Azure AI 工程师所需的核心知识与技能。无论是 AI 技术初学者，还是希望提升云原生 AI 服务应用能力的技术人员，都能通过本课程建立完整的 Azure AI 技术认知与实践能力，为从事 AI 应用开发、AI 服务运维等工作及获取相关专业认证提供有力支撑。