4:00 오후 - 5:00 오후 (UTC)

El Azure AI Agent Service es una combinación perfecta de servicio y SDK que simplifica el desarrollo de soluciones robustas de IA. En esta sesión, aprenderás cómo crear tu propio agente de IA con Azure, capaz de responder preguntas, realizar análisis de datos e integrar fuentes de datos externas. También explorarás arquitecturas más complejas, incluyendo múltiples agentes trabajando juntos. Más información y desarrolla tus habilidades https://aka.ms/CreateAgenticAISolutions https://aka.ms/ai_agents_apps__data

7:00 오후 - 8:00 오후 (UTC)

En esta sesión compartiremos algunos de los desarrollos más emocionantes en la plataforma .NET relacionados con Agentes de IA. Veremos nuevas características y mejoras de .NET, y también las poderosas capacidades de los Agentes. Y, por supuesto, crearemos en vivo varios Agentes con .NET y .NET Aspire.

7:00 오후 - 8:00 오후 (UTC)

Semantic Kernel empodera a los desarrolladores para crear aplicaciones de IA al combinar LLMs con habilidades personalizadas y memoria. En esta sesión, descubrirás cómo crear aplicaciones inteligentes, impulsadas por agentes, que pueden razonar, planificar e interactuar con sistemas externos. Aprende a definir pipeline, integrar plugins y diseñar agentes capaces de manejar flujos de trabajo complejos. Al finalizar esta sesión, contarás con las herramientas necesarias para acelerar tu desarrollo de IA con el potente framework de Semantic Kernel.

7:00 오후 - 8:00 오후 (UTC)

Gracias a GitHub Models, ¡todo lo que necesitas para crear tu primer Agente de IA es una cuenta en GitHub! GitHub Models incluye modelos muy capaces como OpenAI gpt-4o, DeepSeek-R1, Llama-3.1, entre otros, todos listos para usar en el playground o en tu código. En esta sesión, te mostraremos cómo conectar tu código Python a GitHub Models y construir agentes utilizando paquetes populares como PydanticAI, AutoGen y Semantic Kernel. Puedes seguir los ejemplos con nosotros en vivo o en cualquier rato después de la sesión a través de GitHub Codespaces.

10:00 오후 - 11:00 오후 (UTC)

Nuestra solución VoiceRAG utiliza los nuevos modelos de audio en tiempo real de Azure OpenAI para crear una experiencia en la que los usuarios pueden interactuar con sus datos en tiempo real. En esta sesión, analizaremos la arquitectura: un frontend en JavaScript que emplea websockets para enviar y recibir audio en vivo, y un backend en Python que usa llamadas a funciones el LLM para extraer los datos y generar las respuestas. Esta misma solución puede emplearse para crear aplicaciones con agentes en tiempo real, útiles en áreas como comercio electrónico, educación y soporte al usuario.