Budget Bytes: Construye aplicaciones de IA en Azure por menos de $25

Introducción a Budget Bytes

Budget Bytes es una iniciativa que busca demostrar cómo los desarrolladores pueden crear aplicaciones de inteligencia artificial (IA) en Azure con un presupuesto limitado de $25 o menos. Este enfoque es ideal para startups, proyectos personales o prototipos donde los recursos son escasos pero la necesidad de innovación es alta.

El concepto se basa en combinar servicios de Azure que son económicos y altamente eficientes con prácticas optimizadas para maximizar el valor. A continuación, exploraremos los fundamentos de Budget Bytes y veremos ejemplos prácticos para que puedas implementar tus propias soluciones.

---

Principios clave de Budget Bytes

1. Selección de servicios económicos

Azure ofrece una amplia gama de servicios que permiten desarrollar aplicaciones de IA con costos mínimos. Algunos de los servicios clave incluyen:

• Azure Functions: Ideal para ejecutar código bajo demanda con un modelo de pago por uso.
• Azure Cognitive Services: Proporciona APIs preentrenadas para tareas como análisis de texto, reconocimiento de imágenes y traducción.
• Azure Storage: Una solución económica para almacenar datos estructurados y no estructurados.

2. Optimización de recursos

Reducir costos no significa comprometer la calidad. La optimización incluye prácticas como:

• Uso de niveles gratuitos disponibles en muchos servicios de Azure.
• Configuración de límites de consumo para evitar gastos inesperados.
• Implementación de soluciones serverless para reducir costos de infraestructura.

Note: Los niveles gratuitos de servicios como Azure Cognitive Services y Azure Functions son una excelente manera de comenzar sin incurrir en costos adicionales.

---

Ejemplo práctico: Aplicación de análisis de sentimientos por menos de $25

Objetivo

Crear una aplicación que analice el sentimiento de textos ingresados por los usuarios utilizando Azure Cognitive Services y Azure Functions.

Arquitectura

La aplicación consta de tres componentes principales:

1. Frontend: Una interfaz web simple para ingresar texto.
2. Backend: Una Azure Function que procesa el texto y llama a la API de análisis de sentimientos.
3. Almacenamiento: Azure Blob Storage para guardar los resultados del análisis.

Implementación

Paso 1: Configurar Azure Cognitive Services

Primero, crea un recurso de Cognitive Services en el portal de Azure. Selecciona el servicio de Text Analytics.

az cognitiveservices account create \
  --name "BudgetBytesTextAnalytics" \
  --resource-group "BudgetBytesRG" \
  --kind "TextAnalytics" \
  --sku "F0" \
  --location "eastus"

Warning: El nivel F0 es gratuito pero tiene límites de uso. Asegúrate de que tu aplicación no supere estos límites.

Paso 2: Crear una Azure Function

Configura una Azure Function para procesar las solicitudes de análisis de sentimientos. Usa el siguiente código como ejemplo:

import logging
import json
import requests
import os

def main(req):
    logging.info('Procesando solicitud para análisis de sentimientos.')

    # Obtener el texto desde la solicitud
    try:
        req_body = req.get_json()
        text = req_body.get('text')
    except ValueError:
        return func.HttpResponse("Solicitud inválida", status_code=400)

    # Configurar la API de Text Analytics
    endpoint = os.environ["TEXT_ANALYTICS_ENDPOINT"]
    key = os.environ["TEXT_ANALYTICS_KEY"]
    headers = {
        "Ocp-Apim-Subscription-Key": key,
        "Content-Type": "application/json"
    }
    payload = {
        "documents": [
            {"id": "1", "language": "es", "text": text}
        ]
    }

    # Llamar a la API
    response = requests.post(f"{endpoint}/text/analytics/v3.0/sentiment", headers=headers, json=payload)
    sentiment_result = response.json()

    # Retornar el resultado
    return func.HttpResponse(json.dumps(sentiment_result), status_code=200)

Note: Asegúrate de configurar las variables de entorno TEXT_ANALYTICS_ENDPOINT y TEXT_ANALYTICS_KEY con los valores de tu recurso de Cognitive Services.

Paso 3: Configurar Azure Blob Storage

Usa Azure Blob Storage para guardar los resultados del análisis. Crea un contenedor llamado sentiment-results.

az storage container create \
  --name "sentiment-results" \
  --account-name "BudgetBytesStorage"

Actualiza la Azure Function para guardar los resultados en Blob Storage:

from azure.storage.blob import BlobServiceClient

def save_to_blob(data):
    blob_service_client = BlobServiceClient.from_connection_string(os.environ["AZURE_STORAGE_CONNECTION_STRING"])
    container_client = blob_service_client.get_container_client("sentiment-results")
    blob_name = f"result-{data['documents'][0]['id']}.json"
    container_client.upload_blob(blob_name, json.dumps(data))

---

Costos estimados

Desglose de costos

• Azure Cognitive Services (nivel F0): $0 (gratis, limitado a 5,000 transacciones por mes).
• Azure Functions: Aproximadamente $0.20 por millón de ejecuciones.
• Azure Blob Storage: $0.01 por GB almacenado.

Con un uso moderado, el costo total de esta aplicación debería mantenerse por debajo de $25 al mes.

Warning: Si tu aplicación escala más allá de los límites gratuitos, los costos pueden aumentar significativamente. Monitorea el uso regularmente.

---

Conclusión

Budget Bytes demuestra que es posible crear aplicaciones de IA en Azure con un presupuesto reducido. Al aprovechar servicios económicos y optimizar recursos, puedes desarrollar soluciones innovadoras sin comprometer la calidad ni exceder tu presupuesto.

Este enfoque es ideal para desarrolladores que buscan experimentar con IA, startups que necesitan prototipos rápidos y empresas que desean maximizar el retorno de inversión en tecnología cloud.

¿Listo para construir tu primera aplicación Budget Bytes? ¡Empieza hoy mismo y comparte tus resultados!

---