Resumen
En este curso introductorio al currículum de AWS ML Engineer Associate, se revisan los conceptos básicos del aprendizaje automático (ML) y se examina la evolución del ML y la IA. Se exploran los primeros pasos en el ciclo de vida del ML, identificando un objetivo comercial y formulando un problema de ML basado en ese objetivo comercial. Finalmente, se presenta Amazon SageMaker, un servicio de AWS completamente gestionado que se puede usar para construir, entrenar y desplegar modelos de ML.
- Nivel del curso: Avanzado
- Duración: 45 minutos
Actividades
- Materiales en línea
- Ejercicios
- Preguntas de verificación de conocimientos
Objetivos del curso
- Definir componentes clave del aprendizaje automático, incluyendo algoritmos y modelos de ML.
- Identificar capacidades y algoritmos clave de ML que ayudan a resolver problemas comerciales comunes.
- Describir cómo las redes neuronales artificiales (ANN) potencian el aprendizaje profundo.
- Describir cómo los modelos fundamentales (FMs) y los modelos de lenguaje grande (LLMs) potencian la IA generativa.
- Identificar formas de usar ML e IA de manera responsable.
- Determinar la viabilidad de una solución de ML basada en los datos disponibles y la complejidad del problema.
- Identificar conceptos y beneficios clave de Amazon SageMaker y Amazon SageMaker Studio.
Público objetivo
- Arquitectos de nube
- Ingenieros de aprendizaje automático
Habilidades recomendadas
- Al menos 1 año de experiencia usando SageMaker y otros servicios de AWS para ingeniería de ML
- Al menos 1 año de experiencia en un rol relacionado, como desarrollador de software backend, desarrollador DevOps, ingeniero de datos o científico de datos
- Una comprensión fundamental de lenguajes de programación, como Python
- Haber completado cursos anteriores en el Plan de Aprendizaje de AWS ML Engineer Associate
Esquema del curso
- Sección 1: Introducción
- Lección 1: Cómo usar este curso
- Lección 2: Introducción al currículo
- Lección 3: Visión general del curso
- Sección 2: Aprendizaje automático en AWS
- Lección 4: Algoritmos y modelos de ML
- Lección 5: Próxima generación de ML
- Lección 6: Uso responsable de IA/ML
- Lección 7: Formulación de problemas comerciales
- Lección 8: Desarrollo de soluciones de ML con SageMaker Studio
- Sección 3: Conclusión
- Lección 9: Resumen del curso
- Lección 10: Contáctenos