Qué necesitas saber antes de
comenzar

Inicio 4 June 2026 03:26

Fin 4 June 2026

00 Días
00 Horas
00 Minutos
00 Segundos
course image

Aula Digital - Ciencia de Datos Práctica con Amazon SageMaker

Sumérgete en el aprendizaje automático práctico con Amazon SageMaker, dominando la preparación de datos, el entrenamiento de modelos, la evaluación y la implementación a través de laboratorios prácticos y escenarios del mundo real en AWS.
Amazon Web Services via AWS Skill Builder

Amazon Web Services

479 Cursos


8 hours

Actualización opcional disponible

Intermedio

Avanza a tu propio ritmo

Paid Course

Actualización opcional disponible

Resumen

Artificial intelligence and machine learning (AI/ML) are becoming mainstream. In this course, students will spend a day in the life of a data scientist so that students can collaborate efficiently with data scientists and build applications that integrate with ML.

Students will learn the basic process data scientists use to develop ML solutions on Amazon Web Services (AWS) with Amazon SageMaker. Students will experience the steps to build, train, and deploy an ML model through instructor-led demonstrations and labs.

Programa

  • Introducción a la Ciencia de Datos y al IA/ML
  • Visión general del IA/ML en la industria
    Papel de los científicos de datos
    Introducción a AWS y Amazon SageMaker
  • Preparación de Datos
  • Comprensión de los requisitos de datos para ML
    Recolección y exploración de datos
    Técnicas de limpieza y preprocesamiento de datos
  • Introducción a Amazon SageMaker
  • Visión general de las características y servicios de SageMaker
    Navegación por la interfaz de SageMaker
    Configuración del entorno
  • Construcción de Modelos de ML
  • Selección y configuración de un algoritmo de ML
    Ingeniería de características y selección
    Construcción de un modelo con SageMaker
  • Entrenamiento de Modelos de ML
  • Conceptos y metodologías de entrenamiento
    Configuración de trabajos de entrenamiento en SageMaker
    Monitoreo y evaluación del entrenamiento de modelos
  • Despliegue de Modelos de ML
  • Comprensión de los endpoints y opciones de despliegue
    Despliegue de modelos con SageMaker
    Integración con aplicaciones y servicios
  • Colaboración con Científicos de Datos
  • Mejores prácticas de flujo de trabajo y comunicación
    Estudios de caso de proyectos de IA/ML
  • Laboratorios Prácticos y Demostraciones
  • Laboratorio: Preparación y exploración de datos
    Laboratorio: Construcción y entrenamiento de modelos
    Laboratorio: Despliegue y prueba de modelos
  • Conclusión y Próximos Pasos
  • Resumen de los aprendizajes clave
    Recursos para aprendizaje adicional
    Certificación y caminos de carrera en ciencia de datos

Materias

Programming