Resumen
Adquiere experiencia práctica con los servicios de machine learning de AWS a través de escenarios del mundo real gamificados y desafíos interactivos diseñados para ingenieros de ML y científicos de datos.
Programa de estudio
-
- Introducción a AWS Machine Learning
-- Visión general de los servicios de AWS Machine Learning
-- Configuración de tu cuenta y entorno de AWS
-- Introducción a Amazon SageMaker
- Preprocesamiento y gestión de datos
-- Almacenamiento y recuperación de datos con Amazon S3
-- Uso de AWS Glue para procesos ETL
-- Preparación de datos e ingeniería de características en SageMaker
- Construcción de modelos de Machine Learning
-- Introducción a los algoritmos incorporados en Amazon SageMaker
-- Desarrollo de modelos personalizados con cuadernos Jupyter
-- Utilización de SageMaker Studio para el desarrollo de modelos
- Entrenamiento de modelos de Machine Learning
-- Comprensión de los servicios de entrenamiento gestionados
-- Optimización de trabajos de entrenamiento con ajuste de hiperparámetros
-- Entrenamiento distribuido y uso de instancias spot
- Evaluación y validación de modelos
-- Técnicas para validar el rendimiento del modelo
-- Monitoreo de trabajos de entrenamiento
-- Consejos prácticos para la evaluación de modelos en AWS
- Despliegue de modelos de Machine Learning
-- Opciones de despliegue de modelos con SageMaker
-- Inferencia en tiempo real y por lotes
-- Pruebas A/B y escalamiento de puntos finales
- Automatización y CI/CD en AWS
-- Implementación de MLOps con SageMaker Pipelines
-- Automatización de flujos de trabajo de extremo a extremo con AWS Step Functions
-- Control de versiones y despliegue continuo con AWS CodePipeline
- Seguridad y cumplimiento en AWS ML
-- Mejores prácticas de seguridad para servicios de AWS ML
-- Gestión de roles y políticas de IAM
-- Consideraciones de cifrado de datos y cumplimiento
- Escenarios y desafíos del mundo real
-- Ejercicios gamificados utilizando conjuntos de datos de la industria real
-- Desafíos y competencias interactivas de ML
-- Estudios de caso sobre implementaciones exitosas de ML en AWS
- Proyecto final
-- Diseñar e implementar una solución completa de ML en AWS
-- Presentación y demostración del proyecto
-- Revisión por pares y retroalimentación
- Conclusión y próximos pasos
-- Recursos para seguir aprendiendo sobre machine learning en AWS
-- Caminos de carrera y oportunidades de certificación
-- Sesión de preguntas y respuestas y cierre del curso
Enseñado por
Etiquetas
On-Demand
