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.
- 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
