Qué necesitas saber antes de
comenzar

Inicio 4 June 2026 01:12

Fin 4 June 2026

00 Días
00 Horas
00 Minutos
00 Segundos
course image

Ingeniero de Aprendizaje Automático Certificado por AWS - Asociado (MLA-C01): Desarrollo de Modelos de ML

Explore los servicios de aprendizaje automático de AWS, desde soluciones de IA diseñadas específicamente hasta los algoritmos de SageMaker, y aprenda a monitorear y ajustar modelos durante el entrenamiento para la certificación MLA-C01.
via Pluralsight

659 Cursos


2 hours 44 minutes

Actualización opcional disponible

Not Specified

Avanza a tu propio ritmo

Free Trial Available

Actualización opcional disponible

Resumen

AWS has a broad range of machine learning services to help businesses approach complex problems. In this course, AWS Certified Machine Learning Engineer - Associate (MLA-C01):

ML Model Development, you’ll learn to navigate these services and select the approach that is most appropriate for your machine learning (ML) solutions.

First, you’ll explore AWS managed ML and AI services that are purpose-built for specific use cases. Next, you’ll discover built-in algorithms to tackle more complex ML challenges using Amazon SageMaker.

Finally, you’ll learn how to monitor your models and make adjustments throughout training. When you’re finished with this course, you’ll have the skills and knowledge of machine learning engineering on AWS needed to pass this domain of the exam.

Programa

  • Introducción a los Servicios de Aprendizaje Automático de AWS
  • Descripción general de las Ofertas de Aprendizaje Automático de AWS
    Identificación de los Servicios de AWS Adecuados para Soluciones de ML
  • Servicios de IA y ML Gestionados por AWS
  • Amazon Rekognition
    Amazon Comprehend
    Amazon Polly
    Amazon Lex
    Casos de Uso y Ejemplos
  • Amazon SageMaker
  • Configuración del Entorno de Amazon SageMaker
    SageMaker Studio y Notebooks
    Algoritmos Integrados
    Aprendiz Lineal
    XGBoost
    Agrupamiento K-Means
    Optimización de Hiperparámetros
  • Creación y Entrenamiento de Modelos de ML
  • Preparación y Procesamiento de Datos
    Ingeniería de Características en AWS
    Entrenamiento de Modelos en SageMaker
    Entrenamiento Distribuido con SageMaker
  • Evaluación y Despliegue de Modelos
  • Evaluación del Rendimiento del Modelo
    Pruebas A/B y Validación del Modelo
    Despliegue de Modelos con Endpoints de Amazon SageMaker
  • Monitoreo y Mantenimiento
  • Monitoreo de Modelos con Amazon SageMaker Model Monitor
    Automatización de Reentrenamiento y Despliegue con Pipelines
    Gestión de Deriva de Modelos y Reentrenamiento
  • Preparación para el Examen
  • Revisión de Conceptos Clave
    Estrategias de Examen y Preguntas de Práctica
    Recursos Adicionales para Estudio
  • Conclusión y Próximos Pasos
  • Resumen de los Servicios de ML de AWS
    Rutas de Aprendizaje Avanzadas en Aprendizaje Automático de AWS

Impartido por

David Blocher


Materias

Programming