Explore las capas de pila de ML de AWS y aprende a resolver los desafíos empresariales comunes con los servicios de AWS. Este curso explora cómo usar Amazon SageMaker para tareas de machine learning y cómo analizar las estrategias para seleccionar los modelos adecuados.

Además, en este curso se destacan escenarios específicos para soluciones de ML previamente entrenadas de Amazon SageMaker JumpStart y se indica cómo optimizar las selecciones para las necesidades del negocio. Este curso también analizará las aplicaciones específicas para las soluciones de ML de Amazon Bedrock previamente entrenadas y cómo identificar la solución integrada más adecuada. Por último, este curso explora la importancia de la interpretabilidad en la selección de modelos y algoritmos.

Nivel del curso: avanzado
Duración: 1,5 horas

Actividades

Materiales en línea
Ejercicios
Preguntas de la prueba de conocimientos

Objetivos del curso

explicar los beneficios y los casos prácticos de cada capa de la pila de machine learning de AWS;
explicar cómo los servicios de inteligencia artificial (IA) de AWS ayudan a resolver cuestiones comunes del negocio;
seleccionar los servicios de IA de AWS para resolver las necesidades comunes del negocio;
describir los beneficios de usar SageMaker para machine learning;
identificar casos prácticos específicos para los algoritmos integrados de SageMaker;
seleccionar los algoritmos de modelo de machine learning más adecuados para resolver las necesidades comunes del negocio;
identificar casos prácticos específicos para soluciones de machine learning de SageMaker JumpStart previamente entrenadas.
elegir la solución de machine learning integrada de SageMaker JumpStart más adecuada para resolver las necesidades comunes del negocio;
describir el rol que desempeña la interpretabilidad durante la selección de modelos o algoritmos;
seleccionar los modelos o algoritmos más rentables para resolver las necesidades comunes del negocio.

Público objetivo

Arquitectos de la nube
Ingenieros de machine learning

Habilidades recomendadas

Ha completado al menos 1 año de experiencia en el uso de SageMaker y otros servicios de AWS para la ingeniería de ML
Completaste al menos 1 año de experiencia en un puesto relacionado, como desarrollador de software de backend, desarrollador de DevOps, ingeniero de datos o científico de datos
Una comprensión fundamental de los lenguajes de programación como Python
Completaste los cursos anteriores del plan de formación de AWS para ingenieros de ML asociados