Explore las capas de pila de ML de AWS y aprenda a resolver los desafíos empresariales comunes mediante los servicios de AWS. En este curso, se explora cómo usar Amazon SageMaker para tareas relacionadas con machine learning y cómo revisar las estrategias para seleccionar los modelos adecuados.

Además, en este curso se destacan escenarios específicos sobre las soluciones preentrenadas de ML en Amazon SageMaker JumpStart y se indica cómo optimizar las elecciones de las necesidades empresariales. En este curso, también se analizarán las aplicaciones específicas para las soluciones preentrenadas de ML en Amazon Bedrock y cómo identificar la solución integrada más adecuada. Por último, en este curso, se 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 evaluación de conocimientos

Objetivos del curso

Explique los beneficios y casos prácticos de cada capa de la pila de machine learning de AWS.
Explique cómo los servicios de inteligencia artificial (IA) de AWS ayudan a resolver problemas empresariales comunes.
Seleccione los servicios de IA de AWS para resolver las necesidades empresariales comunes.
Describa los beneficios de usar SageMaker para machine learning.
Identifique casos prácticos específicos para los algoritmos integrados de SageMaker.
Seleccione los algoritmos más adecuados del modelo de machine learning para resolver las necesidades empresariales comunes.
Identifique casos prácticos específicos para obtener soluciones preentrenadas de machine learning en SageMaker JumpStart.
Elija la solución integrada de machine learning en SageMaker JumpStart más adecuada para resolver las necesidades empresariales comunes.
Describa el rol que desempeña la interpretabilidad durante la selección de modelos o algoritmos.
Seleccione los modelos o algoritmos más rentables para resolver las necesidades empresariales comunes.

Audiencia objetivo

Arquitectos de la nube
Ingenieros de machine learning

Habilidades recomendadas

Tener al menos 1 año de experiencia en el uso de SageMaker y otros servicios de AWS para ingeniería de ML
Tener al menos 1 año de experiencia en un rol relacionado, como desarrollador de software de backend, desarrollador de DevOps, ingeniero de datos o científico de datos
Comprender los lenguajes de programación como Python
Haber completado los cursos anteriores del plan de aprendizaje AWS ML Engineer Associate