Con Amazon SageMaker Canvas, los analistas empresariales y de datos pueden preparar datos, entrenar e implementar modelos de machine learning (ML) sin tener experiencia en ML y sin escribir ni una sola línea de código. Aprenderá a crear modelos de ML para datos tabulares y de series temporales sin necesidad de tener un conocimiento profundo del área. Además, puede practicar lo que aprendió en el curso con la ayuda de cuatro laboratorios.
También aprenderá a usar modelos básicos de Amazon y otros proveedores de modelos para admitir casos prácticos de IA generativa, como la generación de texto, el resumen de texto y el chat mediante la generación aumentada por recuperación (retrieval augmented generation, RAG).
Después de completar este curso, podrá crear y entrenar modelos de alta precisión y generar predicciones mediante la inferencia por lotes. También podrá compartir modelos con científicos de datos para su posterior análisis e implementación en las canalizaciones de operaciones de ML de su empresa.
- Nivel del curso: intermedio
- Duración: 10,5 horas
Actividades
Este curso incluye interacciones de aprendizaje en línea, evaluaciones de conocimientos y demostraciones paso a paso.
Objetivos del curso
En este curso, aprenderá a hacer lo siguiente:
- describir los conceptos y técnicas básicos del machine learning (ML),
- identificar el ciclo de vida del ML y sus fases,
- describir los tipos de problemas que puede resolver el ML,
- identificar los pasos para crear un modelo de ML,
- describir las métricas para medir la exactitud predictiva de un modelo,
- explicar cómo usar Amazon SageMaker Canvas para transformar datos sin procesar en un conjunto de datos de entrenamiento,
- describir cómo generar información sobre los datos y comprender la calidad de los datos,
- identificar cómo encontrar posibles errores y valores extremos en los datos con herramientas de visualización,
- describir las capacidades de creación de modelos de SageMaker Canvas mediante AutoML,
- utilizar SageMaker Canvas para iniciar un trabajo de entrenamiento de modelos y realizar un seguimiento de su progreso,
- describir las métricas de calidad del modelo disponibles en los reportes de rendimiento,
- implementar un modelo y realizar predicciones,
- utilizar la interfaz de usuario (UI) del modelo fundacional (FM) de SageMaker Canvas para la generación de texto, el resumen y la comparación de modelos,
- identificar y abordar los desafíos de los resultados de los modelos fundacionales usando la RAG y la realización de ajustes,
- describir las prácticas recomendadas que se deben seguir a la hora de utilizar Amazon SageMaker Canvas.
Audiencia objetivo
Este curso está dirigido al siguiente público:
- Analistas de datos
- Investigadores de dominios no relacionados con el ML
- Analistas de investigación de operaciones
- Científicos de datos junior
Requisitos
Recomendamos que quienes participen en este curso cumplan con los siguientes requisitos:
- Experiencia en el análisis, la limpieza y la transformación de datos tabulares o de series temporales
- Comprensión básica de las medidas estadísticas y la regresión
- Realización del curso Fundamentos técnicos de AWS
Para aquellos que se inician en la IA generativa, recomendamos los siguientes cursos:
- Introducción a la IA generativa - El arte de lo posible
- Planificación de un proyecto de IA generativa
Esquema del curso
Módulo 1: introducción al machine learning
Cómo utilizar este curso
Introducción al ML
- Conceptos básicos de ML
- Tipos de problemas que se pueden resolver con ML
- Ciclo de vida del ML
- Desafíos relacionados con el procesamiento y la obtención de información a partir de datos
Creación y evaluación de modelos
- Introducción a la creación de modelos
- Evaluación de modelos
- Mejora del rendimiento del modelo
- Opciones de entrenamiento de modelos
Cierre
- Evaluación de conocimientos
- Conclusión
Módulo 2: análisis y preparación de datos
Cómo utilizar este curso
Introducción a Amazon SageMaker Canvas
- Amazon SageMaker Canvas
- Análisis de datos
- Análisis rápido del modelo
Preparación de los datos
- Transformación de datos
- Exportación de datos y flujos de datos
Cierre
- Evaluación de conocimientos
- Conclusión
Laboratorio 1: Amazon SageMaker Canvas (caso práctico de datos tabulares)
Laboratorio 2: Amazon SageMaker Canvas (caso práctico de conjuntos de datos de series temporales)
Módulo 3: creación de modelos con SageMaker Canvas
Cómo utilizar este curso
Profundización en SageMaker Canvas
- Introducción a la creación de un modelo en SageMaker Canvas
- Opciones avanzadas para crear modelos en SageMaker Canvas
- Evaluación de un modelo en SageMaker Canvas
- Hacer predicciones e implementar un modelo en SageMaker Canvas
Cierre
- Evaluación de conocimientos
- Conclusión
Laboratorio 3: creación de un modelo personalizado con Amazon SageMaker Canvas
Laboratorio 4: laboratorio del curso de culminación de ML sin código
Módulo 4: IA generativa con SageMaker Canvas
Cómo utilizar este curso
Modelos fundacionales en SageMaker Canvas
- IA generativa con Amazon SageMaker Canvas
- Modelos fundacionales de SageMaker Canvas
- Comparación de modelos fundacionales
Mitigación de los desafíos del modelo fundacional en SageMaker Canvas
- Alucinaciones del modelo
- Generación aumentada por recuperación (RAG)
- Ajuste de los modelos fundacionales
Cierre
- Evaluación de conocimientos
- Conclusión
Módulo 5: prácticas recomendadas para SageMaker Canvas
Cómo utilizar este curso
Prácticas recomendadas
- Introducción a SageMaker Canvas
- Actualización de la versión de SageMaker Canvas
- Ahorro de costos con SageMaker Canvas
Cierre
- Conclusión
Palabras clave
- IAgen
- IA generativa
