Curso de AWS Machine Learning Specialty
Curso estructurado de AWS ML Specialty sobre ingeniería de datos, entrenamiento, seguridad, despliegue, monitoreo, MLOps y optimización, con preguntas.
Progreso del curso
0 / 5
Volver a los cursos
Qué aprenderás
- Describir datos.
- Explicar entrenamiento.
- Describir seguridad.
- Explicar despliegue.
- Describir monitoreo.
Antes de empezar
- Es útil conocer AWS.
- Se recomiendan fundamentos de ML.
- No se requiere certificación previa.
Lección 1 Ingeniería y Preparación de Datos
S3 almacena datos, Athena consulta, Glue prepara y el feature store comparte características. Data Wrangler permite preparación visual. Divida en train, validation y test, normalice y evite fuga de datos. Practica con ejemplos, revisa cada error y repite los temas más débiles cada semana para mejorar.
Ejemplo
Ejemplo: S3 guarda transacciones, Glue limpia, el feature store reutiliza y el equipo divide el dataset.Lección 2 Entrenamiento de Modelos y Algoritmos
Linear Learner regresa, XGBoost clasifica, K-Means agrupa y PCA reduce. Los hiperparámetros y epochs controlan el entrenamiento. Early stopping y transfer learning evitan overfitting. Practica con ejemplos, revisa cada error y repite los temas más débiles cada semana para mejorar.
Ejemplo
Ejemplo: el equipo usa Linear Learner, early stopping y confusion matrix para evaluar.Lección 3 Seguridad y Cumplimiento
IAM controla acceso, KMS cifra, VPC aísla y los VPC endpoints dan acceso privado. TLS protege tránsito y CloudTrail audita. Aplique mínimo privilegio. Practica con ejemplos, revisa cada error y repite los temas más débiles cada semana para mejorar.
Ejemplo
Ejemplo: una carga médica usa KMS, VPC, endpoint privado y mínimo privilegio.Lección 4 Despliegue e Inferencia
Los endpoints sirven en tiempo real, batch transform procesa lotes y los pipelines encadenan contenedores. Autoscaling ajusta capacidad y las variantes permiten A/B testing. Practica con ejemplos, revisa cada error y repite los temas más débiles cada semana para mejorar.
Ejemplo
Ejemplo: un minorista usa endpoint, batch transform y autoscaling para recomendaciones.Lección 5 Monitoreo, MLOps y Optimización
CloudWatch monitorea, Model Monitor detecta drift, Experiments rastrea y Pipelines automatiza. Clarify detecta sesgo. Use Spot, distributed training, Autopilot y right-sizing. Practica con ejemplos, revisa cada error y repite los temas más débiles cada semana para mejorar.