NOSOTROS CRONOGRAMA FRANQUICIA BLOG CONTACTO ACCESO SISTEMA ACADEMICO

AWS (AMAZON WEB SERVICES)

Practical Data Science with Amazon SageMaker

Código: AWS-028


En este curso de nivel intermedio, aprenderá cómo solucionar un caso de uso del mundo real con Machine Learning (ML) y producir resultados procesables mediante Amazon SageMaker. Este curso recorre las etapas de un proceso típico de ciencia de datos para aprendizaje automático, desde el análisis y la visualización de un conjunto de datos hasta la preparación de los datos y la ingeniería de características. Las personas también aprenderán los aspectos prácticos de la construcción de modelos, la capacitación, el ajuste y la implementación con Amazon SageMaker. Un caso de uso de la vida real incluye el análisis de retención de clientes para informar a los programas de fidelización de clientes.

 Propuesta de Valor: AWS (AMAZON WEB SERVICES)

 Duración: 8 Horas

Áreas de Conocimiento:
CLOUDDESARROLLO Y PROGRAMACION

Exportar Contenido a PDF

   AUDIENCIA


  • Desarrolladores
  • Científicos de datos

   PRE REQUISITOS


  • Conocimientos del lenguaje de programación Python.
  • Conocimientos básicos de aprendizaje automático.

   OBJETIVOS


  • Preparar un conjunto de datos para la capacitación
  • Capacitar y evaluar un modelo de Machine Learning
  • Ajustar automáticamente modelos de Machine Learning
  • Preparar modelos de Machine Learning para producción

   CERTIFICACIÓN DISPONIBLE



  • Certificado oficial de AWS.
  • Este curso lo prepara para el examen: AWS Certified Machine Learning - Specialty (MLS-C01)

   CONTENIDO



1. INTRODUCCIÓN AL APRENDIZAJE AUTOMÁTICO

1.1. TIPOS DE ML
1.2. ROLES DE TRABAJO EN ML
1.3. PASOS EN LA CANALIZACIÓN DE ML


2. INTRODUCCIÓN A LA PREPARACIÓN DE DATOS Y SAGEMAKER

2.1. CONJUNTO DE DATOS DE ENTRENAMIENTO Y PRUEBA DEFINIDO
2.2. INTRODUCCIÓN A SAGEMAKER
2.3. DEMOSTRACIÓN: CONSOLA DE SAGEMAKER
2.4. DEMOSTRACIÓN: LANZAMIENTO DE UN CUADERNO JUPYTER


3. FORMULACIÓN DE PROBLEMAS Y PREPARACIÓN DE CONJUNTOS DE DATOS

3.1. DESAFÍO EMPRESARIAL: FUGA DE CLIENTES
3.2. REVISAR EL CONJUNTO DE DATOS DE ABANDONO DE CLIENTES


4. ANÁLISIS Y VISUALIZACIÓN DE DATOS

4.1. DEMOSTRACIÓN: CARGA Y VISUALIZACIÓN DE SU CONJUNTO DE DATOS
4.2. EJERCICIO 1: RELACIONAR ENTIDADES CON VARIABLES DE DESTINO
4.3. EJERCICIO 2: RELACIONES ENTRE ATRIBUTOS
4.4. DEMOSTRACIÓN: LIMPIEZA DE LOS DATOS


5. ENTRENAMIENTO Y EVALUACIÓN DE UN MODELO

5.1. TIPOS DE ALGORITMOS
5.2. XGBOOST Y SAGEMAKER
5.3. DEMOSTRACIÓN: ENTRENAMIENTO DE LOS DATOS
5.4. EJERCICIO 3: TERMINANDO LA DEFINICIÓN DEL ESTIMADOR
5.5. EJERCICIO 4: CONFIGURACIÓN DE HIPERPARÁMETROS
5.6. EJERCICIO 5: IMPLEMENTACIÓN DEL MODELO
5.7. DEMOSTRACIÓN: AJUSTE DE HIPERPARÁMETROS CON SAGEMAKER
5.8. DEMOSTRACIÓN: EVALUACIÓN DEL RENDIMIENTO DEL MODELO


6. AJUSTAR AUTOMÁTICAMENTE UN MODELO

6.1. AJUSTE AUTOMÁTICO DE HIPERPARÁMETROS CON SAGEMAKER
6.2. EJERCICIOS 6-9: TRABAJOS DE AJUSTE


7. PREPARACIÓN PARA LA IMPLEMENTACIÓN/PRODUCCIÓN

7.1. IMPLEMENTACIÓN DE UN MODELO EN UN PUNTO FINAL
7.2. DESPLIEGUE A/B PARA PRUEBAS
7.3. AUTOESCALADO
7.4. DEMOSTRACIÓN: CONFIGURAR Y PROBAR EL ESCALADO AUTOMÁTICO
7.5. DEMOSTRACIÓN: VERIFIQUE EL TRABAJO DE AJUSTE DE HIPERPARÁMETROS
7.6. DEMOSTRACIÓN: AUTO SCALING DE AWS
7.7. EJERCICIO 10-11: CONFIGURAR AWS AUTO SCALING


8. COSTO RELATIVO DE LOS ERRORES

8.1. COSTO DE VARIOS TIPOS DE ERRORES
8.2. DEMOSTRACIÓN: CORTE DE CLASIFICACIÓN BINARIA


9. ARQUITECTURA Y CARACTERÍSTICAS DE AMAZON SAGEMAKER

9.1. ACCESO A CUADERNOS DE AMAZON SAGEMAKER EN UNA VPC
9.2. TRANSFORMACIONES POR LOTES DE AMAZON SAGEMAKER
9.3. VERDAD DE CAMPO DE AMAZON SAGEMAKER
9.4. AMAZON SAGEMAKER NEO



   BENEFICIOS



  • Al finalizar el curso, los participantes podrán solucionar un caso de uso del mundo real con Machine Learning (ML)

   INVERSIÓN



La inversión incluye: Material de estudio, certificados e impuestos de ley.

  • En los cursos presenciales proveemos de una computadora por persona y refrigerios.
  • En los cursos virtuales las plataformas interactivas y acceso al aula virtual de recursos.