NOSOTROS CRONOGRAMA FRANQUICIA BLOG CONTACTO ACCESO SISTEMA ACADEMICO

AWS (AMAZON WEB SERVICES)

The Machine Learning Pipeline on AWS

Código: AWS-029


En este curso se explora cómo utilizar la canalización de Machine Learning (ML) a fin de resolver un problema empresarial real en un entorno de aprendizaje basado en proyectos. Los alumnos aprenderán sobre cada fase de la canalización a través de presentaciones y demostraciones del instructor.

 Propuesta de Valor: AWS (AMAZON WEB SERVICES)

 Duración: 32 Horas

Áreas de Conocimiento:
TRANSFORMACION DIGITALCONTINUIDAD DE NEGOCIOS

Exportar Contenido a PDF

   AUDIENCIA


  • Desarrolladores
  • Arquitectos de soluciones
  • Ingenieros de datos
  • Todo aquel con poca experiencia con ML o sin ella que desee aprender sobre la canalización de ML con Amazon SageMaker

   PRE REQUISITOS


  • Conocimientos básicos del lenguaje de programación Python.
  • Comprensión básica de la infraestructura de la nube de AWS (Amazon S3 y Amazon CloudWatch).
  • Experiencia básica de trabajo en un entorno de bloc de notas de Jupyter.

   OBJETIVOS


  • Seleccionar y justificar el enfoque de ML adecuado para un problema de negocio determinado
  • Usar la canalización de ML para resolver un problema empresarial específico
  • Capacitar, evaluar y ajustar un modelo de ML en Amazon SageMaker
  • Describir algunas de las prácticas recomendadas para diseñar canalizaciones de ML escalables, optimizadas según el costo y seguras en AWS.

   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 Y LA CANALIZACIÓN DE ML

1.1. DESCRIPCIÓN GENERAL DEL APRENDIZAJE AUTOMÁTICO, INCLUIDOS CASOS DE USO, TIPOS DE APRENDIZAJE AUTOMÁTICO Y CONCEPTOS
1.2. DESCRIPCIÓN GENERAL DE LA CANALIZACIÓN DE ML
1.3. INTRODUCCIÓN A LOS PROYECTOS Y ENFOQUE DEL CURSO.


2. INTRODUCCIÓN A AMAZON SAGEMAKER

2.1. INTRODUCCIÓN A AMAZON SAGEMAKER
2.2. DEMOSTRACIÓN: CUADERNOS DE AMAZON SAGEMAKER Y JUPYTER
2.3. PRÁCTICO: CUADERNOS DE AMAZON SAGEMAKER Y JUPYTER


3. FORMULACIÓN DE PROBLEMAS

3.1. DESCRIPCIÓN GENERAL DE LA FORMULACIÓN DEL PROBLEMA Y DECIDIR SI ML ES LA SOLUCIÓN CORRECTA
3.2. CONVERTIR UN PROBLEMA COMERCIAL EN UN PROBLEMA DE ML
3.3. DEMOSTRACIÓN: AMAZON SAGEMAKER GROUND TRUTH
3.4. PRÁCTICO: AMAZON SAGEMAKER GROUND TRUTH
3.5. PRACTICAR LA FORMULACIÓN DE PROBLEMAS.
3.6. FORMULAR PROBLEMAS PARA PROYECTOS.


4. PREPROCESAMIENTO

4.1. DESCRIPCIÓN GENERAL DE LA RECOPILACIÓN E INTEGRACIÓN DE DATOS, Y TÉCNICAS PARA EL PREPROCESAMIENTO Y VISUALIZACIÓN
4.2. PRACTICAR EL PREPROCESAMIENTO
4.3. PREPROCESAR LOS DATOS DEL PROYECTO
4.4. DISCUSIÓN EN CLASE SOBRE PROYECTOS.


5. ENTRENAMIENTO MODELO

5.1. ELEGIR EL ALGORITMO CORRECTO
5.2. FORMATEAR Y DIVIDIR SUS DATOS PARA ENTRENAMIENTO
5.3. FUNCIONES DE PÉRDIDA Y DESCENSO DE GRADIENTE PARA MEJORAR SU MODELO


6. EVALUACIÓN DEL MODELO

6.1. CÓMO EVALUAR LOS MODELOS DE CLASIFICACIÓN
6.2. CÓMO EVALUAR MODELOS DE REGRESIÓN
6.3. ENTRENAMIENTO Y EVALUACIÓN DE MODELOS DE PRÁCTICA
6.4. CAPACITAR Y EVALUAR MODELOS DE PROYECTOS
6.5. PRESENTACIONES INICIALES DE PROYECTOS.


7. INGENIERÍA DE FUNCIONES Y AJUSTE DE MODELOS

7.1. EXTRACCIÓN, SELECCIÓN, CREACIÓN Y TRANSFORMACIÓN DE CARACTERÍSTICAS.
7.2. AJUSTE DE HIPERPARÁMETROS
7.3. DEMOSTRACIÓN: OPTIMIZACIÓN DE HIPERPARÁMETROS DE SAGEMAKER
7.4. PRACTICAR LA INGENIERÍA DE CARACTERÍSTICAS Y EL AJUSTE DE MODELOS
7.5. APLICAR LA INGENIERÍA DE CARACTERÍSTICAS Y EL AJUSTE DE MODELOS A LOS PROYECTOS.
7.6. PRESENTACIONES DE PROYECTOS FINALES.


8. DESPLIEGUE

8.1. CÓMO IMPLEMENTAR, INFERIR Y MONITOREAR SU MODELO EN AMAZON SAGEMAKER
8.2. IMPLEMENTACIÓN DE ML EN EL PERÍMETRO
8.3. DEMOSTRACIÓN: CREACIÓN DE UN PUNTO DE CONEXIÓN DE AMAZON SAGEMAKER
8.4. EVALUACIÓN POSTERIOR



   BENEFICIOS



  • Al finalizar el curso, los participantes podran crear e implementar de manera satisfactoria un modelo de ML con Amazon SageMaker

   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.