Curso AWS Machine Learning + AI Practitioner (Doble Certificación)

Aprenderás los conceptos y fundamentos de la Inteligencia Artificial, el Machine Learning y el Deep Learning. Así como los casos prácticos de uso y el ciclo de vida para el desarrollo y entrenamiento de modelos de Machine Learning.

• Laboratorio práctico para entrenar un Modelo de Machine Learning usando Amazon SageMaker.
• Laboratorio práctico para crear un Chatbot usando Amazon Lex.
• Laboratorio práctico para reconocimiento de imágenes y objetos usando visión artificial con Amazon Rekognition.

Aprenderás los conceptos y fundamentos de la Inteligencia Artificial Generativa para utilizar los modelos fundacionales Large Language Model (LLM). Describir la infraestructura y las tecnologías de AWS para crear aplicaciones de IA generativa. Así como las capacidades y limitaciones de la IA generativa para resolver problemas empresariales.

• Laboratorio práctico para desplegr y probar un LLM usando Amazon SageMaker JumpStart.
• Laboratorio práctico para descubrir las funcionalidades disponibles de IA Generativa en Amazon Bedrock usando PartyRock.
• Laboratorio práctico para generar código en Java y Python usando Amazon Q Developer en Visual Studio.

Aprenderás a diseñar aplicaciones que utilizan modelos fundacionales. Además de usar las técnicas de ingeniería de peticiones, entrenamiento y ajuste de modelos fundacionales y describir los métodos para evaluar su rendimiento.

• Laboratorio práctico para construir una base de conocimiento y agente virtual usando Amazon Bedrock.
• Laboratorio práctico usando la API conversacional de Amazon Bedrock.

Aprenderás a proteger las aplicaciones de IA tomando en consideración las regulaciones de gobernanza y cumplimiento empresarial.

• Laboratorio práctico para conocer servicios de seguridad, cumplimiento y gobernanza en AWS.

Aprenderás a diseñar aplicaciones de IA que sean responsables y utilicen modelos 100% transparentes y explicables.

• Laboratorio práctico para implementar limites en agentes de IA generativa usando Amazon Bedrock Guardrails.

Aprenderás los servicios de analítica de Big Data para las tareas Colección y Procesamiento de Datos a gran escala. Utilizaremos de manera práctica los servicios administrados de Kinesis.

• Laboratorio práctico para procesar archivos de log de multiples servidores utilizando Kinesis Data Streams.
• Laboratorio práctico para consumir y analizar la información de logs mediante Kinesis Data Analytics y funciones Lambda.
• Laboratorio práctico para derivar el resultado obtenido hacia servicios de almacenamiento como S3 utilizando Kinesis Data Firehose.

Aprenderás las técnicas recomendadas para analisis de datos exploratorios y los modelos de entrenamiento para regresiones, clasificaciones binarias y multi clase, agrupamiento, recomendación, predicciones. Asimismo revisaremos las metricas mas importantes para medir el desempeño y optimizar los algoritmos.

• Laboratorio práctico para realizar ingenieria de parametros, etiquetado de datos, formateo y manejo de datos faltantes.
• Laboratorio práctico para revisar los algoritmos de XGBoost, logistic regression, K-means, linear regression, decision trees, random forest, RNN, CNN, Ensemble y Transfer Learning.
• Laboratorio práctico para visualización de datos usando librerias como Panda, Matplotlib y Seaborn.

Aprenderás el proceso completo de entrenamiento, validación, despliegue e invocación de modelos de aprendizaje automático usando AWS SageMaker.

• Laboratorio práctico para iniciar Jupyter Notebooks y JupyterLab en SageMaker.
• Laboratorio práctico para entrenar, desplegar e invocar un modelo de Reconocimiento de imagenes usando Deep Learning con Pytorch, TensorFlow y SageMaker.
• Laboratorio práctico para entregar, desplegar e invocar un modelo de Reconocimiento de imagenes usando Amazon Rekognition.

Revisaremos a detalle la guía oficial del examen de certificación AWS AI Practitioner así como las 10 preguntas de ejemplo para conocer los tips, consejos y estrategias de resolución. Además se realizará el Simulador Oficial del examen de AWS que consta de 20 preguntas, donde los alumnos podrán validar su conocimientos aprendidos y preparación impartida en clase.

Revisaremos a detalle la guía oficial del examen de certificación AWS Machine Learning Specialty asi como las 10 preguntas de ejemplo para conocer los tips, consejos y estrategias de resolución. Además se realizará el Simulador Oficial del examen de AWS que consta de 20 preguntas, donde los alumnos podrán validar su conocimientos aprendidos y preparación impartida en clase.