Curso AWS Machine Learning Engineer (MLA-C01)

Aprenderás los conceptos y fundamentos de Cloud Computing, así como el funcionamiento de los principales servicios de cómputo, almacenamiento en bloques, gestión de acceso e identidades y almacenamiento de objetos.

• Laboratorio práctico para crear una cuenta con capa gratuita desde la consola de AWS.
• Laboratorio práctico para conocer los servicios que vienen incluidos en la capa gratuita.
• Laboratorio práctico para crear usuarios y grupos de IAM.
• Laboratorio práctico para acceder a la consola de AWS usando un usuario de IAM.

Aprenderás las características más importantes y el funcionamiento de los servicios para creación de redes virtuales, servidores virtuales y discos de almacenamiento virtuales.

• Laboratorio práctico para identificar y conocer los componentes más importantes de una red privada virtual.
• Laboratorio práctico para crear un servidor virtual con sistema operativo Linux y conexión remota vía SSH.
• Laboratorio práctico para crear discos de almacenamiento virtuales y asociarlos con un servidor virtual.
• Laboratorio práctico para realizar un backup de un disco de almacenamiento virtual.

Aprenderás las características más importantes y el funcionamiento de los servicios de gestión de acceso e identidades y el servicio de almacenamiento de objetos.

• Laboratorio práctico para crear un bucket privado en S3, activar el versionamiento de archivos, la encriptación, la transferencia acelerada, replicación entre regiones y manejo de carga de archivos utilizando diferentes clases de almacenamiento.
• Laboratorio práctico para crear roles que serán utilizados por servidores virtuales.
• Laboratorio práctico para crear roles utilizados por usuarios para dar accesos temporales.

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.

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

Aprenderás las téncnicas 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.

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

Revisaremos a detalle la guía oficial del examen de certificación AWS Machine Learning Engineer - Associate 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.