Ir directamente a la información del producto
1 de 1

AWS

Curso AWS Machine Learning (MLS-C01)

Curso AWS Machine Learning (MLS-C01)

Precio habitual $440.00 USD
Precio habitual $880.00 USD Precio de oferta $440.00 USD
Oferta Agotado
Impuesto incluido.

Clases Virtuales en Vivo

Via Zoom con profesor en linea para resolver todas tus dudas y consultas.

  • 33 horas académicas
  • Tipo de Cambio S/. 3.70
  • Nivel Intermedio
Ver todos los detalles

Beneficios del Curso

1 de 9

Testimonios de nuestros alumnos

Nuestros alumnos certificados ahora trabajan en las compañías más exitosas

1 de 6

Temario del Curso

Tema 1: Introducción a AWS y los Servicios Principales (IAM, EC2, EBS, S3, VPC)

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.

Tema 2: Virtual Private Cloud (VPC), Elastic Compute Cloud (EC2), Elastic Block Store (EBS)

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.

Tema 3: Identity Access Management (IAM), Simple Storage Service (S3)

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.

Tema 4: Elastic File System (EFS), Relational Database Service (RDS), ElastiCache

Aprenderás las características más importantes de los servicios de sistemas de archivos elásticos, base de datos relacionales y sistemas de cache elásticos.

  • Laboratorio práctico para crear un sistema de archivo elástico de tipo NFS conectado a un servidor virtual con sistema operativo Linux.
  • Laboratorio práctico para crear una base de datos de acceso público en RDS.
  • Laboratorio práctico para crear un cluster de servidores de cache elástico implementado con Redis.

Tema 5: Servicios de Analítica de Colección y Procesamiento de Datos (Kinesis Data Stream, Kinesis Analytics, Kinesis Firehose)

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 múltiples 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.

Tema 6: Servicios de Base de Datos NoSQL (DynamoDB, DocumentDB), Grafos (Neptune) y Series de Tiempo (TimeSeries)

Aprenderás los servicios para base de datos NoSQL (DynamoDB, DocumentDB), base de datos para Grafos (Neptune) y base de datos para Series de Tiempo (TimeSeries)

  • Laboratorio práctico para crear una tabla con indices usando DynamoDB almacenando datos desde una función Lambda.
  • Laboratorio práctico para crear una base de datos para Grafos con Neptune.
  • Laboratorio práctico para crear una base de datos para Series de Tiempo con TimeSeries.

Tema 7: Servicios de Datawarehouse (RedShift) y Visualización de Datos (Athena, QuickSight)

Aprenderás los servicios para desplegar un DatawareHouse con Redshift y visualización de datos desde QuickSight. También exploraremos como conectar Athena desde S3 y Glue.

  • Laboratorio práctico para crear un cluster de servidores con Redshift.
  • Laboratorio práctico para crear un tablero de control con Quicksight accediendo desde Redshift.
  • Laboratorio práctico para crear reportes de analítica de datos usando Athena pero accediendo a la información desde S3 y Glue.

Tema 8: Servicios para Exploración de Datos y Modelamiento de Aprendizaje Automático

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.

  • 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.

Tema 9: Servicios para Entrenamiento, Validación, Despliegue e Invocación de Modelos de Aprendizaje Automático usando AWS Sage Maker

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.

Tema 10: Simulacro del examen oficial de certificación AWS Machine Learning

Revisaremos a detalle la guía oficial en español del examen de certificación AWS Machine Learning 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.

HORARIO DE CLASES:

Inicio: Lunes 15 de julio

Frecuencia: Lunes, miércoles y viernes
(11 clases de 3 horas cada una)

  • Lun, Mie, Vie
    (6 a 9 pm)

  • Lun, Mie, Vie
    (7 a 10 pm)

  • Lun, Mie, Vie
    (8 a 11 pm)

  • Lun, Mie, Vie
    (9 a 12 pm)

Instructores certificados en AWS

Profesor de AWS

Ing. Cesar Caisan

Especialista en AWS con 21 años de experiencia profesional a nivel nacional e internacional. Actualmente se desempeña como Arquitecto de Soluciones en la empresa Random Bit con presencia en los EE.UU. Tiene certificaciones internacionales: AWS Certified Developer – Associate, AWS Certified SysOps Administrator – Associate, AWS Certified Solutions Architect – Associate & Professional y AWS Certified Data Analytics.

Ver en LinkedIn

Preguntas Frecuentes

¿Cuáles son los requisitos?

Conocer los conceptos y fundamentos de computación en la nube, servicios de almacenamiento y redes. Además tener experiencia y conocimientos en modelamiento, entrenamiento, validación y despliegue de modelos de inteligencia artificial utilizando lenguajes de programación como Python, SAS, R, entre otros

¿Qué aprenderás?

El curso está diseñado para enseñar a los ingenieros y científicos de datos cómo optimizar el uso de AWS al comprender los servicios más reelevantes y cómo estos servicios se adaptan a las soluciones de inteligencia artificial basadas en la nube. Debido a que las soluciones de inteligencia artificial pueden diferir según la industria, el tipo de aplicaciones y el tamaño de la empresa, este curso enfatiza las mejores prácticas de AWS y los patrones de diseño recomendados para ayudar a los estudiantes a pensar en el proceso de diseñar soluciones de inteligencia artificial óptimas en AWS. También presenta casos de estudio a lo largo del curso que muestran cómo algunos clientes de AWS han diseñado sus arquitecturas de datos, asimismo las estrategias y servicios que implementaron. También se brindan oportunidades para construir una variedad de soluciones de datos e inteligencia artificial a través de un enfoque guiado y práctico.

¿A quién esta dirigido el curso?

Este curso está dirigido a Estadísticos, Investigadores, Analistas de Datos, Arquitectos de Datos, Programadores e Ingenieros de Datos, Científico de Datos, Administradores de Base de Datos y otros profesionales relacionados con TI, así también para las personas que piensen rendir el examen “AWS Certified Machine Learning – Specialty”.

¿Qué incluye?

  • 33 horas de clases en vivo.
  • Acceso al simulador del examen AWS Certified Machine Learning.
  • Al finalizar el curso se hará entrega de un certificado digital a nombre de CerTI+.
  • Cada clase online será grabada y estará disponible luego para que usted pueda reforzar lo aprendido (acceso al aula virtual de CerTI+).
  • Material digital.
  • Kit de materiales extra incluyendo videos, presentaciones, tutoriales, white papers y otros recursos orientados al crecimiento y aprendizaje continuo tras el curso.