Curso AWS Machine Learning Engineer + Data Engineer + AI Practitioner + Cloud Practitioner (Cuádruple Certificación)

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.

1. Laboratorio práctico para crear una cuenta con capa gratuita desde la consola de AWS.
2. Laboratorio práctico para conocer los servicios que vienen incluidos en la capa gratuita.
3. Laboratorio práctico para crear usuarios y grupos de IAM.
4. 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.

1. Laboratorio práctico para identificar y conocer los componentes más importantes de una red privada virtual.
2. Laboratorio práctico para crear un servidor virtual con sistema operativo Linux y conexion remota vía SSH.
3. Laboratorio práctico para crear discos de almacenamiento virtuales y asociarlos con un servidor virtual.
4. 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.

1. 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.
2. Laboratorio práctico para crear roles que serán utilizados por servidores virtuales.
3. Laboratorio práctico para crear roles utilizados por usuarios para dar accesos temporales.

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

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

Aprenderas los servicios mas importantes de seguridad, cumplimiento y administración de costos.

• Laboratorio práctico para configurar alarmas de consumo basado en presupuestos usando AWS Budgets.
• Laboratorio práctico para conocer el tablero general de facturación usando AWS Billing Dashboard.
• Laboratorio práctico para identificar y controlar los consumos diarios usando AWS Cost Explorer.

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 las caracteristicas más importantes de los servicios de base de datos NoSQL (DynamoDB), buses de eventos (Event Bridge), notificaciones (Simple Notification Service) y eventos en S3 con Lambda.

• Laboratorio práctico para diseñar e implementar tablas en DynamoDb utilizando AWS NoSQL Workbench.
• Laboratorio práctico para enviar notificaciones mediante SNS cuando se crea un objeto en S3 y se procesa el evento con EventBridge.

Aprenderás los servicios para construccion de ETL con PySpark usando Glue Data Catalog, Glue DataBrew, Glue Jobs y Glue Scheduler

• Laboratorio práctico para crear un job en Glue configurado con un motor de Spark para que que extraigan datos de archivos CSV en S3 utilizando Glue Catalog y Crawler
• Laboratorio práctico para crear un job en Glue pata transformar datos desde S3 y almacenarlos en una tabla de DynamoDB.
• Laboratorio práctico para explorar, transformar, enriquecer, limpiar conjunto de datos utilizando Glue DataBrew.

Aprenderas los servicios para construccion de ETL con Hadoop usando Elastic Map Reduce y Managed Workflow con Apache Airflow

• Laboratorio práctico para crear un job con codigo en PySpark utilizando EMR Serverless y EMR Studio.
• Laboratorio práctico para crear un pipeline de datos con invocación de multiples jobs y crawler utilizando Apache Airflow.

Aprenderas los servicios para construccion de ETL con StepFunctions, Lambda y Serverless Application Model (SAM)

• Laboratorio práctico para crear una maquina de estados en StepFunctions que permita orquestar un conjunto de jobs y crawlers de Glue.
• Laboratorio práctico para crear una maquina de estados en StepFunctions que permita orquestar funciones Lambda que procesen archivos de S3 y lo envien a una cola de SQS.
• Laboratorio práctico para crear un ambiente de Cloud9 para desplegar una arquitectura serverless utilizando SAM CLI.

Aprenderas los servicios generales de Ingesta, Procesamiento, Carga, Almacenamiento y Visualizacion de Datos en Real Time, Near Real Time y Batch.

• Laboratorio práctico para procesar eventos de auditoria desde CloudTrail a traves de un bus de eventos de EventBridge que sean ingestados por un Kinesis DataStream y cargados a un bucket de S3 a traves de Kinesis Data Firehouse.
• Laboratorio práctico para crear un datawarehouse mediante un cluster de RedShift para realizar consultas a traves del Editor de Consultas.
• Laboratorio práctico para consultar datos de archivos en S3 usando Athena.
• Laboratorio demostrativo para utilizar Amazon QuickSight en la construcción de tableros de Business Intelligence.

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 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.

Aprenderás los algoritmos, frameworks y técnicas para implementar modelos de IA usando los principales servicios serverless sin usar código de Machine Learning.

• Laboratorio práctico para crear modelos de vision artifical usando Rekognition.
• Laboratorio práctico para crear agentes autonomos usando Amazon Bedrock.

Aprenderás a implementar pipelines de CICD usando los servicios principales de MLOps de SageMaker y DevOps.

• Laboratorio práctico para implementar un flujo de CICD usando SageMaker.
• Laboratorio práctico para desplegar API´s de modelos en multiples ambientes usando SageMaker.

Aprenderás a monitorear y aplicar seguridad a los modelos desplegados en SageMaker

• Laboratorio práctico para monitoreo usando SageMaker Model Monitor.
• Laboratorio práctico para detectar desviaciones de modelos usando SageMaker Clarify.

Revisaremos a detalle la guía oficial en español del examen de certificación AWS Cloud Practitioner 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.

Revisaremos a detalle la guía oficial del examen de certificación AWS AI Practitioner así como 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 sus conocimientos aprendidos y preparación impartida en clase.

Revisaremos a detalle la guía oficial en español del examen de certificación AWS Data Engineer 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.

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.