En este curso, se analiza cómo utilizar la canalización de machine learning (ML) para resolver un problema empresarial real en un entorno de aprendizaje basado en proyectos. Los estudiantes aprenderán sobre cada fase de la canalización a partir de las presentaciones y demostraciones de los instructores y, luego, aplicarán esos conocimientos para completar un proyecto que resuelva uno de los dos problemas empresariales: la detección de fraude o los retrasos de los vuelos. Al final del curso, los estudiantes habrán creado, entrenado, evaluado, ajustado e implementado correctamente un modelo de ML con Amazon SageMaker que resuelva el problema empresarial que hayan seleccionado. Los estudiantes con poca o ninguna experiencia o conocimiento sobre machine learning se beneficiarán de este curso. Será útil contar con conocimientos básicos de estadística y Python.
Objetivos del curso
En este curso, aprenderá a hacer lo siguiente:
- Seleccionar y justificar el enfoque de ML adecuado para un problema empresarial determinado
- Utilizar la canalización de ML para resolver un problema empresarial específico
- Entrenar, evaluar, implementar y ajustar un modelo de ML con Amazon SageMaker
- Describir algunas de las prácticas recomendadas para diseñar canalizaciones de ML escalables, seguras y con optimización de costos en AWS
- Aplicar el machine learning a un problema empresarial real una vez finalizado el curso
Audiencia objetivo
Este curso está dirigido a los siguientes destinatarios:
- Desarrolladores
- Arquitectos de soluciones
- Ingenieros de datos
- Cualquier persona que tenga poca o ninguna experiencia en ML y quiera obtener información sobre la canalización de ML con Amazon SageMaker
Requisitos previos
Recomendamos que los asistentes a este curso cumplan con los siguientes requisitos:
- Conocimientos básicos del lenguaje de programación Python
- Comprensión básica de la infraestructura de nube de AWS (Amazon S3 y Amazon CloudWatch)
- Experiencia básica de trabajo en un entorno de cuaderno de Jupyter
Esquema del curso
- Introducción
- Módulo 1: introducción al machine learning y a la canalización de ML
- Módulo 2: introducción a Amazon SageMaker
- Módulo 3: formulación de problemas
- Módulo 4: preprocesamiento
- Módulo 5: entrenamiento de modelos
- Módulo 6: Evaluación de modelos
- Módulo 7: ingeniería de características y ajuste de modelos
- Módulo 8: implementación
- Conclusión del curso
