Con Amazon SageMaker Canvas, los analistas empresariales y de datos pueden preparar datos, entrenar e implementar modelos de machine learning (ML) sin tener experiencia en ML y sin escribir una sola línea de código. Aprenderá a crear modelos de ML para datos tabulares y de series temporales sin necesidad de tener un conocimiento profundo del área. También aprenderá a utilizar, ajustar y evaluar los resultados de los modelos fundacionales de Amazon y de otros proveedores de modelos para admitir casos prácticos de IA generativa, como la generación de texto, el resumen de texto y el chat mediante la generación aumentada por recuperación (RAG). Con la ayuda de un videotutorial narrado, con instrucciones paso a paso y una transcripción, también puede probar el servicio Canvas en su propia cuenta de Amazon Web Services (AWS).
En lugar de usar su propia cuenta, puede suscribirse a AWS Skill Builder para acceder a todo nuestro contenido práctico e interactivo, incluido el acceso ilimitado a más de 125 laboratorios de creación en AWS. Estos laboratorios prácticos y guiados sirven para desarrollar habilidades prácticas para situaciones comunes de la nube mediante la creación de un entorno de pruebas de AWS sin el riesgo de acumular costos no deseados.
Puede obtener más información y suscribirse en la página de Suscripciones. Luego, inscríbase en el curso para aprovechar la experiencia de AWS Builder Lab. Después de completar este curso, podrá crear y entrenar modelos de alta precisión y generar predicciones mediante la inferencia por lotes. También podrá compartir modelos con científicos de datos para su posterior análisis e implementación en las canalizaciones de operaciones de ML de su empresa.
- Nivel del curso: intermedio
- Duración: 5,5 horas
Nota: Este curso tiene transcripciones o subtítulos localizados. La narración está en inglés. Para mostrar los subtítulos, haga clic en el botón CC en la esquina inferior derecha del reproductor.
Actividades
Este curso incluye interacciones de aprendizaje en línea, evaluaciones de conocimientos y demostraciones paso a paso.
Objetivos del curso
En este curso, aprenderá a hacer lo siguiente:
- Describir los conceptos y técnicas básicos del machine learning (ML)
- Identificar el ciclo de vida del ML y sus fases
- Describir los tipos de problemas que el ML puede resolver
- Identificar los pasos para crear un modelo de ML
- Describir las métricas para medir la exactitud predictiva de un modelo
- Explicar cómo usar Amazon SageMaker Canvas para transformar datos sin procesar en un conjunto de datos de entrenamiento
- Describir cómo generar información sobre los datos y comprender la calidad de los datos
- Identificar cómo encontrar posibles errores y valores extremos en los datos con herramientas de visualización
- Describir las capacidades de creación de modelos de SageMaker Canvas mediante AutoML
- Utilizar SageMaker Canvas para iniciar un trabajo de entrenamiento de modelos y realizar un seguimiento de su progreso
- Describir las métricas de calidad del modelo disponibles en los reportes de rendimiento
- Implementar un modelo y realizar predicciones
- Utilizar la interfaz de usuario (UI) del modelo fundacional (FM) de SageMaker Canvas para la generación de texto, el resumen y la comparación de modelos
- Identificar y abordar los desafíos de los resultados de los modelos fundacionales usando Generación aumentada por recuperación (Retrieval Augmented Generation, RAG) y la realización de ajustes
- Describir las prácticas recomendadas que se deben seguir al utilizar Amazon SageMaker Canvas
Audiencia objetivo
Este curso está dirigido al siguiente público:
- Analistas de datos
- Investigadores de dominios no relacionados con el ML
- Analistas de investigación de operaciones
- Científicos de datos junior
Requisitos previos
Recomendamos que quienes participen en este curso cumplan con los siguientes requisitos:
- Experiencia en el análisis, la limpieza y la transformación de datos tabulares o de series temporales
- Comprensión básica de las medidas estadísticas y la regresión
- Realización del curso de fundamentos técnicos de AWS
- Para aquellos que se inician en la IA generativa, recomendamos los siguientes cursos:
- Introducción a la IA generativa (el arte de lo posible)
- Planificación de un proyecto de IA generativa
Esquema del curso
Módulo 1: introducción al machine learning
- Cómo utilizar este curso
- Introducción al ML
- Conceptos básicos de ML
- Tipos de problemas que se pueden resolver con ML
- Ciclo de vida del ML
- Ciclo de vida del ML
- Creación y evaluación de modelos
- Introducción a la creación de modelos
- Evaluación de modelos
- Mejora del rendimiento del modelo
- Opciones de entrenamiento de modelos
- Cierre
- Evaluación de conocimientos
- Conclusión
Módulo 2: análisis y preparación de datos
- Cómo utilizar este curso
- Introducción a Amazon SageMaker Canvas
- Amazon SageMaker Canvas
- Análisis de datos
- Análisis rápido del modelo
- Preparación de los datos
- Transformación de datos
- Exportación de datos y flujos de datos
- Cierre
- Evaluación de conocimientos
- Conclusión
Demostración 1: tutorial de Amazon SageMaker Canvas, caso práctico de datos tabulares
Demostración 2: tutorial de Amazon SageMaker Canvas, caso práctico del conjunto de datos de series temporales
Módulo 3: creación de modelos con SageMaker Canvas
- Cómo utilizar este curso
- Profundización en SageMaker Canvas
- Introducción a la creación de un modelo en SageMaker Canvas
- Opciones avanzadas para crear modelos en SageMaker Canvas
- Evaluación de un modelo en SageMaker Canvas
- Hacer predicciones e implementar un modelo en SageMaker Canvas
- Cierre
- Evaluación de conocimientos
- Conclusión
Demostración 3: tutorial sobre cómo crear un modelo personalizado con Amazon SageMaker Canvas
Demostración 4: tutorial del laboratorio de CapStone de ML sin código
Módulo 4: IA generativa con SageMaker Canvas
- Cómo utilizar este curso
- Modelos fundacionales en SageMaker Canvas
- IA generativa con Amazon SageMaker Canvas
- Modelos fundacionales de SageMaker Canvas
- Comparación de modelos fundacionales
- Mitigación de los desafíos del modelo fundacional en SageMaker Canvas
- Alucinaciones del modelo
- Generación aumentada por recuperación (RAG)
- Ajuste de los modelos fundacionales
- Cierre
- Evaluación de conocimientos
- Conclusión
Módulo 5: prácticas recomendadas para SageMaker Canvas
- Cómo utilizar las prácticas recomendadas de este curso
- Cómo acceder a SageMaker Canvas
- Actualización de la versión de SageMaker Canvas
- Ahorro de costos con SageMaker Canvas
- Cierre
- Conclusión
Palabras clave
- IA gen
- IA generativa
