Envíanos tu consulta
Términos y condiciones *
logoImagina
Formación
Modalidades
Próximas Convocatorias
Temario
FAQ
Solicitar información
iconoCurso

Curso de Amazon Sagemaker

DISPONIBLE EN MODALIDAD:
aMedidaIcon
Aula Virtual Personalizada
arrowRightDark

Domina Amazon SageMaker para implementar soluciones avanzadas de aprendizaje automático en la nube. Desde la configuración inicial hasta el despliegue de modelos, este curso incluye técnicas de MLOps, integración con servicios de AWS y optimización de pipelines.

iconClienticonClienticonClienticonClienticonClienticonClienticonClienticonClienticonClienticonClienticonClienticonClienticonClienticonClienticonClienticonClienticonClienticonClienticonClienticonClienticonClienticonClient

Formación en Amazon Sagemaker bonificable para empresas

A quién va dirigido nuestro curso de Amazon Sagemaker

Desarrolladores, científicos de datos y analistas que buscan implementar y escalar soluciones de aprendizaje automático en la nube con Amazon SageMaker.

Objetivos de nuestro curso de Amazon Sagemaker

  • Comprender los fundamentos de aprendizaje automático y cómo aplicarlos en Amazon SageMaker.
  • Configurar y optimizar entornos para entrenar modelos de Machine Learning en SageMaker.
  • Desplegar modelos de aprendizaje automático a gran escala con Amazon SageMaker.
  • Integrar servicios de AWS para una gestión eficiente de datos y modelos en producción.
  • Aplicar buenas prácticas en MLOps utilizando herramientas y pipelines de SageMaker.

Qué vas a aprender en nuestro curso de Amazon Sagemaker

Domina Amazon SageMaker para implementar soluciones avanzadas de aprendizaje automático en la nube. Desde la configuración inicial hasta el despliegue de modelos, este curso incluye técnicas de MLOps, integración con servicios de AWS y optimización de pipelines.

Requisitos de nuestro curso de Amazon Sagemaker

  • Experiencia previa en Python, aprendizaje automático y servicios AWS.
  • Cuenta activa de AWS con permisos para SageMaker, S3, IAM y otros servicios relacionados.
  • Ordenador con conexión a Internet, AWS CLI instalado, y al menos 8 GB de RAM.
  • Permisos de administrador en AWS para configurar SageMaker y gestionar recursos asociados.

Temario del curso de Amazon Sagemaker

tema 1

Introducción a Amazon SageMaker

  • Conceptos básicos de Machine Learning en AWS
  • Qué es Amazon SageMaker y su arquitectura
  • Principales casos de uso de SageMaker
  • Ventajas de SageMaker frente a otras herramientas
  • Exploración del entorno de trabajo de SageMaker
  • Servicios integrados en SageMaker (Studio, Model Registry)
  • Configuración inicial de la cuenta AWS para usar SageMaker
  • Ejercicio práctico: Exploración de la consola de SageMaker
  • Buenas prácticas para configurar SageMaker desde cero
  • Resolución de errores comunes al iniciar en SageMaker
iconArrowDown
tema 2

Configuración del Entorno de Trabajo

  • Configuración de SageMaker Studio
  • Creación de roles IAM para SageMaker
  • Gestión de datos en Amazon S3 para proyectos ML
  • Instalación y configuración de AWS CLI
  • Exploración de SageMaker Notebooks
  • Uso de SDK de SageMaker en Python
  • Ejercicio práctico: Configuración de un entorno de trabajo
  • Opciones avanzadas de configuración para entornos colaborativos
  • Introducción a las instancias de entrenamiento y hosting
  • Optimización de costos en la configuración del entorno
iconArrowDown
tema 3

Preparación de Datos

  • Importación de datos desde S3 a SageMaker
  • Preprocesamiento de datos con Pandas y Numpy en SageMaker
  • Exploración de datos con herramientas integradas
  • Limpieza y transformación de datos
  • Generación de conjuntos de entrenamiento y validación
  • Ejercicio práctico: Pipeline de preprocesamiento de datos
  • Buenas prácticas para manejar datos desequilibrados
  • Gestión de grandes volúmenes de datos en S3
  • Uso de datos en tiempo real para modelos dinámicos
  • Validación y almacenamiento de datos preprocesados en S3
iconArrowDown
tema 4

Entrenamiento de Modelos

  • Selección de algoritmos integrados en SageMaker
  • Configuración de hiperparámetros para entrenamientos
  • Implementación de algoritmos personalizados con Docker
  • Uso de instancias distribuidas para entrenar modelos grandes
  • Ejercicio práctico: Entrenamiento de un modelo con algoritmos integrados
  • Evaluación de resultados del entrenamiento
  • Estrategias de optimización de hiperparámetros
  • Visualización de métricas de entrenamiento en SageMaker
  • Ajuste fino de modelos para mejorar la precisión
  • Manejo de errores comunes en el entrenamiento
iconArrowDown
tema 5

Despliegue de Modelos

  • Configuración de endpoints en SageMaker
  • Uso de SageMaker Hosting para modelos entrenados
  • Despliegue de modelos en tiempo real y batch
  • Configuración de balanceo de carga para endpoints
  • Ejercicio práctico: Despliegue de un modelo con endpoint
  • Monitoreo de modelos en producción
  • Gestión de versiones de modelos con Model Registry
  • Estrategias de escalabilidad para modelos en producción
  • Actualización y reemplazo de modelos en endpoints
  • Resolución de errores en despliegues
iconArrowDown
tema 6

MLOps en SageMaker

  • Introducción a MLOps y su importancia
  • Configuración de pipelines de Machine Learning con SageMaker Pipelines
  • Automatización del ciclo de vida de modelos
  • Gestión de experimentos con SageMaker Experiments
  • Integración con herramientas de CI/CD como CodePipeline
  • Ejercicio práctico: Creación de un pipeline básico
  • Uso de Git y repositorios para la gestión de modelos
  • Mejores prácticas para la reproducibilidad de modelos
  • Supervisión de modelos en producción
  • Escalabilidad de MLOps con SageMaker
iconArrowDown
tema 7

Modelos Personalizados en SageMaker

  • Importación de modelos pre-entrenados a SageMaker
  • Ajuste fino de modelos personalizados con SageMaker
  • Implementación de redes neuronales avanzadas en SageMaker
  • Uso de TensorFlow y PyTorch en SageMaker
  • Ejercicio práctico: Ajuste fino de un modelo de TensorFlow
  • Gestión de dependencias para modelos personalizados
  • Estrategias para optimizar modelos personalizados
  • Integración con frameworks externos
  • Casos prácticos de modelos personalizados en producción
  • Buenas prácticas en la personalización de modelos
iconArrowDown
tema 8

Integración con Otros Servicios de AWS

  • Uso de AWS Glue para la preparación de datos
  • Integración con Amazon Athena para consultas analíticas
  • Uso de Amazon Redshift para almacenamiento de datos
  • Implementación de AWS Lambda para funciones serverless
  • Ejercicio práctico: Integración de SageMaker con Glue
  • Gestión de logs y métricas con Amazon CloudWatch
  • Configuración de notificaciones con Amazon SNS
  • Uso de Amazon QuickSight para visualización de resultados
  • Implementación de flujos de trabajo con Step Functions
  • Buenas prácticas para integrar SageMaker con el ecosistema AWS
iconArrowDown
tema 9

Evaluación y Optimización de Modelos

  • Métricas clave para evaluar modelos en SageMaker
  • Técnicas de validación cruzada
  • Interpretación de resultados con SHAP
  • Ajuste fino de hiperparámetros con SageMaker Tuner
  • Ejercicio práctico: Evaluación de un modelo en producción
  • Identificación de sesgos en modelos de aprendizaje automático
  • Optimización de modelos para entornos específicos
  • Uso de SageMaker Debugger para resolver problemas
  • Gestión de modelos no funcionales en producción
  • Estrategias avanzadas para optimización de modelos
iconArrowDown
tema 10

Proyecto Final

  • Diseño de un pipeline completo de Machine Learning
  • Preparación de datos desde AWS Glue y S3
  • Implementación de un modelo pre-entrenado en SageMaker
  • Configuración de endpoints para predicción en tiempo real
  • Creación de un pipeline automatizado con MLOps
  • Monitorización del modelo con CloudWatch y SageMaker Model Monitor
  • Evaluación de resultados y ajuste fino del modelo
  • Presentación del proyecto en un entorno colaborativo
  • Documentación y mejores prácticas para el ciclo de vida del modelo
  • Reflexiones y próximos pasos en el uso de SageMaker
iconArrowDown