Amazon SageMaker: Guía Completa
Amazon SageMaker es la plataforma de ML totalmente administrada de AWS que cubre todo el ciclo de vida, desde la preparación de datos hasta el monitoreo del modelo. El examen AIF-C01 evalúa tu capacidad para mapear cada característica de SageMaker al escenario correcto.
---
¿Qué es Amazon SageMaker?
Un servicio totalmente administrado que permite a los científicos de datos y desarrolladores construir, entrenar y desplegar modelos de ML sin gestionar servidores.
---
Algoritmos Integrados de ML
Algoritmos listos para usar sin escribir código desde cero: Aprendizaje supervisado: regresión lineal, clasificación, KNN Aprendizaje no supervisado: PCA, K-means, detección de anomalías Especializados: NLP, clasificación y detección de imágenes
---
Ajuste Automático de Modelos (AMT)
AMT automatiza la optimización de hiperparámetros. Define una métrica objetivo y AMT encuentra la mejor combinación.
---
Comparación de 4 Tipos de Despliegue
| Tipo | Latencia | Carga Máxima | Mejor Para | |------|----------|--------------|------------| | Tiempo Real | ms | 6 MB | Detección de fraude | | Serverless | baja | 4 MB | Chatbots intermitentes | | Asincrónico | minutos | 1 GB | Imágenes médicas | | Transformación por Lotes | más lento | ilimitado | Predicciones de conjunto completo |
---
Resumen de Características Clave
Studio, Data Wrangler, Feature Store, Clarify, Ground Truth, Model Monitor, Model Registry, Pipelines, JumpStart, Canvas.
---
Resumen para el Examen
4 tipos de despliegue y cuándo usar cada uno Ground Truth = etiquetar datos de entrenamiento; A2I = revisión humana de predicciones de baja confianza Clarify = sesgo + explicabilidad; Model Monitor = deriva en producción Costo de ajuste fino: Ingeniería de Prompts < RAG < Instrucción < Adaptación de Dominio