Utiliza el código
DATAWEEK
en la página de pago para acceder a un
descuento del 30%.
La oferta finaliza en:
Auto reproducción
Autocompletar
Clase Anterior
Completar y continuar
AWS Machine Learning Specialty (MLS-C01) en Español
Introducción al curso
Presentación del curso (3:26)
¿Qué es AWS? (repaso) (0:25)
¿Qué es Cloud Computing? (repaso) (1:59)
Crea tu cuenta en AWS (repaso) (3:48)
Ingeniería de datos
Introducción a Amazon S3 (3:51)
Introducción a S3 - Práctica (7:34)
Seguridad S3 (5:04)
Seguridad S3 - Práctica (4:21)
Clases de almacenamiento S3 (5:51)
Clases de almacenamiento S3 - Práctica (5:18)
Rendimiento S3 (5:57)
Encriptación S3 (6:10)
AWS Kinesis (5:33)
Productores Kinesis (8:54)
Consumidores Kinesis (6:11)
Kinesis Enhanced Fan Out (1:18)
Kinesis - Escalado (3:01)
Kinesis - Duplicados (2:09)
Kinesis - Seguridad (0:57)
Kinesis Data Firehose
CloudWatch Logs y Kinesis (1:54)
Kinesis Data Firehose - Práctica 1 (4:24)
Kinesis Data Firehose - Práctica 2 (14:23)
Kinesis Data Streams - Práctica (5:46)
Kinesis Data Analytics (7:52)
Kinesis Data Analytics - Práctica 1 (7:20)
Kinesis Data Analytics - Práctica 2 (7:46)
Kinesis Data Analytics - Práctica 3 (11:56)
Kinesis Video Streams (1:49)
Resumen Kinesis (1:46)
¿Qué es AWS Glue? (4:10)
Glue, Hive y ETL (6:07)
Glue ETL - Modificar el Data Catalog (1:00)
Glue Development Endpoints - Puntos de enlace de desarrollo (2:13)
Glue costes y más (1:31)
AWS Glue Studio (4:57)
AWS Glue DataBrew (6:32)
Amazon Athena (2:36)
Athena, Glue y más (4:07)
Athena y Glue - Práctica (7:32)
Tipos de Almacenamiento en AWS para Machine Learning (3:24)
AWS Data Pipeline (3:15)
AWS Data Pipeline vs Glue (1:42)
AWS Batch (1:09)
AWS Batch vs Glue (0:41)
AWS DMS - Database Migration Services (2:19)
AWS Step Functions (2:27)
Ejemplos de Ingeniería de datos con Data Pipelines (6:45)
Análisis exploratorio de los datos
Python para Machine Learning (3:27)
¿Qué es un Jupyter Notebook? (1:32)
Ejemplo de Machine Learning en un Jupyter Notebook con Python (6:29)
Tipos de datos (4:06)
Distribución de datos (5:56)
Análisis de series temporales (3:17)
Amazon QuickSight (5:23)
QuickSight Precios (3:08)
Tipos de visualizaciones (2:06)
Amazon QuickSight - Práctica (7:33)
Amazon EMR (3:47)
Integración EMR / AWS (4:49)
¿Qué es Hadoop? (1:26)
¿Qué es Apache Spark? (4:49)
Apache Zeppelin y EMR Notebooks (2:01)
Feature Engineering o Ingeniería de características (5:13)
Imputación de datos vacíos (4:40)
¿Qué son los datos no balanceados? (4:27)
Valores atípicos (5:23)
Otras técnicas - Ingeniería de características (5:54)
SageMaker Ground Truth (3:27)
Modelado - Deep Learning y Machine Learning
Modelo Perceptrón (4:20)
Redes Neuronales (2:07)
Funciones de Activación (2:40)
Funciones de Activación de classes múltiples (3:57)
Funciones de coste y gradiente descendiente (3:59)
Retropropagación (1:12)
Prevenir overfitting (2:40)
Deep Learning y tipos de redes neuronales (ANN, CNN, RNN) (6:37)
Aprendizaje profundo en EC2 y EMR (1:49)
Matriz de confusión (4:39)
Clasificación - Métricas de evaluación (6:10)
Ejemplo teórico (2:31)
Métodos Ensemble Bagging & Boosting (3:26)
Amazon SageMaker
Introducción a Amazon SageMaker (6:07)
Linear Learner (4:15)
XGBoost (4:28)
Seq2Seq (4:29)
DeepAR (3:33)
BlazingText (3:24)
Object2Vec (2:59)
Object Detection (2:47)
Image Classification (2:50)
Semantic Segmentation (2:53)
Random Cut Forest (2:35)
Neural Topic Model (2:25)
Latent Dirichlet Allocation (LDA) (2:39)
K-Nearest-Neighbors (KNN) (2:59)
K-Means Clustering (3:31)
Principal Component Analysis (PCA) (2:31)
Factorization Machines (2:08)
IP Insights (2:01)
Reinforcement Learning (Aprendizaje por refuerzo) (4:34)
Automatic Model Tuning con SageMaker (2:07)
SageMaker y Apache Spark (2:03)
SageMaker Studio y SageMaker Experiments (1:13)
SageMaker Debugger (2:20)
SageMaker Autopilot (3:24)
SageMaker Model Monitor (1:52)
Resumen y más cosas (2:26)
Otros servicios de ML
Amazon Rekognition (2:29)
Amazon Transcribe (1:52)
Amazon Polly (2:11)
Amazon Translate (1:36)
Amazon Lex y Connect (1:56)
Amazon Comprehend (1:27)
Amazon Forecast (1:30)
Amazon Kendra (1:48)
Amazon Personalize (1:24)
Otros servicios ML (4:54)
Implementación y Operaciones ML
SageMaker y Contendores Docker (6:11)
SageMaker en el borde (2:39)
Seguridad SageMaker (3:00)
Administración de recursos de SageMaker - Parte 1 (1:38)
Administración de recursos de SageMaker - Parte 2 (1:56)
Serverless Inference y Inference Recommender (1:40)
Inference Pipelines (1:06)
Ejemplo final y cierre
Red Neuronal Convolucional de ejemplo (14:36)
Ya está
Guía del examen y preguntas de ejemplo (7:26)
Palabras finales
Ejemplo de Machine Learning en un Jupyter Notebook con Python
Contenido bloqueados
Si ya estás inscrito,
tendrá que iniciar sesion
.
Inscriba en el curso para desbloquear