Creación de repositorios como S3, EBS, EFS, implementación de pipelines de ingesta (batch/streaming) con Kinesis, Glue, EMR; transformación de datos mediante ETL, Spark y AWS Batch
Limpieza y preparación de datos, detección de outliers, imputación, escalado, generación de features y visualización exploratoria usando notebooks
Técnicas avanzadas como codificación, normalización, reducción dimensional, binning, para optimización del rendimiento de modelos
Selección del algoritmo adecuado (regresión, clasificación, clustering), configuración de parámetros iniciales, detección de overfitting/underfitting
Entrenamiento en SageMaker, ajuste de hiperparámetros, técnicas de regularización, validación cruzada y evaluación con métricas como ROC, F1, RMSE
Incursión en redes neuronales, frameworks como TensorFlow / PyTorch, modelos embebidos y recomendadores, estructuras de redes profundas .
Implementación de endpoints de inferencia (realtime & batch), hardware adecuado (CPU vs GPU), contenedores en SageMaker, ECS, Lambda, Terraform/CloudFormation
Pipelines CI/CD para ML con SageMaker Pipelines, CodePipeline/Build/Deploy, escalado automático y despliegue por fases
Monitoreo de endpoints con SageMaker Model Monitor, métricas/instrumentación con CloudWatch, X‑Ray, logs insights
Mejores prácticas de seguridad en ML (IAM, cifrado, VPC), etiquetado, cost optimization CloudWatch, CloudTrail
Simulación end-to-end con dataset real: ingesta, EDA, training, deployment, monitoreo; resolución de casos y simulacros MLS‑C01 relacionados
Certificación avanzada diseñada para profesionales con al menos 2 años de experiencia en desarrollo, arquitectura y despliegue de soluciones de Machine Learning (ML) o Deep Learning en AWS. Valida la capacidad para diseñar, construir, entrenar, optimizar y mantener modelos de ML que resuelvan problemas empresariales en la nube
Diseñar y construir pipelines de datos escalables para ML en AWS. Limpiar, explorar y visualizar datasets de forma efectiva. Seleccionar y entrenar modelos adecuados para problemas de negocio. Optimizar modelos mediante técnicas de ajuste e identificación de sobreajuste. Desplegar modelos en producción usando servicios como SageMaker. Monitorear desempeño y costos, y gestionar versiones de modelos. Implementar prácticas de seguridad y compliance para modelos de ML.
Al menos 1–2 años de experiencia práctica desplegando soluciones de ML o Deep Learning. 🔷 Comprender y explicar algoritmos básicos de ML. 🔷 Experiencia en optimización de hiperparámetros. 🔷 Familiaridad con frameworks de ML/DL (TensorFlow, PyTorch, MXNet). 🔷 Conocer buenas prácticas de entrenamiento, despliegue y monitoreo de modelos Objetivo principal:
| AWS Certified Machine Learning – Specialty (MLS‑C01) | Aplica |
|---|---|
| AWS Certified Machine Learning – Specialty (MLS‑C01) | None horas |
La metodología de aprendizaje, independientemente de la modalidad (presencial o remota), se fundamenta en el desarrollo de talleres o laboratorios que conducen a la construcción de un proyecto, emulando la actividad real en una empresa.
El instructor (en vivo), profesional con amplia experiencia en escenarios laborales relacionados con los temas a tratar, actúa como jefe de taller, orientando la práctica de sus estudiantes mediante procesos de transferencia de conocimiento, aplicando al proyecto los conceptos del temario propuesto.
La metodología persigue que el estudiante no memorice, sino que entienda los conceptos y cómo se aplican en un ambiente laboral.
Como resultado de este trabajo, al final de la capacitación el estudiante ha adquirido una experiencia real, estará preparado para el trabajo y para aprobar una entrevista, una prueba técnica y/o lograr calificaciones de nivel superior en los exámenes para certificación internacional.
No necesitas pagar para preinscribirte. Al preinscribirte, separas un cupo en el grupo para este curso o programa. Nuestro equipo se pondrá en contacto contigo para completar tu inscripción.
PreinscribirseRealiza tu pago de manera rápida, segura y confiable
- Para pagos mediante transferencia bancaria, solicita los detalles al correo
capacita@aulamatriz.edu.co.
- Si deseas financiar tu pago a través de nuestras opciones de crédito
(Sufi, Cooperativa Unimos o Fincomercio), haz clic en el siguiente enlace:
Ver opciones de crédito.
Certificación avanzada diseñada para profesionales con al menos 2 años de experiencia en desarrollo, arquitectura y despliegue de soluciones de Machine Learning (ML) o Deep Learning en AWS. Valida la capacidad para diseñar, construir, entrenar, optimizar y mantener modelos de ML que resuelvan problemas empresariales en la nube
Diseñar y construir pipelines de datos escalables para ML en AWS. Limpiar, explorar y visualizar datasets de forma efectiva. Seleccionar y entrenar modelos adecuados para problemas de negocio. Optimizar modelos mediante técnicas de ajuste e identificación de sobreajuste. Desplegar modelos en producción usando servicios como SageMaker. Monitorear desempeño y costos, y gestionar versiones de modelos. Implementar prácticas de seguridad y compliance para modelos de ML.
Al menos 1–2 años de experiencia práctica desplegando soluciones de ML o Deep Learning. 🔷 Comprender y explicar algoritmos básicos de ML. 🔷 Experiencia en optimización de hiperparámetros. 🔷 Familiaridad con frameworks de ML/DL (TensorFlow, PyTorch, MXNet). 🔷 Conocer buenas prácticas de entrenamiento, despliegue y monitoreo de modelos Objetivo principal:
| AWS Certified Machine Learning – Specialty (MLS‑C01) | Aplica |
|---|---|
| AWS Certified Machine Learning – Specialty (MLS‑C01) | None horas |
La metodología de aprendizaje, independientemente de la modalidad (presencial o remota), se fundamenta en el desarrollo de talleres o laboratorios que conducen a la construcción de un proyecto, emulando la actividad real en una empresa.
El instructor(en vivo), profesional con amplia experiencia en escenarios laborales relacionados con los temas a tratar, actúa como jefe de taller, orientando la práctica de sus estudiantes mediante procesos de transferencia de conocimiento, aplicando al proyecto los conceptos del temario propuesto.
La metodología persigue que el estudiante "no memorice", sino que "entienda" los conceptos y cómo se aplican en un ambiente laboral."
Como resultado de este trabajo, al final de la capacitación el estudiante ha adquirido una experiencia real, estará preparado para el trabajo y para aprobar una entrevista, una prueba técnica y/o lograr calificaciones de nivel superior en los exámenes para certificación internacional.
No necesitas pagar para preinscribirte. Al preinscribirte, separas un cupo en el grupo para este curso o programa. Nuestro equipo se pondrá en contacto contigo para completar tu inscripción.
Realiza tu pago de manera rápida, segura y confiable
- Para pagos mediante transferencia bancaria, solicita los detalles al correo
capacita@aulamatriz.edu.co.
- Si deseas financiar tu pago a través de nuestras opciones de crédito
(Sufi, Cooperativa Unimos o Fincomercio), haz clic en el siguiente enlace:
Ver opciones de crédito.
