Blog de Amazon Web Services (AWS)

Category: Artificial Intelligence

Configuración de auto escalado automático de enpoints de inferencia en Amazon SageMaker

Por Chaitanya Hazarey, Rama Thamman y Pavan Kumar Sundar   Amazon SageMaker es un servicio totalmente gestionado que ofrece a todos los desarrolladores y científicos de datos la capacidad de crear, entrenar e implementar rápidamente modelos de Machine Learning (ML) a escala. Amazon SageMaker elimina el trabajo pesado de cada paso del proceso de ML […]

Read More

Supervisión de modelos ML en producción a gran escala con Amazon SageMaker Model Monitor

Por Sireesha Muppala, Archana Padmasenan y David Nigenda   Los modelos de aprendizaje automático (ML) están impactando las decisiones empresariales de organizaciones de todo el mundo, desde servicios minoristas y financieros hasta vehículos autónomos y exploración espacial. Para estas organizaciones, la capacitación y la implementación de modelos ML en producción es solo un paso hacia […]

Read More

Formación de un agente de aprendizaje de refuerzo con Unity y Amazon SageMaker RL

Por Yohei Nakayama, Henry Wang y Yijie Zhuang   Unity es uno de los motores de juego más populares que ha sido adoptado no sólo para el desarrollo de videojuegos sino también por industrias como el cine y la automoción. Unity ofrece herramientas para crear entornos virtuales simulados con física, paisajes y personajes personalizables. Unity […]

Read More

Análisis exploratorio de datos, feature engineering y puesta en funcionamiento de su flujo de datos en su pipeline de ML con Amazon SageMaker Data Wrangler

Por Phi Nguyen y Roberto Bruno Martins   Según la encuesta The State of Data Science 2020 , la gestión de datos, el análisis exploratorio de datos (EDA), la selección de características y el feature engineering representan más del 66% del tiempo de un científico de datos (ver el siguiente diagrama).     La misma […]

Read More

Personalización y reutilización de modelos generados por el piloto automático de Amazon SageMaker

Por Simon Zamarin, Piali Das y Qingwei Li   El modo piloto automático de Amazon SageMaker entrena y ajusta automáticamente los mejores modelos de aprendizaje automático (ML) para problemas de clasificación o regresión, al tiempo que le permite mantener el control y total visibilidad. Esto no solo permite a los analistas de datos, desarrolladores y […]

Read More

Avances en la detección de fraudes: ML para la encuestas en línea

Por AWS Admin   Mensaje invitado por Jakob Ludewig, Científico de Datos Senior, Investigación de Dalia  La transición de la industria de la investigación de mercado desde las encuestas telefónicas y presenciales hacia plataformas en línea ha aumentado enormemente la velocidad y el alcance de la recopilación de datos. Las plataformas modernas de encuestas en […]

Read More

Amazon Textract reconoce la escritura a mano y añade cinco nuevos idiomas

Por Andrea Morton-Youmans   Los documentos son una herramienta principal para la comunicación, la colaboración, el mantenimiento de registros y las transacciones entre industrias, incluidas las financieras, médicas, legales e inmobiliarias. El formato de los datos puede plantear un desafío adicional en la extracción de datos, especialmente si el contenido está tipeado, escrito a mano […]

Read More

Configuración de Amazon SageMaker Studio para equipos y grupos con aislamiento completo de recursos

Por Vikrant Kahlir, Rakesh Ramadas e Rama Thamman   Amazon SageMaker es un servicio totalmente gestionado que ofrece a todos los desarrolladores y científicos de datos de aprendizaje automático (ML) la capacidad de crear, entrenar e implementar modelos de ML rápidamente. Amazon SageMaker Studio es un entorno de desarrollo integrado (IDE) basado en web para […]

Read More

Lleve su propia imagen de contenedor personalizada a los notebooks de Amazon SageMaker Studio

Por Stefan Natu, Huong Nguyen y Jaipreet Singh   Amazon SageMaker Studio es el primer entorno de desarrollo (IDE) totalmente integrado para aprendizaje automático (ML). SageMaker Studio permite a los científicos de datos utilizar notebooks  Studio para explorar datos, crear modelos, lanzar trabajos de entrenamiento de Amazon SageMaker e implementar endpoints alojados. Los notebooks  Studio […]

Read More

Analizando las opiniones de nuestros clientes con Amazon Comprehend

Por Kevin Cortés Rodríguez es Arquitecto de Soluciones en AWS Argentina   Cuando se lanza una aplicación o servicio en producción siempre pensamos en mejoras y nuevas funcionalidades. Ese proceso iterativo de mejora continua puede ser originado por los comentarios de los clientes. Es importante entender que no le gusta para poder mejorarlo, y qué […]

Read More