Más de 50

Sesiones
Pregunte a
Expertos
Sesión de preguntas y respuestas en directo
Historias de
clientes
Casos de uso
Experiencia con
aprendizaje automático
Más información
Conceptos
clave
Innovación
In-Partnership-With-Intel_es-ES

Más de 50

Sesiones
Pregunte a
Expertos
Sesión de preguntas y respuestas en directo
Historias de
clientes
Casos de uso
Experiencia con
aprendizaje automático
Más información
Conceptos
clave
Innovación
In-Partnership-With-Intel_es-ES

Programa

Inspírese y aprenda cómo puede utilizar el aprendizaje automático para impulsar experiencias mejores, optimizar las operaciones y reducir los riesgos. Al terminar, tendrá la capacidad de implementar estos proyectos en su organización. Explore un tema en profundidad en cualquiera de las más de 50 sesiones técnicas y empresariales a cargo de expertos de AWS, que compartirán las innovaciones más recientes de inteligencia artificial y aprendizaje automático, conceptos clave, casos de uso empresariales y prácticas recomendadas sobre el diseño de arquitecturas. Además, los expertos contestarán a sus preguntas en directo.

 Descargar la visión general del programa »

Sesiones

  •  Español
  • Ponencia de apertura
  • Soy desarrollador de aplicaciones
  • Soy científico de datos
  • Soy ingeniero de datos
  • Soy ingeniero de operaciones de aprendizaje automático
  • Soy responsable de la toma de decisiones técnicas
  • Soy responsable de la toma de decisiones empresariales
  •  Español
  • Estas sesiones serán en español


    Ponencia de apertura

    Ponente: Javier Ramirez, Developer Advocate, AWS
    Duración: 30 minutos


    Cree sus propios modelos para detectar defectos y anomalías sin ser experto en aprendizaje automático (nivel 300)

    Ponente: Anna Grüebler, arquitecta de soluciones sénior especialista en inteligencia artificial, AWS
    Duración: 30 minutos


    Estandariza y automatiza tus procesos de ingeniería de características (nivel 300)

    Ponente: Javier Ramirez, Developer Advocate, AWS
    Duración: 30 minutos


    Identifica posible sesgo en tus conjuntos de datos y explica cómo funcionan tus modelos (nivel 300)

    Ponente: María Gaska, arquitecta de soluciones sénior especialista en inteligencia artificial y aprendizaje automático, AWS
    Duración: 30 minutos


    Automatiza tus procesos de ML con canalizaciones integrales (nivel 300)

    Ponente: Antonio Rodriguez, arquitecto de soluciones sénior especialista en inteligencia artificial y aprendizaje automático, AWS
    Duración: 30 minutos

  • Ponencia de apertura
  • El aprendizaje automático es una de las tecnologías más disruptivas que afrontaremos en nuestra generación. Actualmente, más de 100 000 clientes utilizan AWS para el aprendizaje automático en todos los ámbitos de la industria. En esta ponencia de apertura, le proporcionaremos información general acerca de los servicios que estos clientes utilizan hoy en día para innovar de forma más rápida y mejorar la productividad. Además, presentaremos los diferentes temas de la conferencia para ayudarlo a encontrar el que mejor se adapte a sus necesidades y para aprovechar al máximo su día.

    Esta sesión será en español

    Ponente: Javier Ramirez, Developer Advocate, AWS
    Duración: 30 minutos

  • Soy desarrollador de aplicaciones
  • Acerca del tema

    Aprenda a agregar capacidades de inteligencia artificial y modelos de aprendizaje automático a sus aplicaciones de forma simple y rápida. No necesita ser un experto: solo llame a las API o utilice modelos disponibles y termine el trabajo.

    Estas sesiones serán en inglés

    Agregue su propio modelo de visión artificial a su aplicación sin emplear habilidades de aprendizaje automático (nivel 200)

    La visión artificial permite a las máquinas identificar personas, lugares y objetos en imágenes con una precisión equivalente o superior a la capacidad humana y con mayor velocidad y eficiencia. Las aplicaciones de visión artificial tienen un gran alcance, ya que abarcan desde la identificación de defectos en líneas de montaje de alta velocidad hasta el análisis de imágenes médicas.

    En esta charla, crearemos un sistema automatizado de moderación de contenido para su aplicación mediante Amazon Rekognition. La demostración señalará contenido potencialmente inapropiado o no seguro en recursos con videos e imágenes que llevan etiquetas detalladas que le permiten controlar con precisión lo que desea aceptar. Lo mejor de todo No necesita contar con experiencia previa en aprendizaje automático para utilizar Rekognition.

    Ponente: Sohan Maheshwar, Developer Advocate, AWS
    Duración: 30 minutos


    Cree sus propios modelos de detección de anomalías y defectos sin emplear habilidades de aprendizaje automático (nivel 300)

    ¿Cómo los equipos de desarrollo pueden agregar capacidades inteligentes a las aplicaciones empresariales sin emplear habilidades de aprendizaje automático? En esta sesión práctica, nos centraremos en dos casos de uso específicos relacionados con la detección de anomalías. Nos adentraremos en los pasos prácticos de cómo identificar defectos de productos en imágenes y cómo detectar valores atípicos y problemas en métricas empresariales.

    Ponente: Alex Casalboni, Developer Advocate sénior, AWS
    Duración: 30 minutos


    Implemente modelos y soluciones de aprendizaje automático de última generación en un solo clic (nivel 300)

    Existen varios desafíos a la hora de comenzar a utilizar el aprendizaje automático (ML). Los desarrolladores sin experiencia en este campo suelen tener dificultades con la importación de un modelo desde un grupo conocido de modelos y su implementación en un punto de enlace de la API. Además, se necesitan otros componentes para lanzar una aplicación de aprendizaje automático en funcionamiento, como gateways de API, informática sin servidor, almacenamiento de objetos, secuencias de ETL, paneles y autenticación. Por lo tanto, todo el proceso que implica el desarrollo de una solución puede tardar meses o mucho más tiempo para usuarios de aprendizaje automático nuevos. En esta charla, le mostraré cómo puede incorporar las aplicaciones de aprendizaje automático en el mercado de forma rápida y sencilla. Le mostraremos cómo debe implementar las soluciones a través de modelos de aprendizaje automático listos para usar y cómo debe personalizarlos de acuerdo a un problema empresarial específico. Con tan solo unos clics, le mostraremos cómo lanzar soluciones de aprendizaje automático preconfiguradas con todos los recursos de AWS que se necesitan para su producción, incluidas una plantilla de CloudFormation y una arquitectura de referencia.

    Ponente: Sébastien Stormacq, principal Developer Advocate, AWS
    Duración: 30 minutos


    Rincón del experto: Conversemos con Luca Bianchi, héroe de la tecnología sin servidor de AWS (nivel 200)

    En esta sesión, Marcia conversará con Luca Bianchi, un héroe de la tecnología sin servidor de AWS y director de tecnología de Neosperience. Analizaremos si los servicios administrados de IA pueden generar los mismos resultados que los modelos personalizados que se entrenaron con Sagemaker. Además, brindaremos algunas sugerencias para los desarrolladores que trabajan en el ámbito del aprendizaje automático y compartiremos tantas prácticas recomendadas como podamos en 30 minutos.

    Ponentes: Marcia Villalba, Developer Advocate sénior, AWS | Luca Bianchi, héroe de la tecnología sin servidor de AWS
    Duración: 30 minutos

  • Soy científico de datos
  • Acerca del tema

    Aprenda cómo crear, entrenar e implementar modelos de alta calidad a cualquier escala, sin necesidad de preocuparse por la infraestructura. Concéntrese en comprender el problema de aprendizaje automático en cuestión de minutos y en cómo solucionarlo mediante algoritmos ya existentes o sus propios algoritmos.

    Estas sesiones serán en inglés

    Traslade y escale sus experimentos de aprendizaje automático en la nube (nivel 200)

    Si ha estado elaborando sus blocs de notas y sus experimentos de aprendizaje automático en su equipo portátil o discutiendo con sus colegas por recursos en un servidor común de Jupyter, teniendo dificultades a la hora de compartir y colaborar sin realizar un seguimiento de las dependencias y otras restricciones, llegó el momento de escalar su entorno de aprendizaje automático a la nube.

    En esta sesión, se presentará Amazon SageMaker y, en particular, los blocs de notas de SageMaker. Además, podrá acceder a los blocs de notas en cuestión de segundos sin iniciar instancias informáticas; podrá escalar fácilmente recursos informáticos de forma ascendente y descendente; podrá compartir blocs de notas para que otras personas puedan reproducir los resultados con las mismas dependencias de datos, entornos y bibliotecas; podrá acceder a otros recursos de AWS y controlar su seguridad; y podrá crear modelos más rápido, así como también colaborar a escala.

    Ponente: Boaz Ziniman, principal Developer Advocate, AWS
    Duración: 30 minutos


    Detecte posibles tendencias en sus conjuntos de datos y explique cómo sus modelos hacen predicciones (nivel 300)

    A medida que los modelos de aprendizaje automático se crean a partir de algoritmos de entrenamiento que aprenden patrones estadísticos presentes en conjuntos de datos, inmediatamente surgen varias preguntas. En primer lugar, ¿alguna vez podremos explicar por qué nuestro modelo de aprendizaje automático surge a partir de una predicción en particular? Segundo, ¿qué sucede si nuestro conjunto de datos no describe exactamente el problema real que intentamos modelar? ¿Podríamos detectar esos problemas? ¿Surgirían ciertas tendencias de formas imperceptibles? Estas no son preguntas especulativas en absoluto, y sus consecuencias pueden ser de gran alcance. Lamentablemente, incluso con la mejor de las intenciones, los problemas con respecto a tendencias pueden existir en los conjuntos de datos y pueden incorporarse en los modelos, lo que provocaría consecuencias empresariales, éticas y legales. 

    Por lo tanto, es fundamental que los creadores y administradores de modelos estén al tanto de los posibles orígenes de tendencias en los sistemas de producción. Además, varias empresas y organizaciones necesitan que los modelos de aprendizaje automático sean explicables antes de que puedan utilizarse en la producción. De hecho, algunas normativas exigen explícitamente la explicabilidad del modelo para la toma de decisiones consiguiente. En esta sesión práctica, aprenderá cómo Amazon SageMaker Clarify puede ayudarlo a abordar problemas con respecto a las tendencias y la explicabilidad, y cómo utilizarlo con la interfaz de usuario de SageMaker Studio y el SDK de SageMaker. Además, podrá ver cómo funciona en conjunto con SageMaker Model Monitor para realizar un seguimiento de las métricas de tendencia a lo largo del tiempo en sus puntos de enlace de predicción.

    Ponente: Julien Simon, principal Developer Advocate de inteligencia artificial y aprendizaje automático, AWS
    Duración: 30 minutos


    Rincón del experto: Conversemos con Francesco Pochetti, héroe de aprendizaje automático de AWS (nivel 300)

    En esta sesión, Julien conversará con Francesco Pochetti, héroe de aprendizaje automático de AWS y científico de datos con experiencia. Mientras analizan las tareas concretas en las que trabajan los científicos de datos diariamente y los nuevos requisitos, como la imparcialidad y la explicabilidad, compartirán tantas prácticas recomendadas y sugerencias como puedan durante 30 minutos para ayudarlo a crear modelos de alta calidad con mayor rapidez.

    Ponentes: Julien Simon, principal Developer Advocate de inteligencia artificial y aprendizaje automático, AWS | Francesco Pochetti, héroe de aprendizaje automático de AWS
    Duración: 30 minutos


    Escale sus grandes trabajos de entrenamiento con paralelismo de datos y modelos (nivel 400)

    Ponente: Shashank Prasanna, Developer Advocate sénior de inteligencia artificial y aprendizaje automático, AWS
    Duración: 30 minutos

  • Soy ingeniero de datos
  • Acerca del tema

    Aprenda cómo convertir datos sin procesar en conjuntos de datos de aprendizaje automático limpios y expresivos sin tener que administrar infraestructuras. Concéntrese en explorar y agregar valor a los datos provenientes de una gran variedad de orígenes para crear modelos de alta calidad.

    Estas sesiones serán en inglés

    Administre sus datos de aprendizaje automático en un repositorio central y seguro (nivel 300)

    Antes de comenzar a debatir sobre los datos y a desarrollar características, necesita una forma de trasladar los datos sin procesar desde varios almacenes de datos hacia un repositorio central que pueda utilizar como punto de partida. En esta sesión, aprenderá cómo los datos pueden incorporarse a partir de SQL, NoSQL o incluso orígenes de datos de streaming, y cómo puede explorar y combinar los datos para crear conjuntos de datos de aprendizaje automático a través de SQL o herramientas de preparación de datos visuales.

    Ponente: Javier Ramirez, Developer Advocate, AWS
    Duración: 30 minutos


    Rincón del experto: Conversemos con Walter Riviera, especialista técnico en inteligencia artificial de Intel (nivel 300)

    En esta sesión, Julien conversará con Walter Riviera, especialista técnico en inteligencia artificial de Intel. Compartirán información técnica sobre cómo utilizar las soluciones de Intel de la mejor manera para ejecutar cargas de trabajo de aprendizaje automático en AWS. Además, analizarán la tecnología de software y hardware de Intel, como Intel Skylake, AVX512, DLBoost, la biblioteca Math Kernel Library, OpenVino y mucho más. También le brindarán más información acerca de las instancias EC2 de Habana Gaudi, que se presentaron recientemente y estarán disponibles en AWS en 2021. ¡Prepárese para aprender mucho!

    Ponente: Julien Simon, principal Developer Advocate de inteligencia artificial y aprendizaje automático, AWS | Walter Riviera, científico de datos, Intel
    Duración: 30 minutos


    Prepare sus conjuntos de datos a escala a través de Apache Spark y SageMaker Data Wrangler (nivel 300)

    Pandas no escala grandes conjuntos de datos. Apache Spark es un motor de procesamiento distribuido de código abierto que escala grandes conjuntos de datos en un gran número de instancias de clúster. En esta sesión, le mostraré varias formas en las que puede utilizar Apache Spark en AWS para analizar grandes conjuntos de datos, realizar comprobaciones de tendencias y calidad de datos, convertir datos sin procesar en características de aprendizaje automático y entrenar modelos predictivos.

    Ponente: Chris Fregly, Developer Advocate sénior de inteligencia artificial y aprendizaje automático, AWS
    Duración: 30 minutos


    Estandarice y automatice sus flujos de trabajo de ingeniería de características (nivel 300)

    Como científico de datos, dedica mucho tiempo a la creación de código de ingeniería de características. De hecho, debido a la naturaleza experimental de este trabajo, incluso un proyecto pequeño podría generar múltiples iteraciones. Por lo tanto, a menudo, deberá ejecutar el mismo código de ingeniería de características una y otra vez, y desperdiciar tiempo y recursos informáticos en repetir las mismas operaciones. En las grandes organizaciones, esto podría provocar una pérdida de productividad incluso mayor, ya que los diferentes equipos suelen ejecutar trabajos idénticos o incluso escriben código duplicado de ingeniería de características porque no están al tanto de los trabajos anteriores. 

    Como los modelos se entrenan en conjuntos de datos diseñados especialmente, es fundamental que aplique las mismas transformaciones en los datos que utiliza para las predicciones. Esto suele significar que debe volver a escribir su código de ingeniería de características (a veces en un lenguaje diferente), integrarlo en su flujo de trabajo de predicción y ejecutarlo en el momento de la predicción. El proceso completo puede llevar mucho tiempo y provocar inconsistencias, ya que la mínima variación en la transformación de sus datos puede afectar las predicciones considerablemente. En esta sesión práctica, aprenderá cómo solucionar todos estos problemas con el almacén de características de Amazon SageMaker y cómo utilizarlo con la interfaz de usuario de SageMaker Studio y el SDK de SageMaker. También verá cómo funciona en conjunto con SageMaker Data Wrangler para simplificar sus flujos de trabajo de preparación de datos completos.

    Ponente: Julien Simon, principal Developer Advocate de inteligencia artificial y aprendizaje automático, AWS
    Duración: 30 minutos

  • Soy ingeniero de operaciones de aprendizaje automático
  • Acerca del tema

    Aprenda cómo apoyar a los equipos de ciencia de datos y de ingeniería de datos de la manera más eficiente. Automatice los flujos de trabajo integrales gracias a AWS y las herramientas de código abierto, y seleccione la mejor infraestructura para cada caso de uso.

    Estas sesiones serán en inglés

    Rincón del experto: Conversemos con Pavlos Mitsoulis, héroe de aprendizaje automático de AWS (nivel 200)

    Ponentes: Cobus Bernard, Developer Advocate sénior de AWS | Pavlos Mitsoulis, héroe de aprendizaje automático de AWS
    Duración: 30 minutos


    Seleccione la instancia de aprendizaje automático adecuada para su trabajo (nivel 200)

    Ponente: Shashank Prasanna, Developer Advocate sénior de inteligencia artificial y aprendizaje automático, AWS
    Duración: 30 minutos


    Automatice los flujos de trabajo de aprendizaje automático con canalizaciones integrales (nivel 300)

    El desarrollo de un modelo de aprendizaje automático de alta calidad implica muchos pasos. Por lo general, comenzamos explorando y preparando nuestros datos. Experimentamos con diferentes algoritmos y parámetros. Dedicamos tiempo al entrenamiento y al ajuste del modelo hasta que este cumple nuestras métricas de calidad y está listo para implementarse en la etapa de producción. La organización y la automatización de los flujos de trabajo de cada paso de este proceso de desarrollo del modelo puede tomar meses de codificación.

    En esta sesión, le mostraremos cómo crear, automatizar y administrar flujos de trabajo de aprendizaje automático integrales con Amazon SageMaker Pipelines. Crearemos una canalización de modelo de procesamiento de lenguaje natural (NLP) reutilizable para preparar los datos, almacenar las características en un almacén de características, ajustar un modelo BERT e implementarlo en la etapa de producción si pasa las métricas de calidad que definamos.

    Ponente: Antje Barth, Developer Advocate sénior de inteligencia artificial y aprendizaje automático, AWS
    Duración: 30 minutos


    Cree sus plataformas de aprendizaje automático con tecnología de código abierto (nivel 300)

    A medida que las empresas adoptan el aprendizaje automático, buscan automatizar y organizar las diferentes etapas de la canalización de aprendizaje automático. Ya sea que se trate de ingenieros de datos organizando las diversas etapas de la incorporación y la preparación de los datos, ayudando a los científicos de datos a poder realizar un seguimiento del desarrollo local de modelos y administrarlo, o la forma en que se implementan los modelos terminados en la etapa de producción, muchas personas buscan utilizar herramientas de código abierto. Hay una gran variedad de herramientas disponibles y, en esta sesión, exploraremos algunas de ellas.

    Ponente: Ricardo Sueiras, principal Developer Advocate, AWS
    Duración: 30 minutos

  • Soy responsable de la toma de decisiones técnicas
  • Acerca del tema

    El aprendizaje automático implica más que entrenar e implementar modelos, especialmente en las organizaciones de gran tamaño. Obtenga información acerca de las prácticas recomendadas de AWS para la inteligencia artificial y el aprendizaje automático, que lo ayudarán a hacer sus flujos de trabajo de aprendizaje automático más eficientes, resistentes y seguros.

    Estas sesiones serán en inglés

    Desglose los silos de datos: cree un lago de datos sin servidor en Amazon S3 (nivel 200)

    La flexibilidad, la seguridad, el rendimiento y la optimización de costes son aspectos clave a la hora de crear y escalar un lago de datos. Es casi una certeza que las soluciones de análisis que utilice en el futuro serán diferentes a las que utiliza en la actualidad, y elegir la base de almacenamiento adecuada le brindará la agilidad para efectuar experimentaciones y migraciones con rapidez utilizando las soluciones de análisis más recientes. En esta sesión, explore las prácticas recomendadas para optimizar el almacenamiento, el rendimiento y los costes en el momento de crear un lago de datos en Amazon S3 y Amazon S3 Glacier.

    Duración: 30 minutos


    Desde la prueba de concepto (POC) a la producción: estrategias para lograr el aprendizaje automático a escala (nivel 200)

    Estableció su estrategia de datos, encontró el caso de uso adecuado e implementó con éxito su primera prueba de concepto (POC). Lo que sigue La clave del éxito del aprendizaje automático es la escala. Sin embargo, muchas organizaciones se encuentran con desafíos a la hora de intentar mover los modelos de aprendizaje automático desde una POC inicial a la etapa de producción y a la escala real de la organización. En esta sesión, los ejecutivos y los administradores que estén buscando lograr el éxito con el uso del aprendizaje automático a escala dentro de sus organizaciones podrán obtener ayuda, incluidas las prácticas recomendadas para las operaciones de aprendizaje automático, la gobernanza de datos y el uso compartido de conocimientos.

    Duración: 30 minutos


    Prácticas recomendadas de arquitectura para las aplicaciones de aprendizaje automático (nivel 300)

    La arquitectura de las aplicaciones de aprendizaje automático (ML) es, al mismo tiempo, igual y diferente a otras arquitecturas que se implementan en la nube de AWS. A medida que las aplicaciones de aprendizaje automático ganan popularidad, los usuarios se hacen la siguiente pregunta cada vez más: “¿estoy creando esto de la manera correcta?” En esta sesión, analizaremos cómo se aplican las prácticas recomendadas establecidas en AWS Well-Architected Framework a las cargas de trabajo de aprendizaje automático y en qué aspectos se deben hacer distinciones para abordar la naturaleza única de la arquitectura del aprendizaje automático. Como caso práctico, en esta sesión también analizaremos en profundidad las soluciones de AWS Well-Architected disponibles de forma pública con el fin de ayudarlo a asegurarse de tener las herramientas necesarias para comenzar a trabajar de manera correcta.

    Duración: 30 minutos


    Aprendizaje automático seguro y conforme para los sectores regulados (nivel 300)

    A medida que las organizaciones migran sus cargas de trabajo de aprendizaje automático (ML) a la nube, contar con acceso a un entorno que sea seguro es el requisito principal. En esta sesión, aprenderá los pasos que involucra el aprovisionamiento de un entorno de aprendizaje automático seguro en Amazon SageMaker, profundizará en los patrones y las arquitecturas comunes de clientes y descubrirá cómo aprovechar otros servicios de AWS para crear estos entornos de una manera consistente y replicable.

    Duración: 30 minutos

  • Soy responsable de la toma de decisiones empresariales
  • Acerca del tema

    A pesar de su complejidad técnica, el principal atractivo de la inteligencia artificial y el aprendizaje automático es cómo ayudan a las organizaciones a realizar innovaciones con mayor rapidez y a mejorar sus procesos empresariales. Aprenda de las empresas que lo lograron con éxito y descubra cómo puede hacer lo mismo.

    Estas sesiones serán en inglés

    La innovación nunca es normal (Nivel 100)

    Duración: 45 minutos


    Uso de la inteligencia artificial y el aprendizaje automático en Amazon.com para mejorar la experiencia de los clientes (nivel 200)

    Amazon.com utiliza la inteligencia artificial y el aprendizaje automático de formas innovadoras y a escala para transformar la manera en la que manejamos e inventamos nuevas experiencias de cliente. En esta sesión, destinada a los responsables sénior de la toma de decisiones empresariales y tecnológicas, compartimos ejemplos específicos del sector de venta minorista y de consumo de Amazon.com, así como de otras líneas de negocios, para explicar cómo la inteligencia artificial y el aprendizaje automático ayudan a Amazon a brindar la mejor experiencia de cliente posible, al mismo tiempo que mejora la eficiencia y reduce los costes. Abordamos los conocimientos y las lecciones que Amazon.com aprendió sobre los aspectos relacionados con los procesos, la tecnología y la cultura que están asociados a la creación y el escalado de las capacidades de aprendizaje automático en la organización.

    Duración: 30 minutos


    ¿Cómo realiza innovaciones para impulsar los resultados empresariales? (nivel 200)

    En esta sesión, escuchará historias reales sobre cómo los clientes han utilizado la nube de AWS y los servicios profesionales de AWS para acelerar la innovación técnica e impulsar los resultados empresariales transformadores. Escuche ejemplos de distintos sectores, casos de uso y pilas de tecnología.

    Duración: 30 minutos


    Desde la prueba de concepto (POC) a la producción: estrategias para lograr el aprendizaje automático a escala (nivel 200)

    Estableció su estrategia de datos, encontró el caso de uso adecuado e implementó con éxito su primera prueba de concepto (POC). Lo que sigue La clave del éxito del aprendizaje automático es la escala. Sin embargo, muchas organizaciones se encuentran con desafíos a la hora de intentar mover los modelos de aprendizaje automático desde una POC inicial a la etapa de producción y a la escala real de la organización. En esta sesión, los ejecutivos y los administradores que estén buscando lograr el éxito con el uso del aprendizaje automático a escala dentro de sus organizaciones podrán obtener ayuda, incluidas las prácticas recomendadas para las operaciones de aprendizaje automático, la gobernanza de datos y el uso compartido de conocimientos.

    Duración: 30 minutos

Niveles de sesión pensados para usted

INTRODUCTORIO
Nivel 100

En las sesiones, se ofrece información general acerca de los servicios y las características de AWS. Se asume que los asistentes no conocen el tema.

INTERMEDIO
Nivel 200

En las sesiones, se presentan prácticas recomendadas, demostraciones y detalles sobre las características de los servicios. Se asume que los asistentes tienen un nivel de conocimiento básico sobre los temas.

AVANZADO
Nivel 300

En las sesiones, se realizan análisis más exhaustivos del tema seleccionado. Los presentadores asumen que la audiencia está familiarizada con el tema, pero que puede o no tener experiencia directa en la implementación de una solución similar.

EXPERTO
Nivel 400

Las sesiones están destinadas a asistentes con un nivel de conocimiento amplio sobre el tema que ya han implementado una solución por su cuenta y están satisfechos con el funcionamiento de la tecnología en varios servicios, arquitecturas e implementaciones.

Comience a utilizar AWS hoy mismo

Adquiera experiencia práctica gratuita con la plataforma, los productos y los servicios de AWS. Explore los más de 60 productos y comience a crear en AWS con la capa gratuita.