AWS Certified AI Practitioner (AIF-C01) - Términos y Conceptos clave

Tarjetas de vocabulario para repasar los conceptos fundamentales del examen AWS Certified AI Practitioner (AIF-C01) basados en las preguntas de práctica suministradas.

Proceso de aprendizaje automático

Secuencia correcta de pasos en un flujo de trabajo de ML que consiste en: recogida de datos, preprocesamiento de datos, entrenamiento de modelos y evaluación de modelos.

Aprendizaje autosupervisado

Técnica utilizada por los Modelos de Fundación (FM) para aprender representaciones y generar etiquetas a partir de grandes cantidades de datos de entrada sin necesidad de etiquetado manual.

Amazon SageMaker Clarify

Herramienta de AWS utilizada para implementar prácticas de IA responsable mediante la detección de sesgos y la explicación de la contribución de las características de entrada en las predicciones.

Monitor de modelos Amazon SageMaker

Servicio de AWS que permite monitorear modelos en producción para detectar deriva de datos (drift) y evaluar la calidad continua del modelo.

Modelos de Fundación (FM)

Modelos en IA generativa preentrenados con grandes conjuntos de datos de entrenamiento sin etiquetar mediante objetivos de aprendizaje autosupervisado.

Sobreajuste (Overfitting)

Situación en la que un modelo funciona bien con los datos de entrenamiento pero mal con datos nuevos y no vistos, presentando una alta varianza.

Subajuste (Underfitting)

Situación en la que un modelo es demasiado simple y funciona mal tanto en los datos de entrenamiento como en datos nuevos y no vistos, experimentando un alto sesgo.

Modelo de responsabilidad compartida de AWS

División de responsabilidades donde AWS es responsable de la seguridad "de" la nube (infraestructura, hardware y software), mientras que el cliente es responsable de la seguridad "en" la nube (datos, aplicaciones y gestión de accesos).

Aprendizaje automático (Machine Learning)

Proceso que implica entrenar algoritmos en grandes conjuntos de datos para identificar patrones y tomar predicciones o decisiones basadas en nuevos datos de entrada.

Infraestructura Global de AWS (Regiones y Zonas de Disponibilidad)

Arquitectura donde cada Región AWS consta de un mínimo de tres Zonas de Disponibilidad (AZ), y cada AZ está formada por uno o más centros de datos discretos.

Sesgo y Varianza (Bias y Variance)

Propiedades de los modelos donde los modelos con subajuste experimentan un alto sesgo (high bias), mientras que los modelos con sobreajuste presentan una alta varianza (high variance).

Manipulador de datos SageMaker (SageMaker Data Wrangler)

Servicio de Amazon SageMaker que ofrece más de 300 transformaciones de datos preconfiguradas para preparar y limpiar datos para proyectos de ML.

Lienzo de SageMaker (SageMaker Canvas)

Servicio sin código (no-code) de Amazon SageMaker con una interfaz intuitiva de apuntar y hacer clic que permite generar predicciones sin escribir código.

Verdad de SageMaker (SageMaker Ground Truth)

Servicio de Amazon SageMaker que aprovecha la aportación humana a lo largo del ciclo de vida del ML para etiquetar datos y mejorar la precisión del modelo.

Amazon Q Business

Aplicación que utiliza Modelos de Lenguaje Grande (LLM) y Generación Aumentada por Recuperación (RAG) para optimizar procesos internos de negocio y análisis de datos.

Inferencia

Fase en la que un modelo entrenado utiliza sus parámetros aprendidos para proporcionar una predicción o salida basada en nuevos datos de entrada proporcionados por el usuario.

Modelo multimodal

Modelo de IA capaz de aceptar una mezcla de diferentes tipos de entrada (como texto o audio) y generar una mezcla de tipos de salida (como imagen o vídeo).

Bases de conocimiento para Amazon Bedrock

Característica que proporciona soporte totalmente gestionado para implementar un flujo de trabajo de Generación Aumentada por Recuperación (RAG) en Amazon Bedrock.

Amazon Bedrock

Servicio gestionado de AWS para construir aplicaciones con modelos fundacionales y LLMs, donde los modelos más pequeños son más baratos de usar y permite usar modelos personalizados en modo de Rendimiento Provisionado o Bajo Demanda.

Datos estructurados

Datos organizados de forma predefinida, comúnmente en formato tabular con filas y columnas, facilitando su búsqueda y análisis.

Datos no estructurados

Datos que carecen de un formato específico o predefinido, incluyendo archivos de texto libre, imágenes, archivos de audio y vídeos.

Amazon SageMaker JumpStart

Servicio que ofrece soluciones de extremo a extremo con un solo clic y acceso a modelos fundacionales y LLMs preentrenados para desarrollo de IA.

Temperatura (Temperature)

Parámetro de generación de modelos de lenguaje en el que un valor más alto produce respuestas más creativas y variadas para un mismo prompt.

Generación Aumentada por Recuperación (RAG)

Técnica de IA generativa que recupera información relevante de bases de datos o documentos externos para fundamentar y enriquecer las respuestas generadas por un LLM.