Fundamentos de IA y ML

Fundamentos de IA y ML es el dominio que abre el curso AWS Certified AI Practitioner, y se gana ese lugar porque te da las palabras sobre las que se construye todo lo demás. Antes de comparar Bedrock con SageMaker, razonar sobre ataques de prompt o juzgar si un modelo es justo, necesitas una imagen clara de qué son realmente la IA, el machine learning y el deep learning, y en qué se diferencian.

El dominio empieza con las definiciones base y cómo aprenden los modelos a partir de datos, luego pasa a dónde la IA encaja bien y dónde no, y cierra con el ciclo de vida que convierte una idea en un modelo en producción.

Qué cubre este dominio

• la diferencia entre IA, machine learning, deep learning y redes neuronales
• la IA generativa y agéntica, y los tipos de datos de los que aprenden los modelos
• el aprendizaje supervisado, no supervisado y por refuerzo, y los tipos principales de inferencia
• cuándo la IA es la herramienta adecuada y cuándo gana un enfoque más simple
• problemas comunes como regresión, clasificación y clustering, más los servicios de IA administrados de AWS
• el ciclo de vida del desarrollo de IA/ML, del pipeline a MLOps, y las métricas de modelo y de negocio que miden el éxito

Por qué es importante

Los dominios posteriores dan por sentado que ya hablas este idioma. Una pregunta sobre elegir un modelo fundacional, asegurar un pipeline o detectar sesgo se vuelve mucho más difícil si aún dudas de qué hacen los datos de entrenamiento o de en qué se diferencia la inferencia del entrenamiento. Domina estos fundamentos y buena parte de las preguntas del examen se convierten en problemas de razonamiento en lugar de adivinanzas.

Este dominio también marca un patrón al que vuelve toda la certificación: AWS se encarga de la infraestructura pesada de la IA para que los equipos se concentren en elegir el enfoque correcto, alimentarlo con buenos datos y medir si de verdad ayudó al negocio.