AWS Certified AI Practitioner
Ingeniería de datos segura para IA
Las cuatro prácticas que nombra el examen para el pipeline de datos detrás de un modelo: evaluar la calidad de los datos, tecnologías que refuerzan la privacidad, control de acceso a datos e integridad de datos.
Intermedio 22 minutos 5 Objetivos de aprendizaje
- Explicar por qué los problemas de datos se vuelven permanentes una vez que un modelo los entrenó
- Usar rulesets de AWS Glue Data Quality para evaluar un dataset antes de que llegue a un modelo
- Comparar tecnologías que refuerzan la privacidad y elegir una según la restricción dada
- Diseñar control de acceso a datos por capas entre S3, IAM y Lake Formation
- Describir los controles de integridad que vuelven reproducible y a prueba de manipulación a un corpus de entrenamiento