Servicios de IA y machine learning de AWS

Por qué esto importa

AWS te da machine learning en tres niveles de esfuerzo muy distintos. Puedes llamar a un servicio de IA listo para usar y obtener un resultado en una sola solicitud a la API, puedes construir y entrenar tu propio modelo en la plataforma Amazon SageMaker, o puedes apoyarte en la IA generativa con modelos fundacionales. El examen CLF-C02 no te pide entrenar un modelo ni escribir código. Te pide reconocer los servicios principales y asociar un problema descrito con el servicio correcto.

Esta lección ordena el stack de IA y ML de AWS para que los nombres dejen de mezclarse. Vas a ver en qué se diferencian las capas, para qué sirve cada servicio preentrenado, dónde encaja SageMaker y cuáles servicios cubren la IA generativa.

Las tres capas del stack de IA de AWS

Piensa en el machine learning de AWS como tres capas apiladas, de menos esfuerzo a más control.

Los servicios de IA preentrenados están arriba. AWS ya entrenó estos modelos, así que envías datos a una API y recibes una respuesta: una etiqueta para una imagen, el sentimiento de una frase, un archivo de audio a partir de texto. No necesitas saber de ML. Aquí cae la mayoría de las preguntas del Cloud Practitioner.

La plataforma de ML, Amazon SageMaker, está en el medio. Recurres a ella cuando los servicios preentrenados no encajan y necesitas construir, entrenar y desplegar tu propio modelo sobre tus datos. Sigue quitándote mucho trabajo pesado, pero aquí ya haces ML de verdad.

La IA generativa es la capa más nueva. Amazon Bedrock y Amazon Q te dejan usar modelos fundacionales para generar texto, responder preguntas y armar asistentes, sin entrenar un modelo desde cero.

Una regla rápida: si AWS ya resolvió el problema, usa un servicio preentrenado; si necesitas un modelo a medida, usa SageMaker; si quieres IA generativa, usa Bedrock o Q.

Servicios de IA preentrenados

Estos servicios entregan inteligencia lista para usar a través de una API. No entrenas nada. El examen espera que sepas qué hace cada uno y que elijas el correcto para un escenario.

Hay algunos pares que confunden, así que fíjalos ahora:

• Polly contra Transcribe. Polly es texto a voz (entra texto, sale audio). Transcribe es voz a texto (entra audio, sale texto). Son imágenes espejo uno del otro.
• Comprehend contra Translate. Comprehend analiza qué significa el texto (sentimiento, entidades, idioma). Translate convierte el texto de un idioma a otro.
• Rekognition contra Textract. Rekognition analiza imágenes y video buscando objetos, personas y escenas. Textract saca texto y datos estructurados de documentos como formularios y tablas.

Amazon SageMaker

Amazon SageMaker es la plataforma para construir, entrenar y desplegar tus propios modelos de machine learning. La usas cuando los servicios preentrenados no cubren tu problema y necesitas un modelo entrenado con tus datos específicos, por ejemplo predecir la falla de un equipo a partir de las lecturas de tus propios sensores.

SageMaker reúne las herramientas de todo el flujo de ML en un solo lugar: preparar los datos, elegir un algoritmo, entrenar el modelo, ajustarlo y desplegarlo para hacer predicciones. Administra la infraestructura de fondo para que te concentres en el modelo y no en los servidores.

Para el examen, mantén una línea clara: un servicio de IA preentrenado es un producto terminado que llamas por una API, mientras que SageMaker es el taller donde construyes el modelo tú mismo. Si una pregunta describe a un equipo construyendo y entrenando un modelo a medida, la respuesta es SageMaker.

IA generativa: Amazon Bedrock y Amazon Q

La IA generativa usa grandes modelos fundacionales para producir contenido nuevo, como texto, resúmenes y respuestas. AWS ofrece dos servicios que debes reconocer.

Amazon Bedrock es un servicio totalmente administrado que pone a tu alcance modelos fundacionales de Amazon y de empresas líderes en IA a través de una sola API. Puedes experimentar con esos modelos, personalizarlos con tus datos y construir aplicaciones de IA generativa sin administrar infraestructura ni entrenar un modelo desde cero. Bedrock es el servicio para desarrolladores que integran funciones de IA generativa en sus propias apps.

Amazon Q es un asistente de IA generativa. Amazon Q Business responde preguntas, resume información y completa tareas usando los datos internos de tu empresa, lo que ayuda a los empleados a trabajar más rápido. Amazon Q Developer ayuda a programar, probar, depurar y trabajar con recursos de AWS. Piensa en Q como un asistente listo para usar, mientras que Bedrock es el bloque de construcción para tus propias apps de IA generativa.

Consejos para el examen

• El stack de IA de AWS tiene tres capas: servicios de IA preentrenados (llamas a una API), Amazon SageMaker (construyes tu propio modelo) e IA generativa (Amazon Bedrock y Amazon Q).
• Los servicios de IA preentrenados no necesitan experiencia en ML. Asocia el servicio con la tarea: Rekognition (imágenes y video), Comprehend (significado del texto), Textract (datos de documentos), Translate (idiomas), Polly (texto a voz), Transcribe (voz a texto), Lex (chatbots), Kendra (búsqueda), Personalize (recomendaciones), Forecast (predicción de series temporales), Fraud Detector (fraude).
• Recuerda los pares espejo: Polly es texto a voz, Transcribe es voz a texto.
• Amazon SageMaker es la plataforma para construir, entrenar y desplegar modelos a medida. Elígelo cuando un escenario implique construir un modelo sobre tus propios datos.
• Amazon Bedrock da acceso a modelos fundacionales a través de una sola API para construir apps de IA generativa. Amazon Q es un asistente de IA generativa listo para usar.