AWS Academy Machine Learning Foundations 2022, segunda edición

Este curso está enmarcado dentro del programa oficial Amazon Web Services (AWS) Academy y está orientado a profesionales quienes quieran aprender de Machine Learning (ML), AWS, ya sea tengan un background en ML, AWS, o ninguna de ellas y sean analistas de negocios. Por eso el curso mezcla servicios de alto nivel ("serverless o managed services") con otros de más bajo nivel para los hardcores.

El curso es preparado y constantemente actualizado por AWS y complementado por los Instructores con material extra y demos en vivo. Quienes terminen el curso obtienen un badge oficial de AWS Academy, como éste:

No se requieren conocimientos previos de AWS ni de Machine Learning, ciertos conocimientos básicos de Python son preferibles pero si no los tienen se los apunta a cursos gratuitos de Kaggle.

Los participantes disponen, una vez registrados, en sus cuentas, con videos, presentaciones embebidas en su cuenta tipo "powerpoint", laboratorios guiados y un Sandbox para experimentar.

Los créditos para los laboratorios y el Sandbox están incluidos en el curso, para los laboratorios tienen USD$50 de créditos y para el Sandbox USD $100 -- no necesitan una tarjeta de crédito de garantía en ningún caso, de modo que solo con los créditos el curso se paga solo.

El material está disponible solo en Inglés, por lo que se requieren conocimientos mínimos de Inglés tecnico (lectura), pero las clases y discusiones serán en Español.

El curso consistirá de seis clases sincrónicas virtuales (via Zoom), una clase por semana, de 3 horas cada una, de 6:30pm a 9:30pm ART comenzando el Miércoles 13 de Julio del 2022. El curso permanecerá, para quienes sean seleccionados para participar, abierto hasta el 19 de Diciembre del 2022, así pueden aprovecharlo al máximo.

Para las discusiones asincrónicas se usará la plataforma Piazza. Al ser un curso virtual, está abierto a participantes de toda Argentina y otros países en Latinoamérica.

El precio del curso es de ART$30.000 (treinta mil pesos argentinos, son alrededor de 150 dólares) en un solo pago a hacer antes del comienzo de clases, con fecha límite de inscripción (y pago) el 15 de Junio del 2022. Se puede hacer por transferencia bancaria o, para los participantes internacionales, por otras vias a consultar.

El cupo mínimo para dar el curso es de 20 participantes, el máximo es de 40, el orden de prioridad se dará por pago de inscripción. No se prevee en esta edición la posibilidad de becas ni tampoco otra edición de este curso en el 2022. El 28 de Mayo voy a dar una charla informativo y responder a preguntas y FAQs, al pre-inscribirse les va a llegar una invitación para la charla informativa via Zoom.

Para expresar su interés por favor llenar esta forma.

El curso es similar (actualizado y extendido) al que dimos en el 2020 en la Diplomatura en Ciencia de Datos, Aprendizaje Automático y sus Aplicaciones de FaMAF (Universidad Nacional de Cordoba) y al que mismo en el 2021 en la Diplomatura Universitaria en Inteligencia Artificial en la Universidad Nacional del Centro (Buenos Aires) .

Introduction

Module 1 - Welcome to AWS Machine Learning Foundations

Module 2 - Introducing Machine Learning
2.1: What is machine learning?
2.2: Business problems solved with machine learning
2.3: Machine learning process
2.4: Machine learning tools overview
2.5 Machine learning challenges
Demo - Amazon Sagemaker

Module 3 - Implementing a Machine Learning pipeline with Amazon SageMaker
3.1: Formulating machine learning problems
3.2: Collecting and securing data: extracting, transforming, loading and securing data
3.3: Evaluating your data: describing your data, finding correlations.
Lab 3.1 - Amazon SageMaker - Exploring Data
3.4: Feature engineering:
Cleaning your data, dealing with outliers and selecting features
Lab 3.3 - Amazon SageMaker - Encoding Categorical Data
3.5: Training
Demo - Training a model using Amazon SageMaker
Lab 3.4 - Amazon SageMaker - Training a model
3.6: Hosting and using the model
Lab 3.5: - Amazon SageMaker - Deploying a model
3.7: Evaluating the accuracy of the model:
Calculating classification metrics, selecting classification thresholds
Lab 3.6: - Amazon SageMaker - Generating model performance metrics
3.8: Hyperparameter and model tuning
Lab 3.7: - Amazon SageMaker - Hyperparameter Tuning
Demo - Using Hyperparameters
Demo - Accelerate with Amazon Sagemaker Autopilog

Challenge Lab

Module 4 - Introducing Forecasting
4.1: Forecasting overview
4.2: Processing time series data
4.3: Using Amazon Forecast
Lab 4: Creating a forecast with Amazon Forecast

Module 5 - Introducing Computer Vision
5.1: Introduction to computer vision
5.2: Image and video analysis
Facial recognition
Demo - Video Analysis with Amazon Rekognition
5.3: Preparing custom datasets for computer vision
Creating the training dataset
Creating the test dataset
Evaluate and improve your model
Demo - Labeling images with Amazon Ground Truth
Lab 5 - Guided Lab: Facial Recognition

Module 6 - Introducing Natural Language Processing (NLP)
6.1: Overview of NLP
6.2: NLP managed services
Demo - Amazon Comprehend
Demo - Amazon Polly
Demo - Amazon Translate
Lab 6: Amazon Lex - Create a chatbot

Module 7 - Course Wrap-Up

Sandbox

Badges and Completion Certificates

El Sandbox provee de un entorno para experimentar (a diferencia de los laboratorios, que son autoguiados), con sesiones persistentes. Para este curso tienen USD$ 100 por participante de crédito para usar a discreción, teniendo acceso a los servicios principales de Machine Learning de AWS (y más).

Manuel Tiglio es Instructor acreditado de AWS Academy, Profesor Asociado de FaMAF, e Investigador Principal en CONICET. Es bilingue, ciudadano de Argentina y US, y se dedica a democratizar tecnologías disruptivas, entre tantas otras cosas. Actualmente vive en la hermosa ciudad de Córdoba Argentina, su domicilio previo fue en San Diego y San Francisco (precedido por Pasadena, Washington DC, Ithaca NY, Baton Rouge LA, y State College PA).

- Clase 1: Introducción al curso, a AWS (crash course de Cloud Practitioner), Machine Learning, al uso de la plataforma Vocareum de los laboratorios, y a SageMaker. Introducción a Visión Computacional: análisis de imágenes y videos: Amazon Rekognition, Amazon Ground Truth.

- Clase 2: Machine Learning Automatizado, Amazon SageMaker AutoPilot y SageMaker Canvas.

- Clase 3: Procesamiento de Lenguaje Natural: Amazon Comprehend, Amazon Polly y Amazon Translate. Crear un chatbot usando Amazon Lex.

- Clase 4: Implementación de pipelines de Machine Learning usando Amazon SageMaker: Formulación de problemas de Machine Learning, Colección y seguridad de datos, Evaluación de datos, Feature engineering.

- Clase 5: Entrenamiento. Hospedaje, utilización y evaluación de modelos. Afinación y optimización de hiperparámetros.

- Clase 6: Series temporales y predicciones (“Forecasting”), Amazon Forecast.

Este es un proyecto opcional del curso, que require bastante trabajo (por ejemplo, cada sesión dura hasta 6 horas). Si lo hacen, recomendamos que piensen en hacerlo en grupos de trabajo/estudio.
A diferencia de los laboratorios, que son completamente guiados, este desafío es parcialmente guiado.
La siguiente es una descripción suscinta:

Amazon SageMaker Challenge Lab: Predicting Airplane Delays
Objectives

After completing this lab, you will be able to:

• Process and create a dataset from downloaded ZIP files

• Perform exploratory data analysis (EDA)

• Establish a baseline model

• Perform hyperparameter optimization

• Use metrics to compare the performance between models