Tequio: AWS Academy Machine Learning Foundations(1.er Corte)
NOTA: HORAS Y FECHAS DE ESTUDIO POR CONFIRMAR
El aprendizaje automático no se domina memorizando algoritmos ni ejecutando celdas de código en solitario: cobra sentido cuando desmenuzamos la intuición matemática en equipo, analizamos datos reales y resolvemos los retos de llevar modelos a producción en la nube.
Este primer corte es un programa intensivo de certificación en modalidad híbrida organizado por la comunidad Tequio. Diseñado bajo un formato de mesa redonda técnica, utilizamos el currículo y los laboratorios oficiales de AWS Academy Machine Learning Foundations [64709] como eje para debatir conceptos, resolver dudas en grupo y construir el criterio necesario para certificarse en la industria.
Para garantizar que todos participen activamente y reciban retroalimentación directa, el cupo está estrictamente limitado a 15 estudiantes universitarios.
Dinámica del Programa
Mesa redonda técnica: Espacios de discusión abierta donde planteamos problemas de machine learning, contrastamos enfoques y construimos las soluciones en conjunto.
Modalidad híbrida: Sesiones virtuales en vivo dedicadas a la discusión conceptual y matemática aplicada, complementadas con talleres presenciales de código, despliegue y networking.
Laboratorios prácticos oficiales: Prácticas directas en la consola de AWS utilizando Amazon SageMaker y servicios de IA para entrenar, evaluar y desplegar modelos.
Acompañamiento colaborativo: Un espacio donde el aprendizaje se comparte; nos apoyamos mutuamente para resolver bloqueos técnicos y avanzar hacia la certificación en bloque.
Contenido Temático
El Pipeline de Machine Learning: Formulación del problema, ingesta, preprocesamiento, validación y monitoreo continuo.
Modelos y Algoritmos: Regresión, clasificación, agrupamiento (clustering) y deep learning: selección de modelos y métricas de evaluación (precisión, recall, F1-score, AUC).
Ingeniería de Características en AWS: Limpieza, transformación y escalado de datos para entrenamiento.
Amazon SageMaker: Creación de notebooks, entrenamiento distribuido, ajuste de hiperparámetros y despliegue de endpoints.
Servicios de IA Aplicada y Ética: Detección de sesgos en datos, consideraciones de privacidad, visión por computadora y procesamiento de lenguaje natural (NLP).
Información Clave
Modalidad: Híbrida (sesiones online en vivo + talleres presenciales).
Cupo: 15 participantes (estudiantes universitarios activos).
Compromiso: Participación activa en los debates, cámara y micrófono encendidos en sesiones virtuales, y avance constante en los laboratorios de AWS.
Requisitos: Ser estudiante universitario regular con nociones básicas de Python y matemáticas/estadística para ciencia de datos. Registro obligatorio con correo institucional.