IA en la Nube · Lección 07
¿Qué alcance tiene Amazon SageMaker como plataforma de machine learning, comparado con un servicio enfocado únicamente en servir modelos fundacionales ya entrenados como Bedrock?
SageMaker cubre el ciclo de vida completo de ML (preparación de datos, entrenamiento de modelos propios, ajuste de hiperparámetros, despliegue, monitoreo), mientras Bedrock se enfoca específicamente en dar acceso a modelos fundacionales ya entrenados listos para usar
SageMaker y Bedrock son exactamente el mismo servicio con un nombre distinto, sin ninguna diferencia real de alcance o propósito entre ellos
SageMaker solo puede usarse para exactamente un único tipo de modelo de ML en total, sin ninguna flexibilidad real para distintos tipos de problemas
Este servicio elimina por completo la necesidad de que el equipo tenga cualquier conocimiento de ciencia de datos o machine learning
IA en la Nube · Lección 07
Completa el código
SageMaker cubre el ciclo de vida completo, desde preparación de datos hasta
Revisa: cubre el ciclo de vida completo, desde preparación de datos hasta despliegue.
IA en la Nube · Lección 07
¿Por qué un equipo que necesita entrenar un modelo de clasificación personalizado con sus propios datos específicos de negocio necesitaría usar SageMaker en vez de Bedrock, que solo da acceso a modelos fundacionales ya entrenados?
Pista: Bedrock da acceso a modelos fundacionales ya entrenados y listos para usar, pero no está diseñado para entrenar un modelo completamente nuevo desde cero con datos propios específicos de negocio; SageMaker sí cubre específicamente ese proceso de entrenamiento personalizado, siendo la herramienta apropiada cuando el objetivo es construir un modelo propio en vez de usar uno ya existente.
✓
¡Lección completada!
Amazon SageMaker — plataforma de ML de extremo a extremo
0
XP ganado
3
Vidas restantes