IA/ML y análisis de datos

1. Introducción #

La inteligencia artificial, el machine learning y el análisis de datos permiten a las empresas obtener valor a partir de sus datos.

Una empresa puede usar estos datos para:

• Detectar patrones.
• Predecir comportamientos.
• Recomendar productos.
• Automatizar tareas.
• Analizar tendencias.
• Mejorar decisiones de negocio.
• Crear nuevos productos o servicios.

Ejemplo:

Una cafetería podría analizar pedidos anteriores para recomendar productos, prever demanda de café o decidir dónde abrir una nueva tienda.

2. Inteligencia artificial, machine learning y deep learning #

2.1 Inteligencia Artificial #

La Inteligencia Artificial (IA) es un campo amplio que busca crear sistemas capaces de realizar tareas que normalmente requieren inteligencia humana.

Ejemplos:

• Entender lenguaje natural.
• Reconocer imágenes.
• Conversar con usuarios.
• Traducir textos.
• Generar contenido.
• Tomar decisiones basadas en datos.

2.2 Machine Learning #

El Machine Learning (ML) es una rama de la IA.

Consiste en entrenar modelos con datos para que aprendan patrones y puedan hacer predicciones o tomar decisiones sin programar reglas explícitas.

Ejemplo clásico #

Sin ML:

1Si el cliente compra café latte → recomendar pan de queso

Con ML:

1El modelo analiza compras históricas y recomienda productos personalizados.

2.3 Entrenamiento e inferencia #

Entrenamiento #

Proceso en el que un modelo aprende patrones a partir de datos históricos.

Inferencia #

Uso del modelo ya entrenado para hacer predicciones sobre datos nuevos.

Ejemplo:

• Entrenamiento: analizar miles de pedidos anteriores.
• Inferencia: recomendar un producto a un nuevo cliente.

2.4 Deep Learning #

El Deep Learning es un subconjunto del machine learning.

Utiliza redes neuronales artificiales con varias capas para resolver problemas complejos.

Es especialmente útil en:

• Visión artificial.
• Procesamiento de lenguaje natural.
• Reconocimiento de voz.
• IA generativa.

3. IA generativa #

¿Qué es la IA generativa? #

La IA generativa es un tipo de deep learning capaz de crear contenido nuevo.

Puede generar:

• Texto.
• Imágenes.
• Música.
• Vídeos.
• Conversaciones.
• Código.
• Ideas.

Modelos fundacionales #

Los modelos fundacionales (FM) son modelos de IA muy grandes, preentrenados con enormes cantidades de datos.

Pueden adaptarse a múltiples tareas.

LLM #

Un LLM, o Large Language Model, es un tipo de modelo fundacional entrenado principalmente con texto.

Se utiliza para:

• Responder preguntas.
• Resumir documentos.
• Generar texto.
• Traducir.
• Crear asistentes conversacionales.
• Ayudar a programar.

4. Pila de IA y Machine Learning en AWS #

AWS organiza sus soluciones de IA/ML en tres niveles.

Nivel 1: Servicios de IA de AWS #

Son servicios administrados que ya incluyen modelos preentrenados.

El usuario no necesita entrenar el modelo desde cero.

Son ideales para tareas comunes como:

• Traducir.
• Transcribir voz.
• Analizar texto.
• Reconocer imágenes.
• Crear chatbots.
• Generar recomendaciones.

Nivel 2: Servicios de Machine Learning #

Ofrecen más control y personalización.

El servicio principal es:

• Amazon SageMaker AI.

Permite crear, entrenar y desplegar modelos propios sin gestionar toda la infraestructura.

Nivel 3: Marcos e infraestructura de ML #

Nivel más avanzado y personalizable.

Permite usar:

• Amazon EC2 optimizado para ML.
• Amazon ECS.
• Amazon EMR.
• Frameworks como TensorFlow, PyTorch y Apache MXNet.

Es adecuado cuando una empresa necesita control total sobre el entrenamiento y la infraestructura.

5. Servicios lingüísticos de IA #

5.1 Amazon Comprehend #

Amazon Comprehend usa procesamiento de lenguaje natural para analizar texto.

Permite detectar:

• Idioma.
• Sentimiento.
• Frases clave.
• Entidades.
• Temas.

Casos de uso #

• Análisis de opiniones de clientes.
• Clasificación de contenido.
• Supervisión de cumplimiento.
• Análisis de encuestas.

5.2 Amazon Polly #

Amazon Polly convierte texto en voz realista.

Casos de uso #

• Asistentes virtuales.
• Lectura automática de textos.
• Accesibilidad.
• Aplicaciones educativas.

5.3 Amazon Transcribe #

Amazon Transcribe convierte voz en texto.

Casos de uso #

• Transcripción de llamadas.
• Subtítulos automáticos.
• Análisis de reuniones.
• Generación de metadatos multimedia.

5.4 Amazon Translate #

Amazon Translate traduce texto entre idiomas.

Casos de uso #

• Traducción de documentos.
• Aplicaciones multilingües.
• Comunicación global.
• Traducción en tiempo real o por lotes.

6. Servicios de visión, búsqueda y extracción #

6.1 Amazon Rekognition #

Amazon Rekognition analiza imágenes y vídeos.

Puede identificar:

• Objetos.
• Personas.
• Texto.
• Escenas.
• Actividades.
• Contenido inapropiado.

Casos de uso #

• Moderación de contenido.
• Verificación de identidad.
• Análisis multimedia.
• Automatización con cámaras.

6.2 Amazon Textract #

Amazon Textract extrae texto de documentos, formularios y tablas.

Puede reconocer texto impreso y manuscrito.

Casos de uso #

• Procesamiento de facturas.
• Formularios sanitarios.
• Documentos financieros.
• Documentos administrativos.

6.3 Amazon Kendra #

Amazon Kendra es un servicio de búsqueda inteligente empresarial.

Usa lenguaje natural para encontrar respuestas dentro de documentos y contenido corporativo.

Casos de uso #

• Buscadores internos.
• Chatbots empresariales.
• Preguntas frecuentes.
• Búsqueda documental avanzada.

7. Servicios de personalización e IA conversacional #

7.1 Amazon Lex #

Amazon Lex permite crear interfaces conversacionales de voz y texto.

Usa:

• Reconocimiento automático de voz.
• Comprensión del lenguaje natural.

Casos de uso #

• Chatbots.
• Asistentes virtuales.
• Atención al cliente.
• Automatización de preguntas frecuentes.

7.2 Amazon Personalize #

Amazon Personalize permite crear recomendaciones personalizadas usando datos históricos.

Casos de uso #

• Recomendación de productos.
• Recomendación de películas o música.
• Personalización de contenido.
• Recomendación de tendencias.

8. Amazon SageMaker AI #

¿Qué es? #

Amazon SageMaker AI es un servicio completamente administrado para crear, entrenar y desplegar modelos de machine learning.

Permite trabajar con modelos propios sin tener que administrar toda la infraestructura.

Funciones principales #

SageMaker AI permite:

• Preparar datos.
• Entrenar modelos.
• Desplegar modelos.
• Supervisar modelos.
• Depurar modelos.
• Visualizar experimentos.
• Gestionar flujos de trabajo de ML.
• Usar modelos preentrenados.

Casos de uso #

• Predicción de demanda.
• Detección de fraude.
• Clasificación de imágenes.
• Modelos personalizados.
• Análisis predictivo.
• Sistemas de recomendación.

9. IA generativa en AWS #

AWS ofrece varios servicios para construir soluciones de IA generativa.

9.1 Amazon SageMaker JumpStart #

SageMaker JumpStart es un centro dentro de SageMaker AI con modelos fundacionales y soluciones prediseñadas.

Permite desplegar modelos preentrenados rápidamente.

Casos de uso #

• Prototipos rápidos.
• Ajuste de modelos.
• Experimentación con IA.
• Soluciones de ML prediseñadas.

9.2 Amazon Bedrock #

Amazon Bedrock es un servicio completamente administrado para crear aplicaciones de IA generativa usando modelos fundacionales.

Permite acceder a modelos de Amazon y de otros proveedores mediante una API común.

Características #

• No requiere administrar infraestructura.
• Permite usar varios modelos fundacionales.
• Permite adaptar modelos con datos propios.
• Se integra con aplicaciones de AWS.
• Está pensado para IA generativa empresarial.

Casos de uso #

• Chatbots avanzados.
• Generación de texto.
• Generación de imágenes.
• Resumen de documentos.
• Asistentes empresariales.
• Aplicaciones multimodales.

9.3 Amazon Q #

Amazon Q es un asistente de IA generativa de AWS.

Puede ayudar a obtener información, responder preguntas y automatizar tareas.

Amazon Q Business #

Orientado a usuarios de negocio.

Se integra con repositorios de información de la empresa.

Casos de uso #

• Responder preguntas internas.
• Buscar información corporativa.
• Automatizar flujos de trabajo.
• Extraer conocimiento de documentos.

Amazon Q Developer #

Orientado a desarrolladores.

Ayuda a escribir, revisar y mejorar código.

Casos de uso #

• Generar código.
• Explicar código.
• Revisar seguridad.
• Mejorar productividad del desarrollo.

10. Introducción al análisis de datos #

El análisis de datos consiste en transformar datos históricos sin procesar para descubrir información útil.

Sirve para:

• Encontrar tendencias.
• Explicar decisiones.
• Generar informes.
• Mejorar procesos.
• Tomar decisiones basadas en datos.

Ejemplos #

• Una entidad financiera analiza riesgos de préstamo.
• Un hospital analiza datos de ensayos clínicos.
• Una aseguradora revisa modelos de riesgo.
• Una tienda analiza ventas por temporada.

11. Data Lake y Data Warehouse #

11.1 Data Lake #

Un lago de datos almacena grandes cantidades de datos en bruto.

Puede contener datos:

• Estructurados.
• Semiestructurados.
• No estructurados.

Servicio habitual #

• Amazon S3.

Ideal para #

• IA/ML.
• Big data.
• Datos sin procesar.
• Grandes volúmenes de información.

11.2 Data Warehouse #

Un almacén de datos almacena datos más estructurados y optimizados para análisis.

Servicio habitual #

• Amazon Redshift.

Ideal para #

• Business Intelligence.
• Informes.
• Consultas analíticas.
• Datos organizados y preparados.

12. ETL, ELT y cero ETL #

12.1 ETL #

ETL significa:

• Extract.
• Transform.
• Load.

En español:

• Extraer.
• Transformar.
• Cargar.

Proceso:

1. Extraer datos de varios orígenes.
2. Transformarlos a un formato común.
3. Cargarlos en un destino.

12.2 ELT #

ELT significa:

• Extract.
• Load.
• Transform.

Primero se cargan los datos y luego se transforman.

Es habitual cuando se usan lagos de datos.

12.3 Cero ETL #

El enfoque cero ETL se usa cuando los datos ya están disponibles en una forma útil para el sistema destino.

Reduce la necesidad de mover y transformar datos manualmente.

13. Canalizaciones de datos #

Una canalización de datos automatiza el movimiento y transformación de datos.

Puede incluir:

1. Ingesta.
2. Almacenamiento.
3. Catalogación.
4. Procesamiento.
5. Consulta.
6. Visualización.

14. Servicios de ingesta de datos #

14.1 Amazon Kinesis Data Streams #

Amazon Kinesis Data Streams permite ingerir datos en tiempo real.

Casos de uso #

• Datos de sensores.
• Datos bursátiles.
• Clics de usuarios.
• Logs en tiempo real.
• Eventos de aplicaciones.

Es adecuado cuando se necesita baja latencia.

14.2 Amazon Data Firehose #

Amazon Data Firehose permite entregar datos casi en tiempo real a destinos de almacenamiento y análisis.

Puede entregar datos a:

• Amazon S3.
• Amazon Redshift.
• Servicios de análisis.

Casos de uso #

• Datos de dispositivos IoT.
• Logs de aplicaciones.
• Métricas.
• Ingesta continua hacia un data lake.

15. Servicios de almacenamiento de datos #

15.1 Amazon S3 #

Amazon S3 es muy usado como base de un lago de datos.

Permite almacenar grandes cantidades de datos de forma escalable y segura.

Ideal para #

• Datos brutos.
• Datos estructurados.
• Datos no estructurados.
• Datos para ML.
• Data lakes.

15.2 Amazon Redshift #

Amazon Redshift es un almacén de datos completamente administrado.

Está diseñado para analizar grandes volúmenes de datos.

Características #

• Consultas SQL complejas.
• Arquitectura de procesamiento masivamente paralelo.
• Almacenamiento en columnas.
• Escala a petabytes.
• Pago por uso.

Ideal para #

• Business Intelligence.
• Informes frecuentes.
• Análisis de grandes conjuntos de datos.
• Consultas de alto rendimiento.

16. Catalogación de datos #

AWS Glue Data Catalog #

El Catálogo de datos de AWS Glue es un repositorio centralizado de metadatos.

Ayuda a saber:

• Qué datos existen.
• Dónde están.
• Qué formato tienen.
• Cómo deben interpretarse.

Beneficios #

• Mejora la detección de datos.
• Facilita ETL.
• Centraliza metadatos.
• Se integra con otros servicios de análisis.

17. Procesamiento de datos #

17.1 AWS Glue #

AWS Glue es un servicio administrado de ETL.

Permite preparar datos para análisis.

Funciones #

• Crear trabajos ETL.
• Transformar datos.
• Limpiar datos.
• Programar procesos.
• Usar scripts.
• Usar herramientas visuales o sin código.

Ideal para #

• Preparación de datos.
• Automatización ETL.
• Transformaciones simples o medias.
• Integración con S3 y Redshift.

17.2 Amazon EMR #

Amazon EMR permite procesar grandes volúmenes de datos usando frameworks de big data.

Admite:

• Apache Spark.
• Apache Hadoop.
• Apache Hive.

Ideal para #

• Big data.
• Procesamiento distribuido.
• Análisis a gran escala.
• Equipos con experiencia en Spark o Hadoop.
• Configuraciones avanzadas.

18. Consulta y análisis de datos #

18.1 Amazon Athena #

Amazon Athena permite consultar datos usando SQL sin administrar servidores.

Puede consultar datos en:

• Amazon S3.
• Fuentes relacionales.
• Fuentes no relacionales.
• Entornos híbridos.
• Entornos multinube.

Características #

• Serverless.
• Pago por consulta.
• Usa SQL.
• Ideal para análisis ad hoc.

18.2 Amazon Redshift #

Además de almacenar datos, Redshift también permite analizarlos.

Es mejor para consultas complejas, frecuentes y de alto rendimiento sobre grandes conjuntos de datos.

19. Visualización de datos #

19.1 Amazon QuickSight #

Amazon QuickSight es un servicio de Business Intelligence.

Permite crear:

• Paneles.
• Informes.
• Gráficos.
• Visualizaciones interactivas.

Características #

• Administrado.
• Escalable.
• Para usuarios técnicos y no técnicos.
• Integración con Amazon Q.
• Permite preguntas en lenguaje natural.

19.2 Amazon OpenSearch Service #

Amazon OpenSearch Service permite buscar, analizar y visualizar datos en tiempo real.

Casos de uso #

• Análisis de logs.
• Observabilidad.
• Monitorización de aplicaciones.
• Búsqueda en sitios web.
• Análisis operativo.
• Métricas y trazas.

20. Ejemplo de canalización de datos en AWS #

Una empresa quiere analizar el comportamiento de clientes en su aplicación.

Flujo posible #

1Aplicación web
2   ↓
3Amazon Kinesis Data Streams
4   ↓
5Amazon S3
6   ↓
7AWS Glue Data Catalog
8   ↓
9AWS Glue / Amazon EMR
10   ↓
11Amazon Athena / Amazon Redshift
12   ↓
13Amazon QuickSight

Resultado #

La empresa puede crear informes, detectar patrones y alimentar modelos de machine learning.

21. Comparación rápida de servicios de análisis #

22. Casos prácticos #

Caso 1: Recomendaciones personalizadas #

Una cafetería quiere recomendar productos a sus clientes.

Servicio recomendado #

Amazon Personalize.

Caso 2: Chatbot para atención al cliente #

Una empresa quiere que los usuarios hablen con un asistente virtual.

Servicio recomendado #

Amazon Lex.

Caso 3: Traducir una aplicación #

Una empresa quiere traducir contenido automáticamente a varios idiomas.

Servicio recomendado #

Amazon Translate.

Caso 4: Analizar opiniones de clientes #

Una empresa quiere saber si los comentarios son positivos o negativos.

Servicio recomendado #

Amazon Comprehend.

Caso 5: Extraer datos de facturas #

Una empresa quiere automatizar lectura de documentos.

Servicio recomendado #

Amazon Textract.

Caso 6: Crear una aplicación de IA generativa #

Una empresa quiere usar modelos fundacionales sin administrar infraestructura.

Servicio recomendado #

Amazon Bedrock.

Caso 7: Consultar datos en S3 con SQL #

Una empresa tiene datos en S3 y quiere analizarlos sin crear servidores.

Servicio recomendado #

Amazon Athena.

Caso 8: Crear dashboards empresariales #

Una empresa quiere informes visuales e interactivos.

Servicio recomendado #

Amazon QuickSight.

23. Ideas clave para el examen AWS Cloud Practitioner #

• IA es el campo amplio de sistemas inteligentes.
• Machine Learning es un subconjunto de IA.
• Deep Learning es un subconjunto de ML.
• IA generativa crea contenido nuevo.
• Los modelos fundacionales son modelos grandes preentrenados.
• Los LLM son modelos fundacionales entrenados con texto.
• Amazon Comprehend analiza texto y sentimiento.
• Amazon Polly convierte texto en voz.
• Amazon Transcribe convierte voz en texto.
• Amazon Translate traduce texto.
• Amazon Rekognition analiza imágenes y vídeos.
• Amazon Textract extrae texto de documentos.
• Amazon Kendra es búsqueda inteligente empresarial.
• Amazon Lex crea chatbots de voz y texto.
• Amazon Personalize crea recomendaciones personalizadas.
• SageMaker AI sirve para crear, entrenar y desplegar modelos ML.
• SageMaker JumpStart ofrece modelos y soluciones prediseñadas.
• Amazon Bedrock permite usar modelos fundacionales mediante un servicio administrado.
• Amazon Q es un asistente de IA generativa.
• S3 se usa frecuentemente como lago de datos.
• Redshift es un almacén de datos.
• Glue sirve para ETL y catálogo de datos.
• Kinesis Data Streams sirve para ingesta en tiempo real.
• Data Firehose entrega datos casi en tiempo real.
• EMR procesa big data con Spark, Hadoop y Hive.
• Athena consulta datos con SQL sin servidores.
• QuickSight crea dashboards e informes.
• OpenSearch sirve para búsqueda, logs, observabilidad y análisis en tiempo real.