Guía de Escenarios Comunes en el Examen AWS Certified AI Practitioner (AIF-C01)

¿Te estás preparando para el examen AWS Certified AI Practitioner? Esta guía resume los conceptos clave que probablemente encontrarás en el examen AWS Certified AI Practitioner (AIF-C01). Comprender estos términos y sus aplicaciones te ayudará a tener éxito en el examen de certificación. Dominio 1: Fundamentos de IA y Aprendizaje Automático Escenario Solución Rama de la informática centrada en resolver desafíos cognitivos típicamente asociados con la inteligencia humana Inteligencia Artificial Tipo de IA enfocado en desarrollar métodos que permiten a las máquinas aprender y comprender Aprendizaje Automático (Machine Learning) Técnica de IA que permite a las computadoras procesar datos de manera similar al cerebro humano Aprendizaje Profundo (Deep Learning) Técnica de inteligencia artificial que enseña a las computadoras a interpretar datos de forma inspirada en el cerebro humano Redes Neuronales Permite a las máquinas identificar personas, lugares y objetos en imágenes con precisión similar a los humanos, pero operando más rápido y eficientemente Visión por Computadora Análisis de conjuntos de datos para resumir sus características principales, frecuentemente usando visualizaciones para revelar patrones, tendencias y relaciones Análisis Exploratorio de Datos (EDA) Rama de la inteligencia artificial que se enfoca en cómo las computadoras interactúan con los lenguajes humanos Procesamiento de Lenguaje Natural (NLP) Métrica de rendimiento para modelos de clasificación que indica la efectividad del modelo para distinguir entre clases en diferentes umbrales Área Bajo la Curva ROC (AUC) Dominio 2: Fundamentos de IA Generativa Escenario Solución Proceso de guiar la inteligencia artificial generativa para producir resultados específicos Ingeniería de Prompts Modelos creados para manejar entradas de múltiples fuentes, como texto, imágenes, audio y video Modelos Multimodales Entrenamiento de un modelo ya establecido en un nuevo conjunto de datos en lugar de comenzar desde cero. Esta técnica, conocida como aprendizaje por transferencia, puede producir modelos confiables con conjuntos de datos más pequeños y requiere menos tiempo de entrenamiento Fine-tuning Representación numérica de objetos del mundo real utilizados por sistemas de aprendizaje automático e inteligencia artificial para comprender dominios de conocimiento complejos como los humanos Embedding La IA generativa puede adaptarse a diversas actividades y dominios aprendiendo de los datos y creando contenido adaptado a situaciones o necesidades específicas. Su flexibilidad permite aplicarla en una amplia gama de sectores Adaptabilidad Genera contenido en tiempo real, lo que lleva a respuestas más rápidas e interacciones más dinámicas. Esto es particularmente ventajoso para chatbots, asistentes virtuales y otras aplicaciones interactivas que requieren retroalimentación inmediata Capacidad de Respuesta Los modelos de lenguaje AI pueden simplificar tareas desafiantes automatizando procesos de generación de contenido. Por ejemplo, pueden producir textos que se asemejan a la escritura humana, reduciendo así el tiempo y esfuerzo requeridos para el desarrollo de contenido Simplicidad Con JumpStart, puedes evaluar, comparar y elegir rápidamente FMs para tareas como resumir artículos y crear imágenes basadas en criterios establecidos de calidad y responsabilidad Amazon SageMaker JumpStart Solución totalmente gestionada que proporciona acceso a modelos fundacionales (FMs) de alto rendimiento de startups líderes en IA y Amazon a través de una API común Amazon Bedrock Es un Amazon Bedrock Playground que permite a los usuarios construir aplicaciones de IA generativa de forma fácil e intuitiva. La plataforma ofrece un entorno práctico y divertido donde los usuarios pueden crear una variedad de aplicaciones impulsadas por IA en solo unos pocos pasos PartyRock Dominio 3: Aplicación de Modelos Fundacionales Escenario Solución Técnica utilizada para ayudar a un modelo a generalizar a partir de pocos ejemplos. El modelo aprovecha estos ejemplos para hacer predicciones más precisas sin necesidad de re-entrenamiento o fine-tuning Ingeniería de Prompts con Pocos Ejemplos (Few-shot) Método para personalizar un FM pre-entrenado mediante fine-tuning del modelo en una tarea específica o información de dominio específico Fine-tuning de adaptación de dominio Técnica que utiliza ejemplos etiquetados para mejorar el rendimiento de un modelo para una tarea específica Fine-tuning basado en instrucciones Se mejora continuamente el modelo analizando la retroalimentación de versiones anteriores. En el aprendizaje por refuerzo, un agente aprende mediante prueba y error mientras interactúa con su entorno Aprendizaje por refuerzo Método para optimizar la salida de un modelo de lenguaje grande (LLM) haciendo referencia a una base de conocimientos que contiene datos específicos de la empresa o la

Mar 19, 2025 - 23:34

Guía de Escenarios Comunes en el Examen AWS Certified AI Practitioner (AIF-C01)

¿Te estás preparando para el examen AWS Certified AI Practitioner?
Esta guía resume los conceptos clave que probablemente encontrarás en el examen AWS Certified AI Practitioner (AIF-C01). Comprender estos términos y sus aplicaciones te ayudará a tener éxito en el examen de certificación.

Dominio 1: Fundamentos de IA y Aprendizaje Automático

Escenario	Solución
Rama de la informática centrada en resolver desafíos cognitivos típicamente asociados con la inteligencia humana	Inteligencia Artificial
Tipo de IA enfocado en desarrollar métodos que permiten a las máquinas aprender y comprender	Aprendizaje Automático (Machine Learning)
Técnica de IA que permite a las computadoras procesar datos de manera similar al cerebro humano	Aprendizaje Profundo (Deep Learning)
Técnica de inteligencia artificial que enseña a las computadoras a interpretar datos de forma inspirada en el cerebro humano	Redes Neuronales
Permite a las máquinas identificar personas, lugares y objetos en imágenes con precisión similar a los humanos, pero operando más rápido y eficientemente	Visión por Computadora
Análisis de conjuntos de datos para resumir sus características principales, frecuentemente usando visualizaciones para revelar patrones, tendencias y relaciones	Análisis Exploratorio de Datos (EDA)
Rama de la inteligencia artificial que se enfoca en cómo las computadoras interactúan con los lenguajes humanos	Procesamiento de Lenguaje Natural (NLP)
Métrica de rendimiento para modelos de clasificación que indica la efectividad del modelo para distinguir entre clases en diferentes umbrales	Área Bajo la Curva ROC (AUC)

Dominio 2: Fundamentos de IA Generativa

Escenario	Solución
Proceso de guiar la inteligencia artificial generativa para producir resultados específicos	Ingeniería de Prompts
Modelos creados para manejar entradas de múltiples fuentes, como texto, imágenes, audio y video	Modelos Multimodales
Entrenamiento de un modelo ya establecido en un nuevo conjunto de datos en lugar de comenzar desde cero. Esta técnica, conocida como aprendizaje por transferencia, puede producir modelos confiables con conjuntos de datos más pequeños y requiere menos tiempo de entrenamiento	Fine-tuning
Representación numérica de objetos del mundo real utilizados por sistemas de aprendizaje automático e inteligencia artificial para comprender dominios de conocimiento complejos como los humanos	Embedding
La IA generativa puede adaptarse a diversas actividades y dominios aprendiendo de los datos y creando contenido adaptado a situaciones o necesidades específicas. Su flexibilidad permite aplicarla en una amplia gama de sectores	Adaptabilidad
Genera contenido en tiempo real, lo que lleva a respuestas más rápidas e interacciones más dinámicas. Esto es particularmente ventajoso para chatbots, asistentes virtuales y otras aplicaciones interactivas que requieren retroalimentación inmediata	Capacidad de Respuesta
Los modelos de lenguaje AI pueden simplificar tareas desafiantes automatizando procesos de generación de contenido. Por ejemplo, pueden producir textos que se asemejan a la escritura humana, reduciendo así el tiempo y esfuerzo requeridos para el desarrollo de contenido	Simplicidad
Con JumpStart, puedes evaluar, comparar y elegir rápidamente FMs para tareas como resumir artículos y crear imágenes basadas en criterios establecidos de calidad y responsabilidad	Amazon SageMaker JumpStart
Solución totalmente gestionada que proporciona acceso a modelos fundacionales (FMs) de alto rendimiento de startups líderes en IA y Amazon a través de una API común	Amazon Bedrock
Es un Amazon Bedrock Playground que permite a los usuarios construir aplicaciones de IA generativa de forma fácil e intuitiva. La plataforma ofrece un entorno práctico y divertido donde los usuarios pueden crear una variedad de aplicaciones impulsadas por IA en solo unos pocos pasos	PartyRock

Dominio 3: Aplicación de Modelos Fundacionales

Escenario	Solución
Técnica utilizada para ayudar a un modelo a generalizar a partir de pocos ejemplos. El modelo aprovecha estos ejemplos para hacer predicciones más precisas sin necesidad de re-entrenamiento o fine-tuning	Ingeniería de Prompts con Pocos Ejemplos (Few-shot)
Método para personalizar un FM pre-entrenado mediante fine-tuning del modelo en una tarea específica o información de dominio específico	Fine-tuning de adaptación de dominio
Técnica que utiliza ejemplos etiquetados para mejorar el rendimiento de un modelo para una tarea específica	Fine-tuning basado en instrucciones
Se mejora continuamente el modelo analizando la retroalimentación de versiones anteriores. En el aprendizaje por refuerzo, un agente aprende mediante prueba y error mientras interactúa con su entorno	Aprendizaje por refuerzo
Método para optimizar la salida de un modelo de lenguaje grande (LLM) haciendo referencia a una base de conocimientos que contiene datos específicos de la empresa o la industria	Generación Aumentada por Recuperación
Servicio gestionado para búsqueda, monitoreo y análisis de datos que proporciona búsqueda y análisis en tiempo real para diversas aplicaciones	Amazon OpenSearch Service
Base de datos relacional compatible con MySQL y PostgreSQL, diseñada para alto rendimiento y disponibilidad mientras soporta aplicaciones complejas	Amazon Aurora
Servicio de base de datos de grafos totalmente gestionado diseñado para el almacenamiento y consulta eficientes de conjuntos de datos altamente conectados, haciéndolo perfecto para aplicaciones basadas en grafos	Amazon Neptune
En modelos generativos, estos prompts indican qué contenido excluir del resultado generado	Prompts negativos
El espacio conceptual donde los modelos de aprendizaje automático transforman los datos de entrada en representaciones de características que se utilizan para generar salidas	Espacio latente del modelo
Técnica que utiliza retroalimentación humana para ayudar a los modelos de aprendizaje automático a hacer predicciones más eficientes y precisas mientras maximiza las recompensas	Aprendizaje por Refuerzo con Retroalimentación Humana (RLHF)
Métrica para evaluar la calidad de la sumarización de texto comparando la superposición entre resúmenes producidos y de referencia	ROUGE (Recall-Oriented Understudy for Gisting Evaluation)
Métrica utilizada para evaluar la calidad del texto traducido por máquina midiendo la similitud entre la salida de la máquina y las traducciones de referencia humanas	BLEU (Bilingual Evaluation Understudy)
Métrica para evaluar modelos de generación de texto comparando similitudes a nivel de token utilizando embeddings BERT	BERTScore

Dominio 4: Directrices para IA Responsable

Escenario	Solución
Describe los procedimientos y principios que aseguran que los sistemas de IA sean transparentes y confiables, mientras también minimizan riesgos potenciales y efectos negativos	IA Responsable
Herramienta para aprendizaje automático que ofrece perspectivas para mejorar la equidad y transparencia del modelo analizando posibles sesgos en conjuntos de datos y predicciones del modelo	Amazon SageMaker Clarify
Servicio que simplifica la incorporación de revisión humana en predicciones de aprendizaje automático, asegurando resultados de alta calidad	Amazon Augmented AI (Amazon A2I)
Documentos que describen detalles importantes sobre modelos de aprendizaje automático, como métricas de rendimiento, usos previstos e información de cumplimiento	Tarjetas de Modelo de Amazon SageMaker

Dominio 5: Seguridad, Cumplimiento y Gobernanza para Soluciones de IA

Escenario	Solución
Solución de seguridad y privacidad de datos totalmente gestionada que utiliza aprendizaje automático para identificar, categorizar y proteger datos sensibles en AWS	Amazon Macie
Servicio que ofrece conectividad segura y privada entre VPCs y servicios de AWS, asegurando acceso escalable a recursos críticos	AWS PrivateLink
Vulnerabilidad de seguridad que ocurre cuando se utiliza entrada maliciosa en prompts para alterar la salida de modelos de lenguaje	Inyección de Prompt
Organización global que establece estándares y proporciona directrices para diversas industrias para garantizar calidad, seguridad y eficiencia	Organización Internacional de Normalización (ISO)
Colección de informes que proporcionan detalles sobre los controles en una organización de servicios, relacionados con seguridad, disponibilidad, integridad del procesamiento, confidencialidad o privacidad	Controles de Sistema y Organización (SOC)
Marco para identificar y gestionar riesgos de seguridad de modelos de IA generativa	Matriz de Alcance de Seguridad de IA Generativa

¡Únete a la discusión!

¿Has tomado o te estás preparando para el examen AWS Certified AI Practitioner? ¡Comparte tus estrategias de estudio, recursos o preguntas en los comentarios a continuación!

Si encontraste útil esta guía, considera guardarla para futuras consultas y compartirla con colegas que también estén en su camino de certificación de AWS. ¡Construyamos una comunidad de profesionales de IA en AWS que puedan aprender y crecer juntos!

Conéctate conmigo en LinkedIn en [https://www.linkedin.com/in/franciscojeg/] para más contenido sobre AWS e IA.