Amazon SageMaker: Machine Learning en AWS

SageMaker es una plataforma end-to-end para Machine Learning en AWS.

El problema que resuelve: El ciclo de ML tradicional es complejo:

1. Preparar y limpiar datos
2. Elegir algoritmos
3. Configurar infraestructura para training
4. Entrenar y optimizar
5. Desplegar modelo
6. Monitorear y actualizar

SageMaker simplifica todo esto:

• Notebooks administrados (Jupyter)
• Algoritmos integrados y personalizados
• Training distribuido automático
• Deploy con un click
• Monitoreo de modelo

Usuarios típicos:

• Data Scientists
• ML Engineers
• Desarrolladores que integran ML

SageMaker Studio:

• IDE completo para ML basado en web
• Notebooks, experimentos, pipelines
• Visual interface

SageMaker Notebooks:

• Jupyter notebooks administrados
• GPU disponible si se necesita
• Acceso a librerías ML (TensorFlow, PyTorch, etc.)

Training:

• Instancias optimizadas para training
• Training distribuido
• Spot instances para ahorro
• Algoritmos integrados o custom

Inference/Hosting:

• Real-time endpoints
• Serverless inference
• Batch transform
• Auto-scaling

MLOps:

• SageMaker Pipelines (CI/CD para ML)
• Model Registry
• Model Monitor
• Feature Store

1. Preparación de Datos:

S3 (raw data)
     │
     ▼
SageMaker Processing
     │
     ▼
S3 (processed data)

2. Entrenamiento:

S3 (training data)
     │
     ▼
Training Job
├── Algoritmo (built-in o custom)
├── Hiperparámetros
└── Instancia(s) de training
     │
     ▼
S3 (model artifacts)

3. Despliegue:

S3 (model)
     │
     ▼
Create Endpoint Configuration
     │
     ▼
Create Endpoint
     │
     ▼
Predictions (real-time o batch)

Hiperparameter Tuning:

• Prueba automática de combinaciones
• Encuentra mejores hiperparámetros
• Reduce tiempo de experimentación

Algoritmos Integrados:

• XGBoost: Clasificación y regresión
• Linear Learner: Regresión lineal
• K-Means: Clustering
• Random Cut Forest: Detección de anomalías
• Image Classification: Clasificación de imágenes
• Seq2Seq: Traducción, text summarization
• BlazingText: Clasificación de texto, word2vec

Frameworks soportados:

• TensorFlow
• PyTorch
• MXNet
• Scikit-learn
• Hugging Face
• Custom containers

Bring Your Own:

• Docker container con tu código
• Flexibilidad completa
• Integración con cualquier framework

SageMaker JumpStart:

• Modelos pre-entrenados listos para usar
• Fine-tuning con tus datos
• Ejemplo: Stable Diffusion, LLMs

SageMaker Canvas:

• ML sin escribir código
• Interfaz visual drag-and-drop
• Para analistas de negocio sin conocimiento de ML

Flujo en Canvas:

1. Importar datos (CSV, desde S3)
2. Seleccionar columna a predecir
3. Canvas entrena múltiples modelos automáticamente
4. Revisar métricas de precisión
5. Hacer predicciones

Tipos de problemas soportados:

• Predicción numérica (regresión)
• Clasificación (2 o más categorías)
• Series temporales (forecasting)

SageMaker Autopilot:

• AutoML para data scientists
• Genera notebooks explorables
• Transparencia en el proceso
• Más control que Canvas

Ejemplo Canvas:

Dataset: Datos de clientes
Predecir: "churn" (sí/no)

Canvas:
1. Analiza datos
2. Prueba múltiples algoritmos
3. Selecciona el mejor
4. Listo para predicciones

Modelo de precios:

• Pago por uso (instancias, almacenamiento)
• Sin costos iniciales

Componentes con costo:

• Notebooks: Por hora de instancia
• Training: Por hora de instancia de training
• Inference: Por hora de endpoint activo
• Storage: Por GB en S3

Optimización de costos:

• Spot instances para training (hasta 90% ahorro)
• Serverless inference para baja latencia variable
• Multi-model endpoints
• Apagar notebooks cuando no se usan

Precios aproximados:

SageMaker Studio Lab (gratis):

• Jupyter notebooks gratis
• 12 horas de GPU/mes
• 16 horas de CPU/mes
• Sin cuenta AWS necesaria
• Ideal para aprender