AWS Services for MLOps
Metadata
Fecha: 2026-05-20 Área: Machine Learning
Amazon SageMaker Services
Data Preparation
Prepare Data
Amazon SageMaker Data Wrangler: a tool for data preparation and feature engineering
Amazon SageMaker Processing job: a tool for data processing and feature engineering
Curate features
Amazon SageMaker Feature Store: a tool for feature storage and retrieval
Training and Tuning
Experiment tracking
Amazon SageMaker Experiments: a tool for tracking ML experiments
Train models
Amazon SageMaker Training Jobs: a tool for training ML models
Evaluate model
Amazon SageMaker Processing job: a tool for evaluating ML models
Register models
Amazon SageMaker Model Registry: a tool for registering ML models
Deploy and manage
Deploy models
Amazon SageMaker JumpStart: A hub of pre-built models to easy deploy
Amazon SageMaker Endpoints: a tool for deploying ML models
Inferece
Amazon SageMaker Inference: a tool for inference with ML models
MLOps Pipelines
Amazon SageMaker Pipelines: a tool for orchestrating ML workflows
Model Monitoring
Amazon SageMaker Model Monitor: a tool for monitoring ML model performance
AutoML
Amazon SageMaker Autopilot: a tool for automated machine learning
Governance and security
Explain models
Amazon SageMaker Clarify: a tool for model explainability and bias detection
Track model lineage
Amazon SageMaker Lineage: a tool for tracking model lineage
Audit models
Amazon SageMaker Model Cards: a tool for model documentation and auditing
🎴 Flashcards
¿Cuándo usarías SageMaker Data Wrangler?::Para limpiar un dataset de ventas, unir tablas, transformar columnas y preparar features antes de entrenar un modelo de churn. card mlops datascience ¿Cuándo usarías SageMaker Processing Job?::Cuando quieres ejecutar un preprocesamiento por lotes, crear features nuevas o evaluar un dataset antes del entrenamiento sin entrar en un pipeline completo. card mlops preprocessing ¿Para qué sirve SageMaker Feature Store?::Para guardar features reutilizables como “historial de compras del cliente” y usarlas tanto en entrenamiento como en inferencia de forma consistente. card mlops features ¿Cuándo usarías SageMaker Experiments?::Cuando estás comparando varios modelos de clasificación con distintos hiperparámetros y quieres mantener un registro del rendimiento. card mlops experiments ¿Para qué sirve un Training Job en SageMaker?::Para entrenar un modelo con un conjunto de datos y ajustar pesos/hiperparámetros en un entorno escalable y gestionado. card mlops training ¿Cuándo usarías SageMaker Model Registry?::Cuando ya tienes un modelo ganador y quieres registrarlo, versionarlo y mantener seguimiento antes de desplegarlo en producción. card mlops modelregistry ¿Para qué se usa SageMaker JumpStart?::Para arrancar rápido con modelos ya entrenados o plantillas listas, por ejemplo un clasificador de texto o una visión preentrenada. card mlops jumpstart ¿Cuándo usarías un SageMaker Endpoint?::Cuando necesitas poner un modelo en producción para responder predicciones en tiempo real, como riesgo crediticio o clasificación de fraude. card mlops deployment ¿Para qué sirve SageMaker Pipelines?::Para automatizar todo el flujo: limpieza de datos, entrenamiento, validación y despliegue en un pipeline reproducible. card mlops pipeline ¿Cuándo usarías SageMaker Model Monitor?::Para detectar degradación en un sistema de recomendación o detección de fraude cuando los datos de entrada cambian con el tiempo. card mlops monitoring ¿Para qué sirve SageMaker Clarify?::Para revisar si un modelo de préstamos está sesgado por género o edad antes de ponerlo en producción. card mlops governance ¿Cuándo usarías SageMaker Model Cards?::Cuando quieres documentar el propósito, limitaciones, riesgos y resultados de un modelo para auditoría o revisión interna. card mlops governance ¿Para qué sirve SageMaker Autopilot?::Para automatizar la búsqueda de modelos y experimentación cuando quieres una solución rápida sin programar mucho. card mlops automl ¿Dónde encaja Amazon Ground Truth?::En la preparación de datos etiquetados, por ejemplo marcar imágenes de coches, personas o defectos para entrenar un modelo de visión. card mlops annotation ¿Cuándo usarías SageMaker Feature Store en un escenario real?::Para una plataforma de recomendación donde necesitas usar la misma feature de “usuario activo en los últimos 7 días” tanto en entrenamiento como en predicción. card mlops features
🚧 Plan de Mejora / Tareas Pendientes
Define las tareas que te ayudarán a subir tu nivel-comprension en la próxima revisión. Usa los tags: #mejora-concepto, #mejora-practica, #mejora-analogia.
- Tarea para aclarar una duda de concepto. Usa mejora-concepto
- Tarea para implementar un ejercicio práctico. Usa mejora-practica
- Tarea para crear una analogía o diagrama. Usa mejora-analogia
🧪 Aplicación
- Explicarlo sin consultar la nota
- Resolver un caso nuevo o escribir un ejemplo
- Compararlo con una alternativa
- Usarlo en un proyecto