Creación e implementación de servicios de aprendizaje automático con AWS
DOI:
https://doi.org/10.59471/raia2025222Palabras clave:
Machine Learning en AWS, ML en Amazon, ML en cloud, Servicios de MLResumen
El desarrollo explosivo de la Inteligencia Artificial en los últimos años ha ido de la mano del desarrollo de la computación en la nube: la disponibilidad de grandes volúmenes de datos y recursos informáticos configurables ha favorecido su evolución. Por lo tanto, es sencillo para los proveedores de servicios de computación en la nube desarrollar y proporcionar servicios de Aprendizaje Automático (ML según sus siglas en inglés) e Inteligencia Artificial (IA) desde sus plataformas. Siendo AWS el proveedor líder mundial de servicios de computación en la nube, este documento detalla la implementación y el despliegue de los servicios de ML más destacados que ofrece. Se incluyen ejemplos reproducibles de los servicios descritos.
Descargas
Referencias
Borra, Praveen. (2022). “Exploring Microsoft Azure's Cloud Computing: A Comprehensive Assessment. International Journal of Advanced Research”. In Science, Communication and Technology (IJARSCT) Volume, 2.
Borra, Praveen. (2024). “A Survey of Google Cloud Platform (GCP): Features, Services, and Applications”. International Journal of Advanced Research in Science, Communication and Technology (IJARSCT) Volume, 4.
Louis Dorard, Mark D. Reid and Francisco J. Martin (Azure Machine Learning Team), (2016). AzureML: Anatomy of a machine learning service. In Conference on Predictive APIs and Apps (pp. 1-13). PMLR.
Fauss, M., Hao, J., Li, C., Palmer, M., & Choi, I. (2024). AutoSSD: A system for automated detection of similar speech responses in language tests.
Indla, R. K. (2021). An overview on amazon rekognition technology.
Kamlofsky, J. A. (2022). Computación en la Nube: Fundamentos, Críticas y Desafíos. Revista Abierta de Informática Aplicada, 6(2), 3-30.
Kamlofsky, J. A. (2024). Una Reseña Acerca de Servicios de Machine Learning en ambientes Cloud. Researchgate.net
Kodali, R. K., Shekhar, T., & Boppana, L. (2023). Automated Plagiarism Detection in Moodle. In TENCON 2023-2023 IEEE Region 10 Conference (TENCON) (pp. 176-181). IEEE.
Liberty, E., Karnin, Z., Xiang, B., Rouesnel, L., Coskun, B., Nallapati, R., ... & Smola, A. (2020, June). Elastic machine learning algorithms in amazon sagemaker. In Proceedings of the 2020 ACM SIGMOD International Conference on Management of Data (pp. 731-737).
Mell, P. (2011). The NIST Definition of Cloud Computing. Recommendations of the National Institute of Standards and Technology.
Movinuddin. (2023). HEALTHCARE TEXT ANALYTICS USING RECENT ML TECHNIQUES AND DATA CLASSIFICATION USING AWS CLOUD ML SERVICES (Doctoral dissertation, Middle Tennessee State University).
Oncu, M. H., & Kutlu, Y. (2024). Performance Comparison of Known AI Translation Tools. Tethys Env. Sci, 1(3), 117-126.
Poccia, D. (2016). AWS Lambda in Action: Event-driven serverless applications. Simon and Schuster.
Ranta, J. (2023). Testing AWS hosted Restful APIs with Postman.
Rivas, E. R. H. (2024). IMPLEMENTACIÓN DE APLICACIÓN WEB DE GESTIÓN DE COMERCIO EN AMAZON WEB SERVICES (AWS) PARA MULTISERVICIOS SANTA ELENA. Universidad de San Carlos de Guatemala.
Sarabia Jácome, D. F. (2020). Arquitectura de análisis de datos generados por el internet de las cosas IoT en tiempo real (Doctoral dissertation, Universitat Politècnica de València).
Sayers, Russell (2022). “Introducción al aprendizaje automático en AWS”, AWS. Curso en línea: https://www.coursera.org/learn/machine-learning-on-aws
Simon Julien (2020). “Building, training and deploying machine learning models with Amazon SageMaker”, Youtube. En línea: https://www.youtube.com/watch?v=sOUhLiI85sU
Sreeharsha, A., Kesapragada, S. M., & Chalamalasetty, S. P. (2022). Building chatbot using amazon lex and integrating with a chat application. Interantional journal of scientific research in engineering and management, 6(04), 1-6.
Wang, H., Yang, J., Liang, G., Lee, Y., & Cao, Z. (2024, August). Analyzing the Usability, Performance, and Cost-Efficiency of Deploying ML Models on BigQuery ML and Vertex AI in Google Cloud. In Proceedings of the 2024 8th International Conference on Cloud and Big Data Computing (pp. 15-25).
Descargas
Publicado
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
