AWS Certified AI Practitioner Study Guide

Guía de preparación publicada por Sybex (Wiley) en la que Vikram Elango, junto a Vivek Gangasani y Shreyas Subramanian, estructura el temario oficial del examen AWS Certified AI Practitioner (AIF-C01). El libro se sitúa en la vanguardia de la inteligencia artificial y el aprendizaje automático aplicados en AWS, orientándose a profesionales de TI, analistas de datos, desarrolladores, arquitectos y gestores técnicos de nivel intermedio o introductorio que desean certificar sus conocimientos en IA generativa y soluciones de Machine Learning en la nube sin necesidad de contar con experiencia previa en matemáticas avanzadas o ciencia de datos profunda.

El texto recorre de manera didáctica los conceptos esenciales de Machine Learning tradicional (aprendizaje supervisado, no supervisado y por refuerzo) y la arquitectura de modelos fundacionales en IA generativa. Enseña a utilizar y seleccionar los servicios administrados de AWS correspondientes: Amazon Bedrock (selección de modelos, Bedrock Guardrails, agentes y bases de conocimiento), Amazon SageMaker (Studio, JumpStart, Canvas, Clarify y Model Monitor), herramientas especializadas como Amazon Q, Amazon Rekognition, Comprehend y Textract, así como infraestructura especializada como aceleradores AWS Trainium e Inferentia. Además, detalla patrones modernos de ingeniería de prompts, arquitecturas RAG (Retrieval-Augmented Generation) con bases de datos vectoriales, ajuste fino de modelos, métricas de evaluación (como BLEU y ROUGE) y prácticas de MLOps, gobernanza, cumplimiento y responsabilidad ética en IA.

El aprendizaje se consolida mediante pruebas diagnósticas, preguntas de repaso tipo examen al término de cada capítulo, análisis de casos de uso empresariales y acceso a la plataforma de exámenes y fichas de repaso de Sybex. Su gran mérito es sintetizar con claridad pragmática el ecosistema de IA generativa de AWS y sus implicaciones de negocio, seguridad y gobernanza. Al ser un manual orientado a la certificación foundational de IA, prescinde de la programación de redes neuronales desde cero en PyTorch o TensorFlow, enfocándose en la integración de servicios cloud, la evaluación de modelos y la arquitectura de aplicaciones inteligentes.