Building Scalable Deep Learning Pipelines on AWS

Tratado exhaustivo de más de 1.100 páginas escrito por Abdelaziz Testas en 2024, enfocado en diseñar, construir y desplegar canalizaciones integrales de aprendizaje profundo en la nube de Amazon Web Services. La obra está pensada para ingenieros de machine learning, científicos de datos y arquitectos de nube de nivel intermedio a avanzado que ya cuentan con bases sólidas en programación con Python y fundamentos teóricos de redes neuronales, y necesitan dar el salto desde experimentos aislados en cuadernos locales hacia sistemas distribuidos de grado empresarial.

El texto detalla el ciclo completo de la ingeniería de datos y el modelado profundo conectando múltiples tecnologías punteras del ecosistema de datos abiertos con la infraestructura de AWS. Enseña a procesar y transformar datos a gran escala utilizando Apache Spark mediante PySpark, construir y entrenar arquitecturas de redes neuronales tanto para regresión como para clasificación empleando PyTorch y TensorFlow/Keras en paralelo, orquestar flujos de trabajo complejos y dependencias mediante grafos acíclicos dirigidos (DAGs) con Apache Airflow, y gestionar el almacenamiento masivo y cómputo distribuido mediante Amazon S3 e instancias aceleradas por GPU en Amazon EC2, integrando técnicas de optimización de entrenamiento y monitorización continua.

A lo largo de sus secciones prácticas se construyen pipelines completos de ingestión, preprocesamiento distribuido, entrenamiento a escala con aceleración por hardware y puesta en producción de modelos predictivos y clasificadores. Su principal valor radica en su notable amplitud y en contrastar directamente soluciones equivalentes en PyTorch y TensorFlow dentro de flujos orquestados con Airflow y Spark en la nube; como contrapartida, su enorme extensión y densidad técnica exigen una dedicación considerable y familiaridad previa con matemáticas de deep learning y administración básica de entornos Linux en la nube para aprovecharlo plenamente.