Generative AI on AWS
Chris Fregly, Antje Barth, Shelbee Eigenbrode
- Editorial
- O'Reilly
- Año
- 2024
- Páginas
- ~436
- Nivel
- Intermedio
De qué trata
Manual técnico exhaustivo publicado por O'Reilly en el que tres referentes de AWS —Chris Fregly, Antje Barth y Shelbee Eigenbrode— cubren el ciclo de vida completo de un proyecto de inteligencia artificial generativa dentro del ecosistema de Amazon Web Services. La obra está orientada a científicos de datos, ingenieros de machine learning y arquitectos cloud de nivel intermedio que ya manejen Python, fundamentos de deep learning y servicios básicos de AWS, y busquen especializarse en el despliegue, adaptación y orquestación de modelos fundacionales multimodales y de lenguaje en entornos de producción reales.
El texto ofrece un recorrido minucioso por las herramientas clave del ecosistema AWS: Amazon Bedrock para consumo y gobernanza gestionada de modelos, Amazon SageMaker para entrenamiento e inferencia escalable, y aceleradores de hardware como AWS Trainium y AWS Inferentia. Explica con rigor la optimización de modelos mediante cuantización (bitsandbytes), computación distribuida con DeepSpeed y FSDP, y técnicas de Parameter-Efficient Fine-Tuning (PEFT con LoRA y QLoRA), así como alineación con RLHF (Reinforcement Learning from Human Feedback). También aborda la construcción de agentes de razonamiento con el patrón ReAct y LangChain, pipelines RAG con bases vectoriales como Amazon OpenSearch Service y pgvector, y el modelado multimodal con Stable Diffusion y ControlNet.
A través de cuadernos de Jupyter reproducibles, los autores guían la construcción de un pipeline de fine-tuning eficiente en SageMaker, un sistema RAG integrado con agentes autónomos para consulta documental y un flujo de generación controlada de imágenes con Stable Diffusion. El libro destaca por su equilibrio entre rigor matemático-arquitectónico e infraestructura cloud especializada, siendo uno de los recursos más sólidos sobre optimización y costes de cómputo en AWS. Por su profundidad en MLOps e infraestructura, no es una guía ligera para principiantes ni para desarrolladores frontend que solo busquen llamadas sencillas a APIs.
- Amazon Bedrock
- Amazon SageMaker
- PEFT y LoRA
- Cuantización
- LangChain
- Agentes ReAct
- RAG
- Amazon OpenSearch
- Stable Diffusion
- RLHF
- AWS Inferentia y Trainium
¿Cómo enseña?
Teoría + práctica
- ✗ Sin ejercicios
- ✓ Incluye proyectos
Proyectos
Pipeline de Fine-Tuning Eficiente con PEFT/LoRA
Flujo de trabajo en Amazon SageMaker para optimizar y ajustar modelos fundacionales en tareas específicas reduciendo drásticamente el consumo de memoria GPU mediante cuantización y LoRA.
Sistema RAG y Agente de Razonamiento ReAct
Arquitectura que conecta modelos fundacionales a bases de conocimiento en Amazon OpenSearch Service utilizando LangChain para ejecutar consultas contextuales y ejecutar herramientas externas.
Generador Multimodal Controlado con Stable Diffusion
Pipeline de generación visual que implementa técnicas de control guiado (ControlNet) y ajuste fino para producir imágenes personalizadas en infraestructura de AWS.
