Curso AWS Cloud Practitioner CLF-C02

En el examen AWS Certified Cloud Practitioner CLF-C02 pueden aparecer preguntas de inteligencia artificial y machine learning, pero a nivel de reconocimiento de servicios. No tienes que entrenar un modelo, programar una red neuronal ni conocer matemáticas avanzadas. Lo importante es saber identificar qué servicio de AWS resuelve cada necesidad: analizar imágenes, convertir texto a voz, transcribir audio, traducir, crear chatbots, usar modelos generativos o construir modelos propios.

Este módulo está pensado para alumnos base. Vamos a diferenciar Machine Learning, servicios de IA preentrenados e IA generativa con un enfoque práctico de examen.

1. Qué debes saber de IA y ML para CLF-C02

El examen no espera que seas científico de datos. Espera que sepas elegir el servicio correcto cuando el escenario dice algo como:

• “Detectar objetos o caras en imágenes”.
• “Extraer sentimiento de comentarios de clientes”.
• “Convertir texto en voz natural”.
• “Transcribir llamadas de audio a texto”.
• “Traducir contenido entre idiomas”.
• “Crear un chatbot conversacional”.
• “Entrenar y desplegar un modelo de machine learning”.
• “Crear una aplicación de IA generativa con modelos fundacionales”.

2. Tres familias: ML personalizado, IA preentrenada e IA generativa

Para estudiar este tema sin perderte, separa los servicios en tres grupos:

• Machine Learning personalizado: cuando una empresa quiere construir, entrenar y desplegar sus propios modelos. Aquí destaca Amazon SageMaker.
• Servicios de IA preentrenados: servicios listos para usar que ya resuelven una tarea concreta, como reconocer imágenes o transcribir audio.
• IA generativa: servicios para construir aplicaciones con modelos fundacionales, como asistentes, generación de texto, resumen, búsqueda semántica o generación de contenido.

3. Amazon SageMaker

Amazon SageMaker es la plataforma gestionada de AWS para el ciclo de vida de machine learning. Permite preparar datos, construir modelos, entrenarlos, evaluarlos, desplegarlos y monitorizarlos.

En CLF-C02, SageMaker aparece cuando el escenario habla de:

• Crear modelos de machine learning personalizados.
• Entrenar modelos con datos propios.
• Desplegar modelos para inferencia.
• Gestionar el ciclo de vida ML de forma administrada.
• Ayudar a equipos de data science a trabajar con modelos.

4. Cuándo no elegir SageMaker

Un error típico es elegir SageMaker para cualquier pregunta que mencione “IA”. Si el problema ya está resuelto por un servicio de IA preentrenado, la respuesta suele ser ese servicio específico.

Por ejemplo:

• Si pide reconocer objetos en imágenes, piensa en Rekognition.
• Si pide analizar sentimiento en texto, piensa en Comprehend.
• Si pide convertir texto a voz, piensa en Polly.
• Si pide transcribir audio, piensa en Transcribe.
• Si pide traducir, piensa en Translate.

5. Amazon Rekognition

Amazon Rekognition analiza imágenes y vídeos. Puede detectar objetos, escenas, texto en imágenes, caras y otros elementos visuales. Para CLF-C02, asócialo con visión artificial.

Rekognition aparece cuando el escenario menciona:

• Detectar objetos en imágenes.
• Analizar vídeos.
• Reconocer caras o etiquetas visuales.
• Moderación de contenido visual.
• Extraer información de imágenes.

6. Amazon Comprehend

Amazon Comprehend es un servicio de procesamiento de lenguaje natural. Ayuda a analizar texto para detectar sentimiento, entidades, frases clave, idioma y temas.

Comprehend aparece cuando el escenario habla de:

• Analizar comentarios de clientes.
• Detectar sentimiento positivo, negativo o neutral.
• Extraer entidades como personas, empresas, fechas o lugares.
• Clasificar texto o entender contenido textual.
• Procesar grandes volúmenes de texto no estructurado.

7. Amazon Polly

Amazon Polly convierte texto en voz. Se usa para generar audio a partir de texto escrito.

Polly aparece cuando la pregunta menciona:

• Convertir texto a voz.
• Crear narraciones automáticas.
• Generar audio para una aplicación.
• Voces naturales a partir de contenido escrito.

8. Amazon Transcribe

Amazon Transcribe convierte voz o audio en texto. Es lo contrario de Polly.

Transcribe aparece cuando el escenario menciona:

• Transcribir llamadas.
• Pasar audio a texto.
• Generar subtítulos desde audio.
• Analizar grabaciones de voz.

9. Amazon Translate

Amazon Translate traduce texto entre idiomas. En CLF-C02, si una pregunta habla de traducción automática, normalmente no hay que pensar en Comprehend ni en SageMaker, sino en Translate.

Translate aparece cuando el escenario dice:

• Traducir contenido de una web.
• Ofrecer soporte en varios idiomas.
• Convertir texto de un idioma a otro.
• Localizar contenido para usuarios globales.

10. Amazon Lex

Amazon Lex permite crear interfaces conversacionales, como chatbots y bots de voz. Es el servicio que se asocia con conversaciones en lenguaje natural, intenciones y respuestas automáticas.

Lex aparece cuando el escenario habla de:

• Crear un chatbot.
• Crear un bot de voz o texto.
• Atención al cliente automatizada.
• Interfaces conversacionales.

11. Amazon Bedrock

Amazon Bedrock es un servicio gestionado para crear aplicaciones de IA generativa usando modelos fundacionales. En preguntas de CLF-C02 puede aparecer cuando se habla de modelos fundacionales, generative AI, asistentes, resumen de texto, generación de contenido o aplicaciones con modelos base.

Bedrock aparece cuando el escenario menciona:

• Crear aplicaciones de IA generativa.
• Usar modelos fundacionales mediante un servicio gestionado.
• Generar texto, resumir o crear asistentes.
• Usar varios modelos de proveedores diferentes sin gestionar infraestructura de entrenamiento.
• Construir soluciones con GenAI de forma controlada en AWS.

12. Amazon Q

Amazon Q es un asistente impulsado por IA generativa para ayudar a usuarios y empresas en tareas como responder preguntas, asistir a desarrolladores o trabajar con información empresarial, según el producto y el contexto. Para CLF-C02, si aparece, asócialo con un asistente generativo de AWS orientado a productividad, desarrollo o conocimiento empresarial.

No necesitas memorizar todas sus variantes. Lo importante es diferenciarlo de SageMaker y Bedrock: Bedrock es la plataforma para construir aplicaciones con modelos fundacionales; Amazon Q es una experiencia/asistente ya orientado a casos de uso concretos.

13. Otros servicios que pueden aparecer

Además de los principales, pueden aparecer otros nombres en preguntas o respuestas:

• Amazon Textract: extrae texto, formularios y tablas de documentos escaneados.
• Amazon Kendra: búsqueda inteligente empresarial.
• Amazon Personalize: recomendaciones personalizadas.
• Amazon Forecast: predicciones de series temporales.
• Amazon Fraud Detector: detección de fraude.
• Amazon CodeWhisperer / Amazon Q Developer: ayuda al desarrollo con IA, según el contexto del examen y materiales actuales.

No todos tendrán el mismo peso, pero conviene reconocer el caso de uso general para no caer en distractores.

14. Comparativa principal para examen

15. Tabla de decisión rápida

16. IA preentrenada frente a modelo propio

Esta es una de las ideas más importantes del módulo. Si AWS ya tiene un servicio que hace exactamente lo que necesitas, en una pregunta de nivel Cloud Practitioner normalmente elegirás ese servicio preentrenado.

Ejemplos:

• Para detectar caras: Rekognition, no SageMaker.
• Para traducir texto: Translate, no SageMaker.
• Para convertir texto a voz: Polly, no SageMaker.
• Para entrenar un modelo especializado con datos propios: SageMaker.

17. IA generativa frente a ML tradicional

La IA generativa se centra en crear contenido o respuestas nuevas a partir de modelos fundacionales: texto, resumen, respuestas conversacionales, generación de ideas, transformación de contenido o asistentes inteligentes. En AWS, el servicio que debes asociar con este bloque es Amazon Bedrock.

Machine Learning tradicional suele aparecer como predicción, clasificación, entrenamiento de modelos, inferencia o análisis con modelos personalizados. En AWS, el servicio más representativo es SageMaker.

18. Seguridad y responsabilidad en IA

Aunque CLF-C02 no entra en profundidad técnica, sí conviene recordar que usar IA no elimina las responsabilidades del cliente. El cliente debe proteger datos, controlar accesos, revisar salidas, aplicar permisos adecuados, cifrar información sensible y cumplir requisitos de privacidad y compliance.

Cuando se usen servicios de IA, también pueden intervenir servicios ya estudiados: IAM para permisos, KMS para cifrado, CloudTrail para auditoría, CloudWatch para monitorización y Organizations para gobierno multi-cuenta.

19. Errores típicos

• Elegir SageMaker para todo lo que diga “IA”, aunque exista un servicio preentrenado más directo.
• Confundir Polly con Transcribe: Polly es texto a voz; Transcribe es voz a texto.
• Confundir Comprehend con Translate: Comprehend analiza texto; Translate traduce texto.
• Confundir Rekognition con Textract: Rekognition analiza imágenes/vídeo; Textract extrae texto y estructura de documentos.
• Pensar que Bedrock es una base de datos o una herramienta de BI.
• Confundir Lex con Polly: Lex crea bots conversacionales; Polly genera voz.
• Olvidar que Bedrock se relaciona con modelos fundacionales e IA generativa.
• Elegir QuickSight para entrenar modelos ML. QuickSight es BI y visualización.
• Elegir Athena para análisis de sentimiento. Athena consulta datos con SQL.
• Pensar que usar IA elimina controles de seguridad, permisos y gobierno.

20. Cómo razonar preguntas tipo examen

Cuando veas una pregunta de IA o ML, busca primero el verbo principal:

• Detectar en imágenes o vídeos: Rekognition.
• Analizar sentimiento, entidades o texto: Comprehend.
• Convertir texto en voz: Polly.
• Convertir voz/audio en texto: Transcribe.
• Traducir texto: Translate.
• Crear chatbot: Lex.
• Entrenar y desplegar modelo propio: SageMaker.
• Usar modelos fundacionales o IA generativa: Bedrock.
• Extraer texto de documentos: Textract.
• Búsqueda empresarial inteligente: Kendra.

Resumen final

Para CLF-C02, machine learning e IA en AWS se estudian por casos de uso. SageMaker es la plataforma para crear, entrenar y desplegar modelos propios. Rekognition analiza imágenes y vídeos. Comprehend analiza texto. Polly convierte texto a voz. Transcribe convierte voz a texto. Translate traduce texto. Lex crea chatbots. Bedrock permite construir aplicaciones de IA generativa con modelos fundacionales. Otros servicios como Textract, Kendra, Personalize o Forecast pueden aparecer como distractores o casos específicos.

La clave para aprobar no es memorizar una lista larga, sino asociar cada servicio con su problema principal. Si sabes identificar el tipo de dato y la acción que pide el escenario, tendrás muchas más opciones de responder bien.