10 Repositorios de GitHub para Machine Learning en AWS

¿Buscas código probado para tus proyectos de ML en AWS? Aquí tienes los 10 mejores repositorios de GitHub, organizados por caso de uso:

Repositorio	Para qué sirve	Lo que incluye
1. SageMaker 101 Workshop	Empezar con ML	4 notebooks básicos
2. MLOps Pipeline 100x	Automatizar ML	Pipeline completo
3. Pre-trained Models	Usar modelos listos	5+ modelos populares
4. AWS ML Learning	Prepararte para certificaciones	Cursos gratuitos
5. Lambda ML Projects	ML sin servidores	Código serverless
6. Text & Image Gen	Generar contenido	Stable Diffusion + BLOOM
7. Deep Learning Library	Entrenar modelos	Contenedores Docker
8. MLU-Explain	Aprender conceptos	Gráficos interactivos
9. SageMaker Examples	Código listo para usar	+100 notebooks
10. ML Ethics Tools	ML responsable	Herramientas anti-sesgo

Para empezar necesitas:

• Cuenta AWS
• Usuario IAM
• Notebook SageMaker
• Bucket S3

Los repositorios te permiten:

• Entrenar modelos
• Crear pipelines
• Desplegar en producción
• Monitorear resultados

Cada repo incluye código probado, documentación y ejemplos prácticos para implementar ML en AWS rápidamente.

Related video from YouTube

Primeros Pasos con Amazon SageMaker

¿Quieres empezar con SageMaker? El repositorio "aws-samples/sagemaker-101-workshop" tiene todo lo que necesitas.

Tipo	Qué Contiene	Dónde Está
Notebooks Básicos	Algoritmos listos para usar	Pestaña Examples
Scripts Python	Código para entrenar	Repo Comunitario
Guías	4 notebooks de mantenimiento	Repo MLOps
Ejercicios	Módulos completos	Repo Workshop

El workshop tiene 4 notebooks principales:

1. Notebook Base: ML en Jupyter
2. Notebook SageMaker: Código en instancias
3. Notebook Pipelines: Flujos automatizados
4. Notebook Step Functions: AWS Step Functions

Para empezar, solo necesitas ejecutar:

git clone https://github.com/aws-samples/sagemaker-101-workshop

¿Qué más incluye?

• Templates para crear instancias
• Guías de recursos
• Conexión con S3 y IAM
• Scripts de pruebas

"Los ejercicios te ayudan a dominar SageMaker paso a paso" - AWS SageMaker Docs

Plan de aprendizaje:

Paso	Qué Hacer	Resultado
1	Clonar código	Tener ejemplos
2	Crear dominio	Ambiente listo
3	Probar notebooks	Práctica real
4	Leer docs	Entender todo

Los ejemplos te enseñan:

• Mantenimiento predictivo
• Manejo de datos
• Entrenamiento ML
• Despliegue de modelos

2. Pipelines de ML con SageMaker

El proyecto "aws-mlops-pipeline-100x" permite construir pipelines que manejan 100 modelos de ML.

Componente	¿Qué hace?
Data Wrangler	Procesa datos de S3
XGBoost	Entrena modelos
Model Registry	Guarda modelos
Lambda	Automatiza despliegues

El proyecto incluye 4 stacks de CDK:

• Studio Setup
• Pipeline
• Pipeline Starter
• Inference Results

Así funciona el pipeline:

Paso	Acción
Importar	Carga datos de S3
Procesar	Limpia datos
Validar	Revisa calidad
Entrenar	Optimiza modelo
Evaluar	Mide resultados
Registrar	Guarda modelo
Desplegar	Crea endpoint

Ejemplo práctico: El código usa datos simulados de telecom para predecir qué clientes se darán de baja, mirando:

• Uso del servicio
• Datos de la cuenta
• Si el cliente se fue

Para empezar:

# Cambia el nombre del proyecto
cd terraform/infrastructure
vim terraform.tfvars

Tips de uso:

• Usa SageMaker Projects para CI/CD
• Conéctalo con Jenkins o GitHub
• Agrega checks de datos
• Modifica el despliegue con Lambda

El pipeline funciona con:

Algoritmo	Tipo
XGBoost	Nativo de SageMaker
Decision Tree	Custom con scikit-learn

Para usar tu propio contenedor:

1. Crea imagen Docker
2. Súbela a ECR
3. Configura el pipeline

Los datos de prueba vienen de 130 hospitales en EE.UU. (1999-2008), con 50+ variables por paciente.

3. Pre-trained Modelos en SageMaker

SageMaker JumpStart te da acceso directo a modelos pre-entrenados. Aquí están los que más se usan:

Modelo	Tamaño	Uso Principal
Code Llama 13B	13B parámetros	Generación de código
Mistral 7B	7B parámetros	Tareas de texto
Alexa TM 20B	20B parámetros	Generación de texto
Bloom 3B	3B parámetros	Procesamiento de lenguaje
Llama 2 13B	13B parámetros	Tareas generales

¿Cómo poner estos modelos en producción? Es más simple de lo que parece:

1. Elige tu modelo: Según lo que necesites hacer
2. Despliégalo: Con SageMaker endpoints
3. Ajústalo: Con tus propios datos
4. Supervisa: Mide su rendimiento

Para hacer fine-tuning, necesitas:

• 100+ pares de texto (entrada/salida)
• Textos de máximo 512 caracteres
• Dataset con prompts y respuestas

¿Quieres usar un modelo de Hugging Face? Así de fácil:

hub = {
    'HF_MODEL_ID': 'distilbert-base-uncased-distilled-squad',
    'HF_TASK': 'question-answering'
}
huggingface_model = HuggingFaceModel(
    transformers_version='4.6',
    pytorch_version='1.7',
    py_version='py36',
    env=hub,
    role=role,
)

En Canvas puedes usar estos modelos:

Modelo	Tipo
Falcon-7B	Base
Falcon-7B-Instruct	Instrucciones
MPT-7B	Base
MPT-7B-Instruct	Instrucciones
Flan-T5-Large	Multilingüe

Para sacarles el máximo provecho:

• Usa AWS Deep Learning Containers
• Ajusta el endpoint a tu carga de trabajo
• Vigila recursos y costos
• Experimenta con diferentes modelos

4. Materiales de Aprendizaje AWS ML

AWS trae dos certificaciones en agosto 2024:

Certificación	Duración	Precio
AWS Certified AI Practitioner	120 minutos	$75
AWS Certified Machine Learning Engineer – Associate	170 minutos	$75

¿Quieres prepararte? AWS Skill Builder tiene estos cursos sin costo:

Curso	¿Qué aprenderás?
Foundations of Prompt Engineering	Cómo crear prompts efectivos
Low-Code Machine Learning on AWS	ML sin escribir código
Building Language Models on AWS	Desarrollo de LLMs
Amazon Transcribe Getting Started	Conversión de voz a texto
Building Generative AI Applications Using Amazon Bedrock	Apps con IA generativa

AWS + Code.org tienen una meta: formar a 2 millones de personas en IA generativa para 2025.

La Machine Learning University de Amazon te ofrece:

Módulo	Tema Principal
Lecture 1	Análisis de Datos
Lecture 2	Datos y Regresión Logística
Lecture 3	Equalized Odds y SHAP

Empresas como Intuit y Grammarly ya usan estos recursos para:

• Hacer el ML más simple
• Capacitar equipos
• Poner modelos en producción

¿Listo para empezar? Es fácil:

1. Regístrate: Crea tu cuenta en AWS Skill Builder
2. Selecciona: Escoge el curso que mejor te funcione
3. Practica: Usa los notebooks disponibles
4. Certifícate: Prepárate para el examen

5. Proyectos ML con AWS Lambda

AWS Lambda hace posible ejecutar modelos ML sin servidores. Así funciona:

Componente	Función
Docker	Empaqueta modelos y dependencias hasta 10 GB
S3	Almacena modelos entrenados
API Gateway	Crea endpoints REST
DynamoDB	Guarda resultados

Los tiempos de carga típicos son:

Paso	Acción	Tiempo Promedio de Carga
1. Carga inicial	Preparar ambiente	11.4s
2. Cargar modelo	Importar desde S3	10.0s
3. Procesar datos	Ejecutar predicción	8.3s

Veamos un ejemplo: Análisis de sentimientos con FinBERT:

from transformers import pipeline

class ModeloSentimientos:
    def __init__(self):
        self._analisis = pipeline("sentiment-analysis", 
                                model="ProsusAI/finbert")
    def predecir(self, texto):
        return self._analisis(texto)[0]["label"]

Y otro con imágenes: Detección de objetos usando MXNet:

def lambda_handler(event, context):
    url = event['img_url']
    img = imdecode(requests.get(url).content)
    x, img = data.transforms.presets.yolo.transform_test([img])
    class_IDs, scores, boxes = net(x)
    return utils.viz.plot_bbox(img, boxes[0], scores[0], 
                             class_IDs[0])

Cada tipo de modelo necesita recursos diferentes:

Tipo de Modelo	Memoria Lambda	CPU
NLP	1024 MB	0.5 vCPU
Visión	2048 MB	1.0 vCPU
Series temporales	512 MB	0.25 vCPU

Para que tu modelo funcione mejor:

• Usa capas Lambda para tus dependencias
• Ajusta la memoria al tamaño de tu modelo
• Mantén la función activa para respuestas más rápidas

¿Quieres aprender más sobre ML serverless? Visita Dónde Aprendo AWS.

sbb-itb-03dc61e

6. Herramientas de Generación de Texto e Imágenes con IA

AWS ofrece varias opciones para generar texto e imágenes con IA. Aquí están los modelos principales:

Modelo	Uso	Servicio AWS
Stable Diffusion v1-4	Texto a imagen	SageMaker
BLOOM-1B1	Generación de texto	SageMaker
Claude 3 Sonnet	Procesamiento de texto	Amazon Bedrock

¿Cómo usar Stable Diffusion?

Así se ve una solicitud básica:

# JSON para texto a imagen
{
    "prompt": "Un atardecer en la playa",
    "height": 512,
    "width": 768
}

# JSON para transferencia de estilo
{
    "prompt": "Noche estrellada",
    "url": "https://ejemplo.com/imagen.jpg"
}

Costos por 1M de solicitudes al mes:

Servicio	Uso	Costo (USD)
Amazon S3	10 GB almacenamiento	$0.23
AWS Lambda	1M solicitudes	$0.41
Amazon Bedrock	1B tokens entrada, 100M salida	$450.00

Tres formas de desplegar:

• En local: Docker + archivo .env
• En la nube: Amazon ECS con Copilot
• Sin servidor: Auto Scaling + balanceador

Análisis de feedback:

Tipo	Tokens Entrada	Tokens Salida
Categorización	1,000	100
Sentimiento	500	50
Extracción datos	2,000	200

Modelos disponibles:

• ChatGLM y ChatGLM2
• LlaMa2
• Stable Diffusion

La app web funciona con Streamlit en contenedores ECS y puede:

• Convertir texto en imágenes
• Transferir estilos
• Crear animaciones

7. Biblioteca de Código para Deep Learning de AWS

AWS ofrece contenedores Docker listos para usar que facilitan el entrenamiento y despliegue de modelos de deep learning.

Estos son los frameworks principales y sus optimizaciones:

Framework	Optimizaciones
TensorFlow	Intel MKL para CPU
PyTorch	NVIDIA CUDA para GPU
MXNet	Bibliotecas AWS

Los contenedores se dividen en 3 tipos:

Tipo	Para qué sirve	Dónde usarlo
Entrenamiento	Crear modelos	SageMaker, EC2, ECS
Inferencia	Usar modelos	SageMaker Endpoints, ECS
Transformación	Procesar datos en lotes	SageMaker Transform Jobs

¿Qué puedes hacer con estos contenedores?

• Entrenar BERT con PyTorch
• Crear sistemas de preguntas y respuestas
• Desplegar modelos de detección
• Optimizar modelos con Neo

Así configuras un contenedor:

# Configuración básica para TensorFlow
{
    "framework": "tensorflow",
    "image_uri": "763104351884.dkr.ecr.us-east-1.amazonaws.com/tensorflow-training:2.12.0-gpu-py39",
    "instance_type": "ml.p3.2xlarge",
    "hyperparameters": {
        "epochs": 10,
        "batch-size": 128,
        "learning-rate": 0.001
    }
}

Datasets de prueba incluidos:

Dataset	Tamaño	Para qué sirve
CIFAR-10	60,000 imágenes	Clasificar imágenes
BERT-QA	100,000 preguntas	Procesar texto
ImageNet	1.2M imágenes	Visión artificial

AWS actualiza estos contenedores cada mes con nuevas versiones y parches. Cada imagen pasa por pruebas exhaustivas antes de publicarse.

8. Conceptos de ML Explicados con Gráficos

MLU-Explain de Amazon hace que el machine learning sea más fácil de entender. ¿Cómo? Con gráficos que puedes manipular y ejemplos que puedes ver en acción.

Concepto	Lo Que Verás	Para Qué Sirve
Regresión Lineal	Gráficos que se mueven	Predecir números
Regresión Logística	Ejemplos en movimiento	Decidir sí/no
Curvas ROC y AUC	Gráficos paso a paso	Ver qué tan bueno es tu modelo
Sets de Datos	Cómo partir tus datos	Preparar datos para entrenar
Matrices de Confusión	Tablas que cuentan aciertos	Medir exactitud

QuickSight + SageMaker

QuickSight toma las predicciones de SageMaker y las muestra en pantallas bonitas:

Qué Hace	Cómo Lo Hace	Dónde Usarlo
Predice Solo	No necesitas programar	Ver quién se va
Muestra Resultados	Gráficos de predicciones	Evaluar préstamos
Actualiza en Vivo	Se refresca solo	Ver métricas clave

Lo Que Puedes Ver

1. Clientes Que Se Van

Los gráficos te dicen:

• Quién podría irse
• Cuánto dinero perderías
• Por qué se van

2. Qué Tan Bueno Es Tu Modelo

Verás:

• Qué tan seguido aciertas
• Qué tan preciso eres
• Números que importan

3. Cómo Funciona Todo

Te muestra:

• Dónde vive cada parte
• Cómo fluyen los datos
• Cómo salen las predicciones

"En MLU-Explain queremos que aprender machine learning sea divertido y fácil de entender", dice Amazon MLU.

9. Ejemplos de Código en SageMaker

SageMaker ofrece notebooks Jupyter listos para usar. Veamos los más populares:

Tipo	Contenido	Propósito
Autopilot	Features, explicabilidad	ML automático
Entrenamiento	Algoritmos, datos, ajuste	Modelos custom
Frameworks	PyTorch, TensorFlow	ML con frameworks
Neo	Compilación	Mejor rendimiento

Empezar es Simple

Para usar estos ejemplos necesitas:

• Una cuenta AWS con permisos IAM
• SageMaker Studio o una instancia Notebook
• Un bucket S3 para tus datos

Dos Ejemplos Prácticos

1. Clasificación de Precios

Un caso real con Random Forest:

• 3 horas de trabajo
• Usa S3, IAM y SageMaker
• Código en script.py

2. Proyecto End-to-End

Un taller que cubre:

• Data Wrangler para análisis
• Feature Store
• ML Pipelines

Obtén el Código

Clona el repo:

git clone https://github.com/aws/amazon-sagemaker-examples.git

Ubicación	Acceso
Studio	Tab "Examples"
JupyterLab	Icono SageMaker
GitHub	Repo oficial

Tips Clave

• Prueba hiperparámetros en local primero
• Elimina endpoints que no uses
• Lee el README de cada ejemplo

10. Ética en el Desarrollo de ML

El ML necesita equilibrar poder y responsabilidad. AWS proporciona herramientas para lograrlo.

SageMaker Clarify: Tu Aliado en ML Ético

Función	Descripción	Uso
Detección de Sesgos	21 métricas diferentes	Pre y post entrenamiento
Explicabilidad	SHAP values	Interpretación de predicciones
Monitoreo	Alertas automáticas	Modelos en producción

¿Cómo Medimos el Sesgo?

Métrica	Mide	Ejemplo
CI	Desequilibrio en datos	Distribución 70-30
DPL	Diferencias entre grupos	Hombres 31.4% vs Mujeres 11.4%
AD	Precisión entre grupos	Variación en predicciones

Herramientas que Necesitas

Herramienta	Propósito	Origen
AIF360	Detección de sesgos	IBM
Model Cards	Documentación estándar	Google
SageMaker Studio	Integración completa	AWS

Manos a la Obra

El repositorio MLU-RA te da todo lo básico:

• Notebooks listos para usar
• Datos de prueba
• Guías paso a paso

Código para Empezar

from sagemaker import clarify
clarify_processor = clarify.SageMakerClarifyProcessor(
    role=role,
    instance_count=1,
    instance_type='ml.m5.xlarge'
)

Líneas Rojas de AWS

AWS dice NO a:

• Desinformación intencional
• Violación de privacidad
• Suplantación no autorizada
• Daños a menores

¿El siguiente paso? Empieza evaluando sesgos en tus datos, configura monitores y documenta TODO.

Conclusión

Los repositorios de GitHub para ML en AWS te dan todo lo que necesitas para cada etapa de tu proyecto.

Fase	Repositorio	¿Qué hace?
Inicio	sagemaker-101-workshop	Te enseña lo básico del entrenamiento
Desarrollo	Amazon SageMaker Examples	Te da notebooks listos para usar
Producción	MLOps: idea to production	Te guía de A a Z en 6 pasos

¿Qué hacer después? Aquí están los 3 pasos clave:

Paso	Con qué	Para qué
Conecta tu modelo	API Gateway + Lambda	Crear APIs para tus modelos
Vigila el rendimiento	SageMaker Studio	Ver cómo funciona todo
Organiza tus datos	Feature Store	Guardar datos ordenadamente

Los números hablan por sí solos:

Qué hay	Cuántos	Qué incluyen
Repos AWS Samples	6,542	Código probado y listo
Notebooks SageMaker	+100	Ejemplos paso a paso
Módulos Workshop	7	De datos a API REST

¿Qué máquinas necesitas? Aquí está la configuración básica:

Parte	Cuál	Para qué
EC2	m5.xlarge	Entrenar modelos
Lambda	5 instancias	No perder servicio
SageMaker	Auto-scaling ON	Manejar más usuarios

Para empezar HOY:

1. Abre tu cuenta AWS
2. Configura IAM
3. Lanza un Notebook
4. Crea tu bucket S3

"¡Me divertí muchísimo armando esta colección de repos de ML! Les sugiero guardar estos enlaces y revisarlos seguido." - Nitika, Creadora de Contenido.

Con estos repos puedes hacer de TODO: desde aprender las bases hasta construir sistemas ML completos en AWS.

Related posts

• Introducción a la Inteligencia Artificial en AWS
• Mejores Prácticas de Machine Learning en AWS
• Cómo Desarrollar Aplicaciones de Inteligencia Artificial en AWS
• 10 Preguntas Frecuentes sobre Machine Learning en AWS