GuíaAvanzado

Guía de Gen AI en Producción sobre AWS

Le agrega a Andes Cargo su primera carga de trabajo de IA generativa: un extractor que entra en escena cuando el parser determinista de manifiestos (heredado de las guías anteriores) no puede leer un texto libre, e invoca un modelo de Amazon Bedrock como camino de escalamiento, nunca como default. Esta es la única guía del ecosistema donde ninguna invocación real de un modelo corre dentro del laboratorio — Bedrock exige cuenta de pago y solo está disponible en el plan Ultimate de LocalStack — así que declara toda la infraestructura como código real (`terraform validate`/`plan` verificados de verdad, sin necesitar LocalStack ni una cuenta AWS), construye las seis políticas de Bedrock Guardrails como HCL y las complementa con una capa de defensa en profundidad propia (un scrubber de PII y un validador de esquema de salida, ambos deterministas y probados con `pytest`), extiende el security gate y el cost gate ya construidos por las guías hermanas (mínimo privilegio de IAM para `bedrock:InvokeModel`, una política de costo nueva) y calcula el costo por token con una calculadora propia, porque Infracost no puede fijarle precio a un supuesto de volumen que nadie declaró. Aplica el vocabulario de SLI/SLO a métricas de IA (tasa de escalamiento, tasa de bloqueo del guardrail, latencia) y cierra con un capstone que corre el camino barato de punta a punta y documenta con honestidad exacta dónde termina lo ejecutable y empieza lo representativo. No enseña prompt engineering, RAG, agentes ni evaluación semántica — eso es terreno de AI Engineering; esta guía enseña a operar, no a construir, el sistema de IA.

64
lecciones
8
módulos
Inglés · Español
disponible en
certificado
Gratis
acceso
NIEVA

Resultados

Lo que vas a poder hacer

  • Distinguir un prototipo de notebook de una carga de IA generativa en producción, y entender la decisión de arquitectura central: el camino determinista y barato sigue siendo el default, el LLM es solo el camino de escalamiento
  • Entender cómo se factura Bedrock de verdad (on-demand, Provisioned Throughput, Batch, Flex, Priority) y qué son las cuotas de invocación por minuto
  • Declarar la infraestructura de una carga de IA como código Terraform real — `aws_bedrock_guardrail`, un rol IAM de mínimo privilegio para `bedrock:InvokeModel` — con `validate`/`plan` verificados de verdad, sin depender de LocalStack ni de una cuenta AWS
  • Declarar las seis políticas de Bedrock Guardrails (filtros de contenido, PII, temas denegados, *grounding* contextual, filtros de palabras) como código, y construir una capa de defensa en profundidad propia y determinista (scrubber de PII, validador de esquema de salida) que nunca depende de que el modelo exista en el laboratorio
  • Extender el security gate ya construido (`conftest`/Trivy/`cosign`) al Terraform y al artefacto nuevos de esta guía, con una política de mínimo privilegio específica para el modelo
  • Extender el cost gate ya construido con un modelo de costo por token: una calculadora determinista propia, una política de presupuesto y tagging de asignación para la carga de IA
  • Aplicar el vocabulario de SLI/SLO a métricas específicas de una carga de IA: tasa de escalamiento del camino determinista al LLM (calculable sin invocar el modelo), tasa de bloqueo del guardrail propio, y latencia de inferencia (representativa, con su razón técnica declarada)
  • Correr un capstone que ejecuta de verdad el camino determinista de punta a punta y documenta, con un ledger de honestidad explícito, exactamente dónde el sistema deja de ser ejecutable y pasa a ser representativo

Antes de empezar

Qué necesitas traer

Es para ti si...

  • Cloud, backend o DevOps engineers que completaron las siete guías anteriores del ecosistema AWS Cloud y quieren agregarle a esa misma infraestructura su primera carga de trabajo de IA generativa
  • Egresados de AI Engineering que ya saben construir con un LLM (prompting, function calling, salidas estructuradas) pero nunca aprendieron a operarlo en producción: IAM, guardrails como código, costo por token, observabilidad
  • Equipos evaluando agregar Bedrock a un sistema real que quieren entender la disciplina de infraestructura, seguridad y costo antes de invocar un solo token
  • No es para quien busca aprender *prompt engineering*, RAG, agentes o a construir una aplicación de IA desde cero — esa es la frontera con AI Engineering, respetada sin excepción en esta guía

Requisitos y materiales

  • Las siete guías anteriores del ecosistema AWS Cloud completadas (o equivalente): `andes-cargo-infra/` con el pipeline, el security gate y el cost gate ya funcionando
  • Ecosistema AI Engineering completado (o equivalente): saber construir con un LLM — *prompting*, *function calling*, estructuras de salida — porque esta guía no lo re-enseña
  • Terraform y una cuenta de AWS con Bedrock habilitado, si se quiere correr una invocación real por cuenta propia (la guía enseña todo lo que la rodea, no la invocación en sí)
  • Python básico y `pytest`, para los chequeos propios de guardrail

Contenido

El temario, módulo por módulo

Abre cualquiera para ver sus lecciones.

Dudas frecuentes

Lo que suele preguntarse

Empieza cuando quieras

Reseñas

Lo que dicen los estudiantes

Estas reseñas son de estudiantes inscritos que completaron al menos el 50% del curso. Moderamos las reseñas solo por motivos de contenido (spam, lenguaje ofensivo, datos personales), nunca por ser críticas o negativas.

Aún no hay reseñas aprobadas.

¡Sé el primero en compartir tu experiencia!