<aside> 🎯

El Gran Porqué — Contexto de Negocio y Tecnológico

Como especialista en IA en AWS, tu misión no es memorizar nombres de modelos o algoritmos de forma aislada. Tu verdadero valor radica en ser un traductor entre las necesidades de una empresa y las capacidades de la nube.

</aside>

Cuando una organización quiere resolver un problema, tú debes decidir: ¿Esto se resuelve con Inteligencia Artificial o basta con código tradicional? Si se necesita IA, ¿utilizamos Machine Learning clásico o un costoso Modelo Fundacional? ¿Cómo controlamos los costos, evitamos que el sistema "alucine" en producción y garantizamos que el modelo siga siendo preciso con el paso del tiempo?

Esta guía te dará las herramientas conceptuales y la mentalidad técnica necesarias para responder esas preguntas en el examen y en la vida real.

🔑 Conceptos Clave

🤖 La Jerarquía de la IA: IA → ML → DL → GenAI → Agentic AI

<aside>

</aside>

🧠 Lo que debes entender realmente: Estos términos no son independientes; son una pirámide concéntrica de capacidades heredadas donde cada capa se construye sobre la anterior.

• La IA es el paraguas total (acuñado en 1956). No toda la IA aprende de datos; los antiguos "sistemas expertos" basados en reglas fijas (if-then) programadas por humanos también son IA.
• El Machine Learning (ML) introduce el aprendizaje a partir de datos históricos. Pasa por dos fases: entrenamiento (aprender patrones) e inferencia (hacer predicciones sobre datos nuevos).
• El Deep Learning (DL) es un tipo de ML que utiliza redes neuronales profundas con capas ocultas para extraer patrones complejos de forma automática.
• La IA Generativa (GenAI) es una especialización de DL diseñada para crear contenido totalmente nuevo (texto, imágenes, audio) basado en patrones aprendidos. Los LLMs (basados en Transformers) crean texto prediciendo el siguiente token; los modelos de difusión crean imágenes eliminando ruido.

<aside> 📖

📌 Recuerda: Un LLM es un tipo de Foundation Model (FM), pero no todos los FMs son LLMs (existen modelos visuales, multimodales, etc.).

</aside>

La IA Agéntica (Agentic AI) utiliza un modelo generativo como un motor de razonamiento para interpretar metas, planificar pasos, ejecutar acciones mediante herramientas y evaluar sus resultados de manera iterativa.

💡 Analogía

• IA: El concepto general de "transporte creado por humanos".
• ML: Un coche que aprende a ajustar su velocidad analizando los registros de velocidades de otros conductores en el pasado.
• DL: Un coche autónomo que usa múltiples sensores profundos para mapear y esquivar peatones u obstáculos por sí mismo.
• GenAI: Una impresora 3D integrada en el coche que es capaz de fabricar un repuesto nuevo y personalizado en medio del viaje.
• Agentic AI: Un chofer robot al que solo le dices: "llévame a la mejor cafetería de la ciudad que gaste menos de $15, reserva una mesa y avísame cuando lleguemos".

🔄 El Ciclo de Vida de IA/ML y el Análisis Exploratorio de Datos (EDA)