E33 - Servicios útiles de AWS para un Data Scientist

Resumen

En este episodio, tres conversadores del podcast enCoders presentan, desde el punto de vista de un Data Scientist usuario (no de un Data Engineer), algunos servicios de AWS que han usado o revisado. Primero explican por qué se usa la nube: escalabilidad, flexibilidad, costo, confiabilidad, seguridad e innovación. Luego aclaran las capas IaaS, PaaS y SaaS, y muestran la consola de AWS. Recorren Billing, IAM, S3, EC2, Lambda, Athena, Glue, Redshift, SageMaker, QuickSight, Kinesis, VPC, ECR, ECS y Fargate. Concluyen que S3 y EC2 son los dos servicios fundamentales para un Data Scientist. SageMaker les parece útil sobre todo para un MVP, pero pesado, caro y con riesgo de dependencia del proveedor. Insisten en configurar presupuestos y alertas de costo para evitar cobros inesperados.

Capítulos

• 00:00
  IntroPresentan el tema: servicios de AWS útiles para un Data Scientist, vistos desde la perspectiva de usuario y no de Data Engineer. Invitan al público a compartir qué servicios de otras nubes usan. Comentan que las habilidades de una nube son bastante transferibles a otra y que conviene conocer lo básico de las nubes grandes.
• 05:28
  Por qué la gente usa cloud computing?Enumeran seis razones: escalabilidad (CPU, RAM, disco), flexibilidad y trabajo colaborativo remoto, costo (pasar de costo de capital a costo operacional con pago por uso), confiabilidad, seguridad e innovación constante. Mencionan down detector para ver caídas de servicios y conversan sobre computación descentralizada. Explican IaaS, PaaS y SaaS con ejemplos como Zoom y Twitch.
• 19:03
  Servicios de AWS: Billing, IAMMuestran la consola de AWS, que tiene más de 300 servicios, y cómo crear un presupuesto en Billing para recibir un mail al superar un monto (no evita el cobro). Explican que los roles de IAM aplican tanto a usuarios como a servicios (Lambda, etc.), con políticas de acceso distintas.
• 27:45
  S3Almacenamiento de archivos en buckets, que se ve como un disco duro y se conecta con otros servicios y con el computador local. Los nombres de bucket son globales y no admiten guión bajo; en redes privadas pueden requerir endpoints en la VPC. Muestran el pricing (primeros 50 TB por mes) y cuentan que una vez recuperaron un bucket borrado.
• 34:13
  EC2Instancias (computadores virtuales) donde se cobra por tiempo encendido y por el almacenamiento (volumen EBS). Se conectan por SSH con un archivo .pem y VS Code, y se puede cambiar el tipo de instancia (optimizadas para memoria, cómputo o GPU). Citan una t2.micro a unos 0,01 USD/hora, explican IPs dinámicas frente a estáticas y recomiendan tener una imagen propia preconfigurada.
• 43:53
  MemesMuestran diagramas de arquitectura AWS exageradamente complejos para algo simple como un "Hello World". Bromean con que la consola y los tutoriales son complicados y con facturas inesperadas de miles de dólares.
• 46:15
  LambdaCódigo que se ejecuta ante un evento (trigger) sin gestionar servidor. Muestran una función en Python con boto3 que prende una instancia EC2, disparada por un evento programado (CloudWatch) cada dos días a las 3 de la mañana para un scraping. Mencionan que CloudWatch también guarda logs.
• 53:41
  Athena, Glue, RedshiftAthena permite consultar con SQL datos en S3 (idealmente parquet) y cobra por datos escaneados. Glue funciona como ETL y catálogo de tablas y esquemas. Redshift es un data warehouse tipo SQL, más rápido y más costoso, con cobro por tener el clúster; no lo probaron.
• 01:03:46
  SagemakerPlataforma gestionada para entrenar, construir y desplegar modelos. Probaron un notebook con el Titanic leído de S3 con boto3, pero no les resultó intuitivo y el despliegue era complejo. Ven como contras el costo poco claro, la dependencia de AWS, el poco control y la curva de aprendizaje; lo ven útil quizás para un MVP.
• 01:15:17
  Kinesis, QuicksightQuickSight es la herramienta de dashboards, similar a Tableau o Power BI, conectada a S3. Kinesis procesa datos en tiempo real (streaming), útil con grandes volúmenes como transacciones o datos de redes.
• 01:16:37
  VPC, ECR, ECS, Batch, EKS, FargateVPC define redes privadas, rangos de IP, subredes y endpoints (Gateway e interface). ECR guarda imágenes Docker, ECS las ejecuta sin montar instancias, y Fargate lo hace de forma más sencilla y algo más cara. Mencionan que las imágenes se mantienen privadas por contener información de proyectos.
• 01:23:10
  CierreMencionan otros servicios existentes (DynamoDB, mensajería como SQS) y aclaran que el objetivo era dar una visión general, no enseñar a usarlos. Invitan a unirse a Discord y a suscribirse.

Palabras clave