Descripción

Módulo 1: Introducción a Google Cloud y Machine Learning (1 hora)
• Visión general de Google Cloud Platform (GCP).
• Servicios y herramientas de GCP para machine learning.
• Conceptos básicos de machine learning y su aplicación en GCP.

Módulo 2: Preparación de Datos y Feature Engineering (2 horas)
• Ingesta y procesamiento de datos en GCP.
• Exploración y análisis de datos.
• Feature engineering y selección de características.
• Herramientas de GCP para preparación de datos: BigQuery, Dataflow.

Módulo 3: Desarrollo y Entrenamiento de Modelos de Machine Learning (4 horas)
• Introducción a TensorFlow y Keras en GCP.
• Construcción y entrenamiento de modelos de machine learning.
• Uso de AI Platform para entrenamiento de modelos a gran escala.
• Evaluación y ajuste de hiperparámetros.

Módulo 4: Despliegue y Gestión de Modelos en Producción (3 horas)
• Despliegue de modelos utilizando AI Platform.
• Gestión de versiones de modelos.
• Implementación de endpoints para predicciones en tiempo real y por lotes.
• Integración de modelos en aplicaciones.

Módulo 5: Optimización y Monitorización de Modelos (2 horas)
• Técnicas de optimización de modelos.
• Monitorización del rendimiento de los modelos en producción.
• Detección y mitigación de drift de datos y modelos.
• Herramientas de GCP para monitorización y optimización: Stackdriver, AI Platform.

Módulo 6: Seguridad y Cumplimiento en Machine Learning (1 hora)
• Principios de seguridad y privacidad en machine learning.
• Implementación de prácticas de seguridad en GCP.
• Cumplimiento de normativas y regulaciones.

Módulo 7: Preparación para la Certificación Google Cloud Professional Machine Learning Engineer (2 horas)
• Estrategias de estudio y recursos adicionales.
• Ejemplos de preguntas de examen y simulacros.
• Revisión de conceptos clave y áreas de enfoque.
• Consejos para el examen práctico.

Recursos Adicionales
• Documentación oficial de Google Cloud.
• Tutoriales y laboratorios prácticos en Qwiklabs.
• Foros y comunidades de soporte.
• Materiales de estudio y guías adicionales proporcionados por Google.

Dirigido a

Ingenieros de Machine Learning, Científicos de Datos, Ingenieros de Datos. Desarrolladores de software y Arquitectos de Soluciones interesados en
• Comprender los Fundamentos de Machine Learning y Google Cloud: Familiarizarse con los conceptos clave de machine learning y la plataforma Google Cloud.
• Desarrollar y Entrenar Modelos de Machine Learning: Aprender a crear, entrenar y evaluar modelos de machine learning utilizando Google Cloud.
• Implementar Soluciones de Machine Learning en Google Cloud: Desplegar modelos de machine learning en producción y gestionarlos de manera eficiente en Google Cloud.
• Optimizar y Monitorizar Modelos de Machine Learning: Implementar técnicas de optimización y monitorización para asegurar el rendimiento y la precisión de los modelos.
• Prepararse para la Certificación Google Cloud Professional Machine Learning Engineer: Adquirir los conocimientos y habilidades necesarios para aprobar el examen de certificación.

Documentos