Google Cloud Professional Machine Learning Engineer
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.
• 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.
• 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.
Información del curso
Curso
Fechas12/09/2024 - 12/11/2024
Duración15.0
Horario
De 9:00 a 14:00 - 5h/días - 3 Días - L-M-MX
Del 9 al 11 de Diciembre
Del 9 al 11 de Diciembre
FormatoPresencial-Virtual
Localización
Se enviará convocatoria de TEAMs
IdiomaSpanish
Plazas disponibles0/20
Titulaciónmanufacturer:• 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.
Coste
Curso enmarcado en el Digital Tatent Hub. Gratuito para empresas socias de GAIA. Otro tipología de empresas pueden ponerse en contacto con dth-academy@gaia.es.
El coste del examen de certificación es de 200€ y no se encuentra financiado por el programa. En caso de superarse el aforo, tendrán preferencia los alumnos que quieran presentarse a la certificación.
Cancelaciones: Si cancelas tu inscripción con un margen mínimo de 4 días laborables previos al inicio del curso, no se aplicará ninguna penalización.
En caso de cancelar tu inscripción con un margen menor a 4 días laborables, se estudiará el % de penalización aplicable.
No informar, y/o no presentarse a la formación puede suponer un cargo de entre 150-300€.
Ofrecido por
