¿Qué quieres aprender?

Certificación Google Cloud Professional Machine Learning Engineer

Certificación Google Cloud Professional Machine Learning Engineer

CAS Training

Curso online


Precio a consultar

La certificación Google Cloud Professional Machine Learning Engineer acredita los conocimientos y competencias necesarios para diseñar, desarrollar, desplegar, optimizar y operar soluciones de inteligencia artificial y machine learning sobre Google Cloud. Está orientada a profesionales capaces de construir soluciones de IA escalables y preparadas para producción, combinando modelos tradicionales de machine learning con modelos fundacionales e inteligencia artificial generativa.

A través de Lectiva.com podrás acceder a esta certificación, que evalúa las competencias de un Professional Machine Learning Engineer para gestionar grandes volúmenes de datos, desarrollar código reutilizable, diseñar pipelines de datos y machine learning, implementar prácticas de MLOps y optimizar el rendimiento de modelos en entornos empresariales. Además, aprenderás a colaborar con otros equipos para garantizar el éxito de las soluciones de IA, aplicando principios de IA responsable, gobernanza de datos, monitorización continua y mejora del ciclo de vida de los modelos.

La certificación evalúa la capacidad para desarrollar soluciones low-code y personalizadas, construir y escalar modelos, automatizar pipelines de machine learning, desplegar modelos en producción, monitorizar soluciones de IA y aplicar las capacidades más recientes de Google Cloud relacionadas con Gemini, Model Garden, Agent Platform y los servicios de inteligencia artificial de la plataforma.

¿Quieres hablar con un asesor sobre este curso?

Requisitos

• No existen requisitos previos para realizar este examen de certificación. • Se recomienda contar con al menos 3 años de experiencia en el sector, incluyendo 1 año diseñando y gestionando soluciones de machine learning e inteligencia artificial sobre Google Cloud. • También se recomienda tener conocimientos de programación, especialmente Python y SQL, además de experiencia con plataformas de datos, procesamiento distribuido, MLOps, modelos fundacionales, IA generativa y servicios de Google Cloud relacionados con IA y machine learning.

Temario completo de este curso

Dominio 1. Arquitectura de soluciones de IA low-code
• BigQuery ML
• AutoML
• Modelos fundacionales
• Model Garden
• APIs de IA
• Gemini
• Imagen
• Veo
• Optimización de IA

Dominio 2. Gestión de datos y modelos
• Exploración de datos
• Preprocesamiento
• Feature engineering
• Feature Store
• Notebooks
• PyTorch
• Scikit-learn
• JAX
• Experimentación
• ML Metadata

Dominio 3. Escalado de modelos
• Modelado
• Entrenamiento
• Pipelines de entrenamiento
• Hiperparámetros
• Fine-tuning
• CPU, GPU y TPU
• Entrenamiento distribuido

Dominio 4. Publicación y escalado
• Despliegue de modelos
• Inferencia batch y online
• Model Registry
• Endpoints
• Contenedores
• A/B testing
• Canary deployments
• Escalado de inferencia

Dominio 5. Automatización de pipelines
• Pipelines de ML
• Orquestación
• Validación de modelos
• Reentrenamiento
• CI/CD/CT
• Cloud Build
• Apache Airflow

Dominio 6. Monitorización de IA
• Seguridad de IA
• IA responsable
• Interpretabilidad
• Model Monitoring
• Data drift
• Concept drift
• Sesgos de modelos
• IA generativa
• Detección de riesgos

Ver más