Inaem

Finalidad

Formar de manera actualizada a profesionales para su inmediata adecuación laboral.

Programa

Examen de certificación incluido: Professional Machine Learning Engineer
Módulo 1: Cómo hace Google el aprendizaje automático
· Describir Vertex AI Platform y cómo se utiliza para crear, entrenar e implementar rápidamente modelos de aprendizaje automático de AutoML sin escribir una sola línea de código.
· Describir las mejores prácticas para implementar el aprendizaje automático en Google Cloud.
· Desarrollar una estrategia de datos en torno al aprendizaje automático
· Examinar casos de uso que luego se vuelven a imaginar a través de una ML lens
· Aprovechar las herramientas y el entorno de Google Cloud Platform para hacer ML
Módulo 2: Lanzamiento al aprendizaje automático
· Describir Vertex AI AutoML y cómo construir, entrenar e implementar un modelo ML sin escribir una sola línea de código.
· Describir Big Query ML y sus beneficios.
· Describir cómo mejorar la calidad de los datos.
· Realizar análisis exploratorio de datos.
· Construir y entrenar modelos de aprendizaje supervisado.
· Optimizar y evaluar modelos utilizando funciones de pérdida y métricas de rendimiento.
· Mitigar los problemas comunes que surgen en el aprendizaje automático.
· Crear conjuntos de datos de prueba, evaluación y capacitación repetibles y escalables.
Módulo 3: TensorFlow en Google Cloud
· Crear modelos de aprendizaje automático de TensorFlow y Keras.
· Describir los componentes clave de TensorFlow.
· Utilizar la biblioteca tf.data para manipular datos y grandes conjuntos de datos.
· Crear un modelo ML utilizando capas de preprocesamiento de tf.keras.
· Utilizar las Functional APIs y Keras Sequential para la creación de modelos simples y avanzados.
· Comprender cómo se pueden usar las subclases de modelos para modelos más personalizados.
Módulo 4: Ingeniería de características
· Describir el Vertex AI Feature Store.
· Comparar los aspectos clave requeridos de una buena característica.
· Mezclar y crear nuevas combinaciones de características a través de cruces de características.
· Realizar ingeniería de características mediante BQML, Keras y TensorFlow.
· Comprender cómo preprocesar y explorar características con Cloud Dataflow y Cloud Dataprep.
· Comprender y aplicar cómo TensorFlow transforma las características.
Módulo 5: Aprendizaje automático en la empresa
· Comprender las herramientas necesarias para la gestión y el gobierno de datos
· Describir el mejor enfoque para el preprocesamiento de datos: desde proporcionar una descripción general de DataFlow y DataPrep hasta usar SQL para tareas de preprocesamiento.
· Explicar en qué se diferencian AutoML, BQML y el entrenamiento personalizado y cuándo usar un marco en particular.
· Describir el ajuste de hiperparámetros con Vertex Vizier y cómo se puede utilizar para mejorar el rendimiento del modelo.
· Explicar la predicción y el monitoreo de modelos y cómo se puede usar Vertex AI para administrar modelos de ML.
· Describir los beneficios de Vertex AI Pipelines

Profesorado

Equipamiento