Entrenamiento distribuido del scoring de riesgo en banca minorista
Visión general
De qué trata este proyecto.
Diseña una pipeline distribuida de scoring con Spark y XGBoost. Mide escalabilidad y consistencia del modelo. Obtén un certificado verificable.
El Briefing
Lo que harás y lo que demostrarás.
Migrar el entrenamiento del scoring de riesgo a una pipeline distribuida que entregue 5x de aceleración manteniendo trazabilidad regulatoria y consistencia del modelo.
Earning criteria — what you'll demonstrate
- Diseñar pipelines de datos distribuidos a escala con Spark
- Aplicar entrenamiento distribuido (XGBoost distribuido o Horovod)
- Medir escalabilidad real y curvas de aceleración
- Documentar modelos para validación regulatoria interna
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Machine Learning at Scale
Master · Ai Ml
Fit score: 1
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosIngeniero/a de Aprendizaje Automático
Diseñar entrenamiento distribuido con métricas de aceleración y consistencia del modelo, todo bajo restricciones regulatorias, es el trabajo central de una persona MLE en banca.
Este proyecto afina
- distributed-training
- xgboost
- mlops
Ingeniero/a de Datos
La parte de ingeniería de features distribuida sobre Spark a esta escala es trabajo cotidiano de personas data engineers en bancos y aseguradoras.
Este proyecto afina
- spark
- data-engineering
- distributed-training
Ingeniero/a de MLOps
Reproducibilidad, trazabilidad y validación interna es exactamente lo que una persona MLOps en sector regulado entrega cada cuatrimestre.
Este proyecto afina
- mlops
- distributed-training
- model-evaluation