IA y Datos
Retos de Ingeniería de ML y MLOps
Los retos de Ingeniería de ML y MLOps te sitúan en el centro del trabajo de sacar modelos de los notebooks y llevarlos a producción. Desarrollarás habilidades construyendo Pipelines de ML, Empaquetado de Modelos y Despliegue de Modelos, y entendiendo la diferencia entre Entrenamiento vs Servicio, mientras registras tu trabajo en MLflow.
A partir de ahí abordarás los temas más complejos — Monitorización de Modelos, Detección de Drift y Re-entrenamiento Automático, Pipelines de Kubeflow, Despliegue en el Edge y Optimización ONNX — con Tracking de Experimentos con Weights & Biases y Despliegue ML en Producción como los equipos reales de MLOps. Cada reto que resuelvas te otorga una credencial verificada para mostrar a los reclutadores.
- CodeIntermedioNuevo
Construye un pipeline CI/CD de ML para una insurtech de Ciudad de México
Recibirás el código de un modelo de scoring de suscripción (XGBoost) y acceso a un repositorio Git, GitHub Actions y un clúster de pruebas. Implementa: (1) pipeline de entrenami…
- Ci Cd
- Despliegue De Modelos
- Mlflow
ML Engineering and Production ML - CodePrincipianteNuevo
Construye un pipeline ML reproducible para una startup de delivery en Medellín
Recibes un notebook con un modelo entrenado y unos 1.500 viajes de muestra. Refactoriza en módulos (data, features, train, eval), añade tracking con MLflow, define el pipeline c…
- Pipelines De Ml
- Experiment Tracking
- Code Refactoring
Machine Learning in Practice
Cómo funciona
Del briefing al certificado, en seis pasos.
Paso 01
Explora retos alineados con tus estudios.
Paso 02
Acepta el que encaja con tus metas.
Paso 03
Trabájalo con la guía del AI Copilot.
Paso 04
Envíalo para una evaluación estructurada.
Paso 05
Consigue una credencial verificada.
Paso 06
Añádela a LinkedIn con un solo clic.
Familias de competencias relacionadas
Explorar todas las competenciasEquipos del sector tras una década de briefings prácticos
¿Reclutando de este grupo?
Patrocina un reto y conoce candidatos a través de su trabajo real.
Los equipos de la industria pueden diseñar briefings en torno a las habilidades que buscan, y evaluar a los estudiantes por entregables puntuados con rúbrica — no por currículums.