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.
Proyectos recomendados
· Monitorización de Modelos Limpiar- CodePrincipianteNuevo
Detección de fraude de tarjeta para una fintech mexicana
Recibes nueve meses de autorizaciones anonimizadas (unos 6 millones de transacciones, con tasa de fraude del 0,3%) y el resultado de las reglas actuales por transacción. Divide …
- Classification
- CalibracióN De Modelos
- Feature Engineering
AI and Quantitative Finance - CodeSéniorNuevo
API pública de inferencia para un modelo de visión propio
Construye un servicio HTTP en Python (FastAPI) que reciba imágenes, las pase por el modelo de visión (proporcionado) y devuelva clasificación + confianza + boxes detectados. Imp…
- Software Engineering
- System Design
- Mlops
AI Software Engineering Group Project - CodeSéniorNuevo
Dashboard de salud de modelos de ML para una scaleup
Construye un sistema con backend en Python, almacenamiento de series temporales (PostgreSQL con TimescaleDB), frontend en React y conectores ligeros para ingesta. El dashboard d…
- Mlops
- System Design
- MonitorizacióN De Modelos
AI Software Engineering Group Project - CodeIntermedioNuevo
Construye un sistema de monitorización de drift para una fintech LATAM
Recibirás predicciones históricas y features de 14 modelos durante 6 meses. Implementa un servicio en Python que: (1) calcule PSI (Population Stability Index — índice de estabil…
- MonitorizacióN De Modelos
- Data Drift
- Python O Javascript
Machine Learning Systems Practice your coursework on real scenarios.
Every challenge is shaped from real-world context — not generic exercises. The work mirrors what your degree prepares you for.
Why Ewance
- DesignIntermedioNuevo
Diseñar el lifecycle de evaluación de un modelo en producción
Diseñarás (1) un dashboard de monitorización con métricas operativas (precision, recall, alerts/día) y de drift (PSI — Population Stability Index — sobre 8 features clave), (2) …
- MonitorizacióN De Modelos
- Drift Detection
- Ai Lifecycle
AI for Business and AI Product Management
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.



















































































