Plataforma de Entrenamiento ML Multi-Región para una Edtech Bogotana
Visión general
De qué trata este proyecto.
Diseña un pipeline ML multi-región en Vertex AI y GKE, mide coste vs on-demand. Obtén un certificado verificable.
El Briefing
Lo que harás y lo que demostrarás.
Demostrar al menos 40% de ahorro de coste vs entrenamiento on-demand puro manteniendo SLO de éxito de jobs superior a 95%.
Earning criteria — what you'll demonstrate
- Orquestar entrenamiento ML con Vertex AI Pipelines
- Combinar spot/preemptible y on-demand con fallback robusto
- Definir SLOs operativos para plataformas ML
- Cuantificar trade-off coste/fiabilidad con datos
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Cloud Computing for Data and ML
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 de MLOps
Diseñar y operar una plataforma de entrenamiento con orquestación y políticas de coste es trabajo cotidiano del MLOps engineer.
Este proyecto afina
- mlops
- pipeline-orchestration
- cost-optimization
Arquitecto de Soluciones de IA
Diseñar la plataforma y defenderla en una memoria es el músculo del AI solutions architect.
Este proyecto afina
- mlops
- infrastructure-as-code
- cost-optimization
Ingeniero de Datos
Orquestación de jobs sobre datasets multi-país en cloud prepara el músculo del data engineer en plataformas ML.
Este proyecto afina
- pipeline-orchestration
- gcp
- kubernetes