Parte 20 — Plataformas cloud de datos, analítica, IA y agentes

← Parte 19 · Índice completo · Parte 21 →

📥 Descargar: Esta parte en PDF · Manual integral

Nivel: avanzado · Clases: 12 · Duración sugerida: 6–8 semanas

Diseñar plataformas gobernadas para batch, streaming, ML, IA generativa y agentes.

Resultados de la parte

Al completar esta parte podrás explicar el dominio con lenguaje independiente del proveedor, implementar sus mecanismos esenciales, diagnosticar fallos y defender decisiones mediante evidencia, costo, seguridad y objetivos de confiabilidad.

Modelo mental

Una plataforma de IA sigue siendo un sistema de datos: necesita procedencia, evaluación, límites de costo, seguridad y operación antes de una interfaz inteligente.

Secuencia

Clases

ID	Clase	Laboratorio	Horas
241	Lakehouse, warehouse, mesh y contratos de datos	`data`	4
242	Ingesta batch, CDC y streaming	`data`	4
243	Orquestación, calidad, lineage y observabilidad de datos	`observability`	4
244	Feature stores, training pipelines y experiment tracking	`platform`	4
245	Serving online, batch inference y escalado de modelos	`performance`	4
246	MLOps, registro, promoción, drift y rollback	`delivery`	4
247	Modelos fundacionales, tokens, embeddings y RAG	`architecture`	4
248	Bedrock, Azure AI Foundry y Vertex AI	`decision`	4
249	Agentes, tools, memoria, permisos y guardrails	`security`	4
250	Evaluación de IA, red teaming y observabilidad	`testing`	4
251	Privacidad, gobernanza, sostenibilidad y costo de IA	`governance`	4
252	Proyecto: asistente operativo de CloudShop	`capstone`	8

Evaluación de la parte

35 % laboratorios y evidencia reproducible.
25 % retos verificables.
20 % decisiones y ADR.
10 % seguridad, confiabilidad y costo.
10 % proyecto integrador de la parte.

Se aprueba con 80 % de clases en nivel B o superior y el proyecto integrador reproducible.

Pauta bibliográfica

Designing Machine Learning Systems — Chip Huyen.
Fundamentals of Data Engineering — Reis y Housley.
Building Machine Learning Powered Applications — Emmanuel Ameisen.