Contacta
Log in
2ª EDICIÓN

MLOps y ML Engineering

Aprende a implementar MLOps y ML Engineering para llevar modelos de machine learning de la experimentación a la producción de forma ágil y escalable.

Más de 2k alumnos formados en tecnologías de IA y Data Science para profesionales y empresas
Unirme al programa

Inscríbete hoy por 497€

Reserva tu plaza por 597 €

* Pronto subirá de precio 890 €
MLOps y ML Engineering: de la experimentación a producción, ágil y escalable

La IA ya forma parte del trabajo moderno y entenderla marca la diferencia. En Data Campus Academy aprenderás a usarla con naturalidad, a convertir tareas complejas en flujos simples y a generar ideas que antes parecían fuera de alcance. Todo con una metodología clara que te permite avanzar sin complicaciones y aplicar resultados desde el primer momento.

Dura
4 semanas
Horas lectivas
Viernes de 16:00h a 19:00h
Orientado a producción
Trabajo práctico
0 %
Pipelines, despliegue, monitoreo y automatización como en entornos reales.

Nuestro programa MLOps y ML Engineering está diseñado para que aprendas de manera práctica y aplicada, con contenidos que puedas usar desde el primer día.

  • Data Scientist
  • Machine Learning Engineer
  • MLOps Engineer
  • DevOps / Cloud Engineer
  • Data Engineer
  • Software Engineer / Backend
Machine learning
Ingeniería real
0 +
No modelos de juguete: arquitectura, pipelines y operación continua.
Un programa para todos

¿A quién va dirigido?

  • Perfiles de IA (Data Scientist y ML Engineer) que quieren llevar modelos a producción
  • Perfiles de plataforma (MLOps, DevOps y Cloud) que construyen pipelines, CI/CD y monitorización
  • Perfiles de datos y software (Data Engineer y Backend) que integran ML en productos y procesos
DOCENTES AL CARGO

Impartido por Pablo Moreno y Gabriel Gomez

Descubre a los profesionales que lideran tu aprendizaje: especialistas con proyectos reales en datos, IA y transformación digital, que han asesorado a empresas, implementado soluciones complejas y formado a equipos en entornos de alto rendimiento.

Pablo Moreno
Pablo Moreno
Gabriel Gomez
Nuestro programa a fondo

Programa detallado

Nuestra metodología de enseñanza combina teoría y práctica para facilitar la comprensión estratégica de la Inteligencia Artificial (IA) en las organizaciones. Cada módulo está diseñado progresivamente, iniciando con fundamentos básicos y avanzando hacia temas como la ética, regulación, y estrategias de implantación.

Debates interactivos

Presentaciones dinámicas

Análisis de casos reales

Herramientas

Impulsa tu aprendizaje con un entorno preparado para crecer contigo:

  1. Diseñar arquitecturas de pipelines de datos y de ML para garantizar la reproducibilidad.
  2. Identificar y aplicar estrategias para el versionado de datos (Data Versioning) y artefactos de modelos.
  3. Implementar componentes de preprocesamiento de datos escalables dentro del pipeline.
  4. Automatizar el entrenamiento, la evaluación y el registro de modelos mediante orquestadores de flujos de trabajo.
  5. Distinguir entre pipelines de entrenamiento, reentrenamiento y de inferencia.
  6. Asegurar la calidad de los datos de entrada al pipeline para prevenir fallos en la fase de entrenamiento.
  1. Establecer métricas de rendimiento operacional (latencia, throughput) y de negocio para modelos en producción.
  2. Configurar herramientas y dashboards para la visualización en tiempo real del desempeño del modelo.
  3. Implementar mecanismos para la detección temprana de Data Drift y Concept Drift.
  4. Desarrollar sistemas de alerta automatizados que notifiquen sobre el deterioro de la calidad predictiva.
  5. Analizar la equidad y la explicabilidad (Explainability) del modelo en producción.
  6. Definir un protocolo de reentrenamiento automático activado por métricas de monitoreo.
  1. Aplicar los principios de Integración Continua a proyectos de Machine Learning.
  2. Crear un proceso básico de Despliegue Continuo (CD) para nuevos modelos entrenados.
  3. Diseñar un Dockerfile para empaquetar un modelo de Machine Learning y sus dependencias.
  4. Explicar cómo la contenedorización resuelve el problema de la «dependencia y el entorno».
  5. Utilizar herramientas de CI/CD para automatizar pruebas de código, modelos y artefactos.
  6. Gestionar y versionar las imágenes de los contenedores para la reproducibilidad del despliegue.
  1. Desplegar un modelo de ML en contenedores como un servicio web (API RESTful).
  2. Entender los conceptos clave de la orquestación de contenedores con Kubernetes (Pods, Services, Deployments).
  3. Implementar patrones de despliegue sin downtime, como Blue/Green o Canary Releases.
  4. Configurar la escalabilidad horizontal y la autorreparación para los servicios de inferencia.
  5. Optimizar las imágenes de Docker para reducir el tamaño y mejorar el tiempo de arranque.
  6. Integrar la fase final de CD con el orquestador (Kubernetes) para el despliegue automatizado.

Solicita el programa completo con todas las lecciones y materiales.

Solicita el programa

¿Sabías que todas las empresas tiene crédito para la formación de sus trabajadores?

Nuestra formación cumple los requisitos para aplicar bonificaciones a la Seguridad Social. Infórmate sin compromiso y aprovecha la oportunidad de impulsar el desarrollo de tus empleados.

Contacta
Preguntas frecuentes

Antes de nada, resuelve tus dudas

Respondemos tus preguntas para que puedas avanzar con claridad en cada paso del curso.

Sí, puedes realizar el pago fraccionado sin intereses en 3 cuotas a través de Klarna, de forma rápida y sencilla durante el proceso de compra.

  • Equipo: PC/portátil

  • Sistema: Windows 10/11 (64 bits)

    • Mac: con Windows en VM (Parallels/VMware) o escritorio remoto a un PC Windows

  • Rendimiento: 8 GB RAM mín (16 GB recomendado) · i5 o similar · 5–10 GB libres

  • Software: Power BI Desktop + navegador (Edge/Chrome) + Power BI Service

  • Cuentas: Figma / Uizard / Microsoft Designer / Excalidraw (planes gratis)

  • Conexión: internet estable (10 Mbps+ recomendado) + auriculares/micrófono

Es recomendable tener nociones básicas de Machine Learning y Python.
No necesitas experiencia previa en MLOps, Docker o Kubernetes: estos conceptos se introducen desde la base durante la formación.

Este curso está pensado para quienes ya entrenan modelos y quieren aprender a llevarlos a producción de forma profesional.

Para aprobar el programa online será necesario superar con éxito los ejercicios prácticos que aparecerán a final de cada módulo y un trabajo final obligatorio que tiene como objetivo poner en práctica todo lo aprendido durante el programa.

Se imparte en vivo y online. Las sesiones se graban y quedan disponibles para los participantes. Igualmente se comparte todo el material, codigos, notebooks y otros.

Todos los programas formativos que se imparten en Data Campus Academy pueden adaptarse a una formación InCompany para tu empresa.

¿Por qué estudiar en Data Campus Academy?

Porque reunimos a profesionales en activo y formadores certificados, con programas prácticos en formato online o híbrido. Además, estamos 100% centrados habilidades clave, en  el networking y en ofrecer formación InCompany adaptada a cada empresa.

Equipo docente profesional

Nuestro equipo docente está compuesto por profesionales en activo y un grupo de formadores certificado.

Networking profesional

Oportunidades de networking con profesionales y compañeros que comparten tus intereses.

Enfocado al mercado laboral

Enfoque en las habilidades más demandadas para enfrentar los desafíos actuales del mercado laboral.

Únete ahora.

Domina MLOps y ML Engineering con un uso seguro y responsable para aplicar datos en tus proyectos con criterio.
Dura 4 semanas
Viernes de 16:00h a 19:00h lectivas

Reserva tu plaza por 597 €

* Pronto subirá de precio 890 €
Unirme al programa

Solicita más información sobre nuestros programas formativos.

Completa el formulario y recibe información personalizada sobre nuestros programas. Da el primer paso hacia tu futuro profesional.

Lo sentimos... estamos efectuando una actualización temporal

Por favor, vuelve a intentarlo más tarde.

Si lo deseas, puedes enviarnos tu solicitud de información enviando un email a hola@datacampusacademy.com.
Te responderemos de inmediato.

¡Gracias y disculpa!

Información sobre tu pago.
En España: 597€ (impuestos incluidos)
Pagar con tarjeta
Tienes la opción de realizar el pago en 3 cuotas. Haz clic en Pago con tarjeta y selecciona Klarna para efectuar el pago fraccionado.
Pagar con tarjeta

Pagar por transferencia bancaria

Puedes solicitar aquí el número de cuenta o a través de nuestro formulario.
  • Concepto: Nombre y Apelllidos + MLOps y ML Engineering
  • Enviar justificante a: facturas@datacampusacademy.com junto con nombre y domicilio completos, NIF y teléfono de contacto.
Residentes en LATAM: 627€
Importe del curso (597€) +
 Gastos bancarios (30€)
Tienes la opción de realizar el pago en 3 cuotas. Haz clic en Pago con tarjeta y selecciona Klarna para efectuar el pago fraccionado.
Pagar con tarjeta
Cobramos el importe del curso en Euros €. Puede que haya una mínima variación debido al tipo de cambio usado por la pasarela de pago. En el caso de transferencia bancaria, el ordenante correrá con los gastos repercutidos por su entidad bancaria, si los hubiera. Una vez hayas realizado el pago del curso, recibirás un correo electrónico que te confirmará que tu matrícula se ha realizado correctamente, así como el contacto con el tutor y el acceso a la plataforma.

Solicita más información sobre MLOps y ML Engineering

Completa el formulario y recibe información personalizada sobre nuestros programas. Da el primer paso hacia tu futuro profesional.

Lo sentimos... estamos efectuando una actualización temporal

Por favor, vuelve a intentarlo más tarde.

Si lo deseas, puedes enviarnos tu solicitud de información enviando un email a hola@datacampusacademy.com.
Te responderemos de inmediato.

¡Gracias y disculpa!

¡Gracias por tu contacto!

Hemos recibido tu consulta correctamente.

Nuestro equipo revisará tu solicitud y en breve se pondrá en comunicación contigo para ofrecerte información detallada sobre programas, modalidades y fechas disponibles.