CertifyDeckCargando contenido…
El temario oficial de Google Cloud Certified: Generative AI Leader, organizado por dominio. Marca cada punto según lo vayas repasando.
Inicia sesión para guardar tu progreso entre sesiones.
Describe core generative AI (gen AI) concepts and use cases
La IA es el campo amplio; el machine learning aprende patrones a partir de datos y el NLP permite entender y generar lenguaje. La IA generativa usa modelos fundacionales, preentrenados con enormes volúmenes de datos y adaptables: los LLM se centran en texto, los multimodales combinan texto, imagen, audio y vídeo, y los de difusión crean imágenes eliminando ruido. La ingeniería de prompts guía la respuesta; el prompt tuning aprende un prefijo.
El aprendizaje supervisado entrena con datos etiquetados para clasificar o predecir valores, como el riesgo de impago de un préstamo. El no supervisado descubre patrones en datos sin etiquetar, por ejemplo al segmentar clientes. El aprendizaje por refuerzo aprende por ensayo y error con recompensas y penalizaciones, como un robot que aprende a agarrar objetos. El semisupervisado combina pocos datos etiquetados con muchos sin etiquetar.
Supervised vs. unsupervised learning ↗What is reinforcement learning (RL)? ↗
El ciclo de vida del ML va de la ingesta de datos (Pub/Sub para flujos de eventos) a su preparación (BigQuery, Dataflow), el entrenamiento (AutoML sin código o entrenamiento personalizado en Gemini Enterprise Agent Platform), el despliegue en endpoints para inferencia online o por lotes y la gestión del modelo: Model Registry para las versiones, Model Monitoring para la deriva y Pipelines para automatizar el flujo.
Best practices for implementing machine learning on Google Cloud ↗MLOps on Gemini Enterprise Agent Platform ↗
Para elegir un modelo fundacional se parte del caso de uso: la modalidad (texto, imagen, vídeo o audio), la ventana de contexto necesaria, la calidad, la latencia y el coste, la seguridad y el cumplimiento normativo, y la posibilidad de ajustarlo con datos propios. Un modelo más grande no siempre es mejor; Model Garden reúne modelos de Google, de partners y abiertos para compararlos.
The Prompt: What AI model is it anyway? ↗Model Garden on Gemini Enterprise Agent Platform ↗
La IA generativa destaca en crear contenido (texto, imágenes, vídeo y código), resumir documentos y opiniones, descubrir información mediante búsqueda conversacional y automatizar tareas repetitivas. Para previsiones o clasificaciones con datos estructurados suele bastar la IA tradicional, y ambas se combinan: la tradicional segmenta clientes y la generativa crea contenido personalizado para cada segmento.
When to use generative AI or traditional AI ↗Generative AI on Google Cloud ↗
Describe how various data types are used in gen AI and the business implications
La IA depende de la calidad de sus datos: deben estar completos, ser consistentes entre sistemas, válidos, actualizados y relevantes para las condiciones reales de uso; si no, aparecen sesgos y alucinaciones. También deben ser accesibles: los silos y la variedad de formatos frenan los proyectos, y Google recomienda una plataforma unificada y gobernada en lugar de copiarlo todo, que suele ser caro y poco práctico.
Auto data quality overview ↗Your data is the fuel for AI: 5 steps to build strong data foundations ↗
Los datos estructurados siguen un esquema fijo de filas y columnas y se consultan con SQL, como inventarios o registros financieros. Los no estructurados no tienen modelo predefinido: correos, PDF, imágenes, audio, vídeo o imágenes de satélite, y son la mayoría de los datos de una empresa. JSON y XML son semiestructurados. Google recomienda BigQuery para los estructurados y Cloud Storage para los no estructurados.
What is unstructured data? ↗Best practices for implementing machine learning on Google Cloud ↗
Los datos etiquetados asocian cada ejemplo a su respuesta correcta (una categoría, un sentimiento o un valor) y son la base del aprendizaje y el ajuste supervisados; los no etiquetados carecen de ella y alimentan el aprendizaje no supervisado y el autosupervisado de los modelos fundacionales. Etiquetar es caro, por lo que se combinan personas y automatización, con pautas claras y control de calidad.
Identify the core layers of the gen AI landscape and the business implications
La capa de infraestructura aporta el cómputo, el almacenamiento y la red con los que se entrenan y sirven los modelos. En Google Cloud se agrupa en AI Hypercomputer, que integra aceleradores (GPU de NVIDIA y TPU diseñadas por Google), software abierto y opciones de consumo flexibles, como Spot VMs o reservas, para maximizar el goodput y controlar el coste.
La capa de modelos la forman los modelos fundacionales: modelos grandes preentrenados con datos masivos que se adaptan a muchas tareas. Los LLM son un tipo de modelo fundacional; otros trabajan con imágenes, audio o vídeo. Difieren en tamaño, modalidad y coste, así que elegir modelo es un equilibrio por caso de uso, y adaptar uno preentrenado suele ser más rápido y barato que entrenar desde cero.
What are foundation models? ↗Generative AI beginner's guide ↗
La capa de plataformas une modelos, datos y agentes y oculta la complejidad de la infraestructura. En Google Cloud es Gemini Enterprise Agent Platform, la evolución de Vertex AI, organizada en cuatro pilares: crear (Agent Studio, Agent Development Kit, Model Garden), escalar (Agent Runtime), gobernar (Agent Registry, Agent Identity, Agent Gateway) y optimizar (evaluación, simulación y observabilidad).
Un agente de IA persigue un objetivo con autonomía: usa un modelo como motor de razonamiento, planifica, recuerda y actúa sobre sistemas externos mediante herramientas. A diferencia de un asistente, no espera a que el usuario decida cada paso, y a diferencia de un bot, no sigue reglas fijas. Google advierte que tareas deterministas como resumir o clasificar no necesitan un flujo agéntico.
What are AI agents? Definition, examples, and types ↗Choose your agentic AI architecture components ↗
La capa de aplicaciones es la parte con la que interactúan las personas. Incluye la IA integrada en herramientas de uso diario, como Gemini en Gmail o Docs, y la aplicación Gemini Enterprise, puerta de entrada única para buscar en los datos de la empresa con permisos, chatear y usar agentes. Aporta valor rápido sin desarrollo propio y Google indica que los datos de la empresa no se usan para entrenar modelos.
What is Gemini Enterprise? ↗AI Tools for Business | Google Workspace ↗
Identify the use cases and strengths of Google’s foundation models
Gemini es la familia de modelos multimodales más capaces de Google, creada por Google DeepMind: entiende texto, imágenes, audio, vídeo y código en una misma petición y razona sobre ellos. Su ventana de contexto larga permite analizar grandes volúmenes de documentos o vídeos sin trocearlos, y es el motor de razonamiento de asistentes y agentes como Gemini Enterprise. Se usa como servicio gestionado en Agent Platform.
Gemma es una familia de modelos abiertos y ligeros creada con la misma investigación que Gemini. Al ser de pesos abiertos, se puede ajustar con el framework que se prefiera y ejecutar en hardware propio, móviles o servicios alojados. Tiene variantes especializadas, como MedGemma (medicina), ShieldGemma 2 (seguridad) o EmbeddingGemma (búsqueda), y Google recomienda Agent Platform para servirla sin equipo de MLOps.
Imagen es el modelo especializado de Google para generar imágenes a partir de texto. Sus puntos fuertes son la calidad de imagen, el fotorrealismo, los estilos artísticos, la tipografía y los diseños de marca, logotipos y productos, con baja latencia; también permite editar con máscaras y ampliar la resolución. Para la edición conversacional en varios turnos Google recomienda Gemini, y lo generado con Imagen lleva la marca de agua SynthID.
Generate and edit images on Vertex AI ↗Announcing Veo 3, Imagen 4, and Lyria 2 on Vertex AI ↗
Veo es el modelo de Google DeepMind para generar vídeo a partir de texto o imágenes, con estilos visuales y cinematográficos muy variados. Puede animar fotos existentes, crear el vídeo entre un fotograma inicial y otro final, ampliar y editar clips y generar audio nativo con diálogos y efectos. Las empresas lo usan para acelerar anuncios y contenido de marketing, y sus vídeos llevan la marca de agua SynthID.
Generate videos with Agent Platform ↗Veo 3 Fast available for everyone on Vertex AI ↗
Practica por dominio oficial y revisa la explicación de cada respuesta.
Empezar a practicar