Google Cloud
Professional Machine Learning Engineer es la certificación profesional de Google Cloud para quien construye, evalúa, pone en producción y optimiza soluciones de IA, tanto con aprendizaje automático convencional como con modelos fundacionales. Valida que sabes crear modelos low-code con BigQuery ML y AutoML, elegir y ajustar modelos de Model Garden como Gemini, preparar datos y características, prototipar en Agent Platform Workbench y Colab Enterprise, entrenar, servir y escalar modelos en Gemini Enterprise Agent Platform (antes Vertex AI), automatizar canalizaciones de ML con CI/CD/CT y supervisar las soluciones en producción con prácticas de IA responsable. El examen no evalúa directamente la programación, pero conviene leer Python y SQL con soltura. Seguimos la guía oficial actual del examen, que no indica fecha de vigencia y ya usa los nombres de producto nuevos.
Sin registro · Sin tarjeta
Banco de preguntas actualizado el 9 de noviembre de 2026
Un modelo de BigQuery ML entrenado con una cláusula TRANSFORM que escala y agrupa en cubos varias columnas devuelve predicciones inesperadas para un grupo de clientes. Quieres ver los valores exactos de los atributos preprocesados que recibe el modelo para esas filas, usando las estadísticas capturadas en el entrenamiento, sin volver a entrenar ni reescribir la lógica de preprocesamiento. ¿Qué deberías hacer?
Tu progreso
El simulador de Professional Machine Learning Engineer de CertifyDeck incluye 302+ preguntas de examen en español, redactadas a partir del temario oficial de Google Cloud Certified Professional Machine Learning Engineer, con la respuesta correcta explicada y la terminología en inglés que verás en el examen real.
Puedes hacer un test online por dominio, un examen de prueba cronometrado de 120 minutos ponderado como el examen oficial y repasar tus fallos. Empieza gratis, sin registro ni tarjeta, y prueba el practice test antes de decidir.
Preguntas de examen Professional Machine Learning Engineer con respuesta y explicación
Ponderación oficial de cada dominio. Empieza gratis, sin registro.
Ingenieros de machine learning, científicos de datos e ingenieros de MLOps que entrenan, despliegan y supervisan modelos tradicionales y de IA generativa en Google Cloud. Google recomienda más de tres años de experiencia en el sector, de ellos al menos uno diseñando y gestionando soluciones con Google Cloud. Sin requisitos previos.
Professional Machine Learning Engineer es la certificación profesional de Google Cloud para quien construye, evalúa, pone en producción y optimiza soluciones de IA con aprendizaje automático convencional y con modelos fundacionales. El examen comprueba que sabes elegir entre BigQuery ML, AutoML y Gemini según el problema, preparar datos y características, entrenar y ajustar modelos, servirlos y escalarlos en Gemini Enterprise Agent Platform (antes Vertex AI), automatizar canalizaciones de MLOps y supervisarlas en producción con prácticas de IA responsable. No evalúa directamente la programación, pero incluye fragmentos de código en Python y SQL que debes saber interpretar.
La guía oficial tiene seis secciones: arquitectura de soluciones de IA low-code (13 %), colaboración dentro y entre equipos para gestionar datos y modelos (16 %), escalado de prototipos a modelos de ML (21 %), servicio y escalado de modelos (20 %), automatización y orquestación de canalizaciones de ML (18 %) y supervisión de soluciones de IA (13 %).
IA low-code, datos y experimentación: modelos de clasificación, regresión, previsión y agrupación con BigQuery ML o Agent Platform AutoML, ingeniería de características y predicciones en BigQuery ML y ajuste de Gemini desde BigQuery; elección de modelos en Model Garden (Gemini, Veo y modelos como servicio), APIs como Document AI, Vision y Translation, y optimización de coste, latencia y disponibilidad. En datos: la herramienta de preprocesamiento según escala (BigQuery, Dataflow, Apache Spark o Python en memoria), Feature Store y el tratamiento de datos personales. Y en experimentación: notebooks seguros en Agent Platform Workbench y Colab Enterprise con PyTorch, scikit-learn o JAX, Experiments, ML Metadata, métricas de evaluación y LLM-as-a-judge.
Entrenamiento, servicio, MLOps y supervisión: elegir tipo de modelo (ARIMA, DNN o LLM) y producto, técnicas interpretables, entrenamiento personalizado, Kubeflow en GKE y Tabular Workflows, ajuste de hiperparámetros, fallos de entrenamiento, ajuste fino de modelos fundacionales y entrenamiento distribuido en GPU y TPU con paralelismo de datos y de modelo. Para el servicio: inferencia por lotes y en línea con Agent Platform, Cloud Run o GKE, contenedores precompilados y personalizados, Model Registry, despliegues canary y pruebas A/B, endpoints públicos y privados y escalado del backend. En MLOps: Agent Platform Pipelines, Managed Service for Apache Airflow (antes Cloud Composer) y Ray, validación de datos y modelos, coherencia entre entrenamiento y servicio, políticas de reentrenamiento y CI/CD/CT con Cloud Build. Y para supervisar: Model Armor y filtros de seguridad, sesgo y explicabilidad, Model Monitoring, desviación de datos, de concepto y de atribución de características, y evaluación de soluciones de IA generativa.
Google recomienda más de tres años de experiencia en el sector, de ellos al menos uno diseñando y gestionando soluciones con Google Cloud. Con esa base, entre seis y ocho semanas suelen bastar: lee la guía oficial, sigue la ruta de aprendizaje Machine Learning Engineer de Google Skills y practica en un proyecto propio un modelo de BigQuery ML, un entrenamiento personalizado con ajuste de hiperparámetros, un endpoint con despliegue canary, una canalización en Agent Platform Pipelines y una supervisión con Model Monitoring. Dedica más tiempo al escalado de prototipos y al servicio de modelos, que suman el 41 % del examen.
Empieza gratis para medir tu nivel y practica por sección. Si vienes del lado de los datos, mira [Professional Data Engineer](/certifications/professional-data-engineer); para una visión de negocio de la IA generativa en Google Cloud, [Generative AI Leader](/certifications/generative-ai-leader); y si comparas con otras nubes, [MLA-C02](/certifications/mla-c02) cubre la ingeniería de machine learning en AWS.
Fuente oficial: Guía oficial del examen Professional Machine Learning Engineer
CertifyDeck es una plataforma de estudio independiente, no afiliada ni patrocinada por Google Cloud. Professional Machine Learning Engineer y sus marcas relacionadas pertenecen a su respectivo titular.
Dura 2 horas y tiene entre 50 y 60 preguntas de opción múltiple. Puedes hacerlo en línea con supervisión remota o en un centro de examen. Nuestro simulacro usa 50 preguntas en 120 minutos.
Google no publica la puntuación mínima: el resultado es apto o no apto.
200 USD más los impuestos que correspondan. CertifyDeck no vende el examen, solo la preparación: puedes empezar gratis y el acceso completo es un pago único.
No. Google lo ofrece en inglés y japonés. En CertifyDeck todas las preguntas y explicaciones están en español e inglés, para que estudies en tu idioma y te familiarices con la terminología del examen.
No hay requisitos previos. Google recomienda más de tres años de experiencia en el sector, de ellos al menos uno diseñando y gestionando soluciones con Google Cloud, y un nivel mínimo de Python y SQL para interpretar las preguntas con código.
Dos años. Google también permite renovarla en Google Skills completando los cursos o insignias de habilidad designados en la ruta de renovación durante el último año de vigencia.
Google ya actualizó el examen para reflejar el paso de Vertex AI a Gemini Enterprise Agent Platform y los cambios de nombre de su plataforma de datos y analítica (por ejemplo, Cloud Composer pasó a Managed Service for Apache Airflow), y ahora da prioridad a las soluciones nativas de Google Cloud. No hay otro cambio anunciado. Nuestro banco sigue la guía oficial actual con los nombres nuevos y cita el antiguo cuando ayuda a reconocerlo.
No. Son preguntas originales redactadas a partir de la guía oficial del examen y de la documentación pública de Google Cloud.
Sí. Puedes empezar gratis, sin registro ni tarjeta: preguntas de Professional Machine Learning Engineer con explicación, un test online por dominio y preguntas de ejemplo publicadas con su respuesta. El acceso completo al banco y al simulacro cronometrado es un pago único.
Generative AI Leader valida, a nivel de negocio, cómo la IA generativa puede transformar una organización: conceptos y tipos de modelos, los productos de IA generativa de Google Cloud (Gemini, la plataforma de agentes y las soluciones preconfiguradas), las técnicas para mejorar las respuestas de un modelo y las estrategias para adoptar la IA de forma segura y responsable. No exige programar.
Simulador Generative AI LeaderMLA-C02 es la versión actualizada del examen AWS Certified Machine Learning Engineer - Associate. Valida que puedes construir, desplegar, operar y mantener soluciones y canalizaciones de ML e IA en AWS, tanto con modelos tradicionales como con modelos fundacionales: preparación de datos, entrenamiento y ajuste, RAG y bases de conocimiento, agentes, CI/CD, monitorización, costes y seguridad.
Simulador MLA-C02Professional Data Engineer es la certificación profesional de Google Cloud para quien recopila, transforma, almacena y entrega datos para la toma de decisiones. Valida que sabes diseñar sistemas de procesamiento de datos con seguridad, cumplimiento, fiabilidad y portabilidad, planificar migraciones a Google Cloud, construir y desplegar canalizaciones batch y streaming, elegir el almacenamiento adecuado (BigQuery, Lakehouse, antes BigLake, Bigtable, Spanner, AlloyDB, Cloud SQL, Cloud Storage) y diseñar almacenes de datos, lagos de datos y plataformas de datos con Knowledge Catalog (antes Dataplex). También cubre la preparación de datos para BI, aprendizaje automático y RAG, la compartición con BigQuery sharing (antes Analytics Hub), y la optimización, automatización y supervisión de cargas de trabajo. Seguimos la guía oficial actual del examen, que no indica fecha de vigencia, con los nombres de producto que Google usa desde abril de 2026; Google avisa de que el examen se actualizará pronto para reflejar esos cambios de nombre.
Simulador Professional Data EngineerEmpieza gratis, sin registro ni tarjeta de crédito.
Empieza gratis, sin tarjeta
Empieza gratis, sin tarjeta