El temario oficial de Google Cloud Certified Professional Machine Learning Engineer, organizado por dominio. Marca cada punto según lo vayas repasando.
Inicia sesión para guardar tu progreso entre sesiones.
Developing ML models using BigQuery ML or AutoML on Gemini Enterprise Agent Platform
Elige el tipo de modelo según el problema: LOGISTIC_REG, BOOSTED_TREE_* o AUTOML_CLASSIFIER para clasificar; LINEAR_REG o los regresores para valores continuos; KMEANS para segmentar sin etiquetas; MATRIX_FACTORIZATION para recomendaciones; ARIMA_PLUS (univariante, muchas series con TIME_SERIES_ID_COL) o ARIMA_PLUS_XREG (con variables externas) para previsiones. ARIMA_PLUS es la referencia barata y rápida frente a la previsión neuronal de AutoML.
BigQuery ML preprocesa solo (media para NULL, estandarización, one-hot y componentes de TIMESTAMP). Para reglas propias usa TRANSFORM con ML.IMPUTER, ML.QUANTILE_BUCKETIZE o ML.FEATURE_CROSS: las estadísticas del entrenamiento se reutilizan en ML.PREDICT y evitan el sesgo entre entrenamiento y entrega. ML.TRANSFORM, los modelos TRANSFORM_ONLY, ML.FEATURE_IMPORTANCE y ML.GLOBAL_EXPLAIN sirven para inspeccionar y seleccionar atributos.
Manual feature preprocessing ↗Automatic feature preprocessing ↗
ML.PREDICT puntúa por lotes tablas o consultas dentro de BigQuery sin mover datos, admite THRESHOLD en modelos binarios y aplica automáticamente la cláusula TRANSFORM. ARIMA_PLUS usa ML.FORECAST, ML.EXPLAIN_PREDICT añade atribuciones por fila y ML.RECOMMEND sirve a la factorización de matrices. Para inferencia en línea, registra el modelo en Model Registry y despliégalo en un extremo; los modelos ONNX y remotos también usan ML.PREDICT.
The ML.PREDICT function ↗Manage BigQuery ML models in Gemini Enterprise Agent Platform ↗
AutoML divide los datos tabulares en entrenamiento, validación y prueba: aleatoria 80/10/10 por defecto, cronológica con columna de tiempo para datos que cambian con el tiempo o manual para separar, por ejemplo, tiendas. Elige el objetivo según el problema (AUC PR para la clase poco frecuente, log loss obligatorio en multiclase), usa una columna de ponderación para filas importantes y Tabular Workflows cuando necesites controlar cada paso.
Data splits for tabular data ↗Train a classification or regression model ↗
El ajuste supervisado de Gemini desde BigQuery se hace con CREATE MODEL ... REMOTE WITH CONNECTION, OPTIONS(ENDPOINT = ...) y una cláusula AS SELECT con columnas prompt y label (o PROMPT_COL e INPUT_LABEL_COLS). MAX_ITERATIONS se convierte en épocas, DATA_SPLIT_METHOD reserva datos de evaluación para la detención temprana y ML.EVALUATE compara el modelo base con el ajustado. Ajusta cuando las instrucciones no bastan y tienes ejemplos etiquetados.
The CREATE MODEL statement for fine-tuning Gemini models ↗Use tuning and evaluation to improve model performance ↗
Building AI solutions using Google Cloud AI APIs or foundational models
Model Garden reúne modelos fundacionales, ajustables y de tarea específica de Google, socios y abiertos. Usa MaaS para prototipos, tráfico variable y mínima operación; autodespliega para pesos propios, alto volumen predecible, control del hardware o normas contra servicios multiinquilino. Compara candidatos con el Gen AI evaluation service sobre tus datos, limita modelos con una política de organización y revisa los marcados como sospechosos.
Document AI usa procesadores: Enterprise Document OCR para digitalizar, Form Parser, Layout Parser, Custom Extractor y analizadores preentrenados (facturas, gastos) para extraer, y Custom Classifier o Custom Splitter para clasificar. Vision API ofrece OCR, etiquetas, logotipos, objetos y SafeSearch. Cloud Translation Advanced añade glosarios, traducción adaptativa y traducción de documentos que conserva el formato.
Empieza con instrucciones y pasa al ajuste solo si no bastan: el ajuste supervisado sirve para formato, clasificación o extracción con cientos de ejemplos; el de preferencias, para pares preferido/rechazado tras un ajuste supervisado; y el refuerzo, para razonamiento verificable. Model Garden ofrece modelos abiertos como API gestionada sin servidores (MaaS) o autodesplegados en tu proyecto; Veo genera vídeo.
El almacenamiento en caché de contexto reduce coste y latencia con contenido repetido: el implícito es automático (pon el contenido común al principio) y el explícito garantiza el descuento y controla la caducidad. La inferencia por lotes sirve para trabajos no urgentes. Provisioned Throughput reserva capacidad a coste fijo; Priority PayGo da constancia sin compromiso; el extremo global mejora la disponibilidad, pero no garantiza residencia.
Practica por dominio oficial y revisa la explicación de cada respuesta.
Empezar a practicar