CDL cubre soluciones de IA/ML en aproximadamente 15-20% del examen. Saber que solucion de IA elegir y entender Vertex AI y las APIs preentrenadas son las habilidades clave.
Que son IA, ML y Deep Learning
Estos tres conceptos forman una jerarquia de contencion — como munecas rusas: el Deep Learning esta dentro del ML, que esta dentro de la IA.
IA (Inteligencia Artificial): concepto mas amplio — hacer que las maquinas piensen como humanos. Traductores automaticos, asistentes de voz, juego de ajedrez.
ML (Machine Learning): una forma de implementar la IA. El sistema aprende patrones de grandes cantidades de datos de ejemplo, en lugar de que los humanos programen reglas explicitas. Ejemplo: filtro de spam que aprende de millones de correos.
Deep Learning: subconjunto del ML usando redes neuronales artificiales inspiradas en el cerebro humano. Excelente para reconocimiento de imagenes, procesamiento del lenguaje natural, reconocimiento de voz.
| Concepto | Definicion | Ejemplo | |---------|------------|---------| | IA | Maquinas piensan como humanos | Traduccion automatica | | ML | Aprender patrones de datos | Filtros de spam | | Deep Learning | ML basado en redes neuronales | Reconocimiento de imagenes, ChatGPT |
Valor empresarial del ML: Prediccion, Automatizacion, Personalizacion, Deteccion de anomalias, Comprension del lenguaje natural.
Espectro de soluciones de IA de Google Cloud
Tres niveles segun el conocimiento de ML requerido. La habilidad mas importante del CDL es juzgar que nivel se adapta a cada situacion.
Nivel 1: APIs preentrenadas (sin experiencia en ML) Google ya entrenó modelos con miles de millones de puntos de datos. Solo unas pocas lineas de codigo para agregar IA potente a tu app.
| API | Capacidades | Ejemplos de uso | |-----|-------------|----------------| | Vision API | Deteccion de objetos, OCR, reconocimiento facial | Etiquetado de imagenes, OCR de documentos | | Natural Language API | Sentimiento, entidades, sintaxis | Analisis de resenas, clasificacion de noticias | | Speech-to-Text | Voz → texto (120+ idiomas) | Transcripcion de centros de llamadas | | Translation API | 100+ idiomas | Traduccion de contenido multilingue | | Video Intelligence API | Deteccion de escenas, seguimiento de objetos | Clasificacion automatica de video |
Nivel 2: AutoML (algunos datos, codigo minimo) Entrena modelos personalizados con tus propios datos automaticamente. Sin codigo de ML. AutoML encuentra automaticamente la arquitectura optima.
Nivel 3: Modelos personalizados (maxima flexibilidad) Construir desde cero con TensorFlow/PyTorch. Maximo control pero requiere experiencia en ML.
!Espectro de soluciones de IA en Google Cloud: de APIs preentrenadas a modelos personalizados
Vertex AI — Plataforma ML unificada
Vertex AI es la plataforma ML completamente gestionada de Google Cloud — maneja cada etapa del pipeline de ML en un solo lugar. Admite AutoML y modelos TensorFlow/PyTorch personalizados.
Capacidades clave: Workbench (entorno Jupyter), Datasets gestionados, AutoML, entrenamiento distribuido, Model Registry, despliegue de modelos (Endpoints), Pipelines de ML, Explainable AI.
Vertex AI unifico los servicios separados de AutoML y AI Platform.
BigQuery ML — ML con SQL
Los analistas de datos (no ingenieros de ML) pueden entrenar modelos de ML directamente dentro de BigQuery usando solo SQL familiar.
Mayor ventaja: sin movimiento de datos — realiza ML donde ya viven los datos en BigQuery. Modelos admitidos: regresion lineal, logistica, k-means, redes neuronales profundas, XGBoost, prediccion de series temporales.
IA Responsable
Equidad: prevenir que la IA sea sesgada contra grupos especificos Transparencia: entender y explicar los procesos de decision de la IA Seguridad: disenar la IA para que no se comporte de manera no intencionada Privacidad: proteger datos personales durante entrenamiento e inferencia Responsabilidad: definir claramente la responsabilidad de los resultados de la IA
Puntos clave del examen
"Maquinas piensan como humanos" -- IA / "Aprender patrones de datos" -- ML / "Redes neuronales" -- Deep Learning
"Modelo preentrenado via API, sin experiencia ML" -- APIs preentrenadas
"Analisis de imagenes (objetos, caras, OCR)" -- Vision API
"Analisis de sentimiento/entidades de texto" -- Natural Language API
"Convertir voz a texto" -- Speech-to-Text API
"Auto-entrenar modelo personalizado con datos propios, sin codigo ML" -- AutoML
"Construir con TensorFlow, maxima flexibilidad" -- Modelo personalizado
"Plataforma ML unificada: entrenamiento → despliegue → gestion" -- Vertex AI
"ML con SQL en BigQuery, sin movimiento de datos" -- BigQuery ML
"Prevenir sesgo de IA, equidad/transparencia/seguridad" -- IA Responsable
Nivel de experiencia: APIs preentrenadas (minimo) → AutoML → Modelo personalizado (maximo)