DESPLIEGUE Y PUESTA EN MARCHA

• Describir los conceptos básicos de Cloud Computing, incluyendo su evolución, ventajas y desventajas.
• Identificar los modelos de servicios en la nube (SaaS, PaaS, IaaS) y los modelos de despliegue (público, privado, híbrido).
• Identificar y utilizar diferentes herramientas y plataformas de Machine Learning como TensorFlow, Scikit-learn, AutoML y otras plataformas populares.
• Usar librerías y frameworks de Machine Learning en entornos de desarrollo integrados.
• Comprender los fundamentos de PySpark y su aplicación en el procesamiento de grandes volúmenes de datos.
• Utilizar Databricks para configurar entornos y realizar análisis de datos en un contexto de Big Data.
• Planificar y desarrollar un proyecto de Machine Learning e Inteligencia Artificial desde su concepción hasta su despliegue en un entorno de producción.
• Seleccionar un modelo de IA adecuado y realizar su integración en el backend de una aplicación.
• Aprender a utilizar herramientas de automatización y monitoreo de modelos ML para la implementación de soluciones escalables y efectivas.
• Implementar proyectos utilizando cloud computing y machine learning, y adquirir experiencia práctica con casos de uso reales en diversos sectores.

1.CLOUD COMPUTING. FUNDAMENTOS

• Introducción a la cloud computing
• Modelos de servicios en cloud computing
• Modelos de despliegue del cloud computing
• Principales proveedores de cloud computing
• Componentes y arquitecturas de cloud computing

2.CLOUD COMPUTING. FUNDAMENTOS

• Introducción a DEVOPS
• Fundamentos de API
• Integración de DEVOPS y API
• Casos de uso específicos 

3.HERRAMIENTAS MACHINE LEARNING

• Herramientas de machine learning
• Entornos de desarrollo integrado y plataformas de machine learning
• Librerías y frameworks de machine learning
• Plataformas de automl
• Herramientas para la preparación y limpieza de datos
• Herramientas de monitoreo y mantenimiento de modelos ml
• Casos de uso

4.PYSPARK Y DATABRICKS

• Introducción a psypark y databricks
• Fundamentos de pyspark
• Fundamentos de databricks
• Configuración y uso de databricks con pyspark
• Análisis de datos en pyspark con databricks
• Tendencias y futuros desarrollos en pyspark y databricks

5.DESARROLLO DE NUESTRA APLICACIÓN

• Descripción general del proyecto y objetivos
• Planificación del proyecto
• Selección del modelo de IA
• Integración del modelo en el backend
• Desarrollo del frontend
• Configuración del entorno de producción
• Despliegue de la aplicación
• Tramo final