[{"data":1,"prerenderedAt":27},["ShallowReactive",2],{"article-data-curso-gcp-ai-ops-02":3},{"content":4,"date":5,"image":6,"sideArticles":7},"\u003C!DOCTYPE html>\n\u003Chtml lang=\"es\">\n\n\u003Chead>\n    \u003Cmeta charset=\"UTF-8\">\n    \u003Cmeta name=\"viewport\" content=\"width=device-width, initial-scale=1.0\">\n    \u003Cmeta name=\"description\"\n        content=\"Módulo 2: Gestión de modelos con Vertex AI para AIOps. Aprende a utilizar AutoML, gestionar datasets tabulares y desplegar endpoints de predicción.\">\n    \u003Cmeta name=\"keywords\"\n        content=\"Vertex AI, AutoML, Model Registry, AI Platform, Predicción, Machine Learning, Google Cloud, AIOps\">\n    \u003Cmeta name=\"author\" content=\"Eduardo Martínez Agrelo\">\n    \u003Ctitle>Vertex AI para AIOps: AutoML y Despliegue | Curso AIOps\u003C/title>\n    \u003Cstyle>\n        body {\n            font-family: sans-serif;\n            line-height: 1.6;\n        }\n\n        h1,\n        h2,\n        h3 {\n            color: #333;\n        }\n\n        ul {\n            list-style-type: disc;\n            margin-left: 20px;\n        }\n\n        code {\n            background-color: #f4f4f4;\n            padding: 2px 5px;\n            border-radius: 3px;\n            font-family: monospace;\n        }\n    \u003C/style>\n\u003C/head>\n\n\u003Cbody>\n    \u003Ch1>Módulo 2: Vertex AI para AIOps (Componentes, AutoML y Despliegue)\u003C/h1>\n\n    \u003Cp>\u003Cstrong>Autor:\u003C/strong> \u003Ca href=\"https://www.youtube.com/@EduardoMartinezAgrelo\" target=\"_blank\">Eduardo Martínez\n            Agrelo\u003C/a>\u003C/p>\n\n    \u003Cp>En este segundo nivel de nuestro entrenamiento, daremos el salto de los datos crudos a la inteligencia\n        predictiva. Utilizaremos \u003Cstrong>Vertex AI\u003C/strong>, la plataforma unificada de Google Cloud, para orquestar el\n        ciclo de vida de nuestros modelos. Aprenderemos que el Machine Learning en operaciones no solo trata de\n        algoritmos, sino de gestionar el flujo desde que un dato nace en BigQuery hasta que se convierte en una\n        predicción de fallo en tiempo real.\u003C/p>\n\n    \u003Ch2>Gestión de Datasets y Arquitectura Vertex\u003C/h2>\n\n    \u003Cp>A diferencia de los modelos experimentales, en AIOps necesitamos una base sólida. Vertex AI nos proporciona\n        componentes específicos para gestionar la telemetría de forma profesional:\u003C/p>\n    \u003Cul>\n        \u003Cli>\u003Cstrong>Dataset Management:\u003C/strong> Registraremos nuestras fuentes de datos tabulares vinculándolas\n            directamente con BigQuery, asegurando la trazabilidad de la información.\u003C/li>\n        \u003Cli>\u003Cstrong>Abstracción:\u003C/strong> Aprenderemos a manejar la plataforma mediante el SDK de Python, permitiendo\n            que la creación de infraestructura de IA sea parte de nuestro código de automatización.\u003C/li>\n    \u003C/ul>\n\n    \u003Ch2>AutoML: IA que entrena a la IA\u003C/h2>\n\n    \u003Cp>En entornos operativos, la velocidad es clave. No siempre tenemos tiempo para ajustar manualmente cada\n        hiperparámetro. Aquí es donde entra \u003Cstrong>AutoML Tabular\u003C/strong>:\u003C/p>\n    \u003Cp>\u003Ccode>job = aiplatform.AutoMLTabularTrainingJob(display_name='aiops_job', ...)\u003C/code>\u003C/p>\n    \u003Cp>Este motor de Google prueba automáticamente cientos de arquitecturas de modelos para encontrar la que mejor\n        predice las anomalías en nuestros servidores, optimizando métricas críticas como el área bajo la curva (AUC)\n        para detectar esos fallos poco frecuentes pero catastróficos.\u003C/p>\n\n    \u003Ch2>Model Registry y Endpoints de Producción\u003C/h2>\n\n    \u003Cp>Una vez entrenado el modelo, no podemos dejarlo \"olvidado\". La gobernanza es fundamental para un ingeniero de\n        AIOps:\u003C/p>\n    \u003Cul>\n        \u003Cli>\u003Cstrong>Model Registry:\u003C/strong> Funcionará como nuestro almacén central de versiones, permitiéndonos\n            auditar qué modelo está en cada entorno.\u003C/li>\n        \u003Cli>\u003Cstrong>Endpoints:\u003C/strong> Desplegaremos nuestros modelos en servidores escalables que exponen una API.\n            Esto permite que cualquier sistema de monitorización consulte la probabilidad de fallo en milisegundos.\u003C/li>\n    \u003C/ul>\n\n    \u003Ch2>Implementación práctica\u003C/h2>\n\n    \u003Cp>En este laboratorio, programarás el flujo completo de MLOps. Primero, ingestarás los datos generados en el módulo\n        anterior hacia BigQuery usando \u003Ccode>pandas-gbq\u003C/code>. Después, ejecutarás un script de entrenamiento que\n        lanzará un trabajo de AutoML en la infraestructura de Google. Al finalizar, realizarás tu primera prueba de\n        inferencia real enviando métricas simuladas de un servidor al Endpoint desplegado, observando cómo la IA es\n        capaz de cuantificar el riesgo de incidencia de forma autónoma.\n    \u003C/p>\n\n    \u003Ch2>Conclusión: Tu modelo está vivo\u003C/h2>\n    \u003Cp>Has pasado de tener una base de datos estática a tener un servicio de inteligencia activo. Has aprendido que\n        Vertex AI simplifica la complejidad del Machine Learning para que puedas centrarte en lo importante: la salud de\n        tus sistemas. Con un modelo capaz de predecir el futuro, el siguiente paso es aprender a visualizar estos\n        riesgos en cuadros de mando inteligentes.\u003C/p>\n\u003C/body>\n\n\u003C/html>","May 28, 2026","https://storage.googleapis.com/mp-blog/images/curso-gcp-ai-ops-02.jpg",[8,13,17,22],{"id":9,"title":10,"description":11,"image":12,"date":5},"curso-gcp-ai-ops-01","Fundamentos de AIOps en Google Cloud | Curso AIOps con Vertex AI","Módulo 1: Fundamentos de AIOps en Google Cloud. Aprende la transición de ITOps a operaciones inteligentes y cómo preparar tu infraestructura base con Terraform.","https://storage.googleapis.com/mp-blog/images/curso-gcp-ai-ops-01.jpg",{"id":14,"title":15,"description":16,"image":6,"date":5},"curso-gcp-ai-ops-02","Vertex AI para AIOps: AutoML y Despliegue | Curso AIOps","Módulo 2: Gestión de modelos con Vertex AI para AIOps. Aprende a utilizar AutoML, gestionar datasets tabulares y desplegar endpoints de predicción.",{"id":18,"title":19,"description":20,"image":21,"date":5},"curso-gcp-ai-ops-03","Observabilidad Inteligente en GCP | Curso AIOps","Módulo 3: Observabilidad Inteligente en GCP. Configuración de Cloud Monitoring, Cloud Logging y creación de dashboards predictivos correlacionados con BigQuery.","https://storage.googleapis.com/mp-blog/images/curso-gcp-ai-ops-03.jpg",{"id":23,"title":24,"description":25,"image":26,"date":5},"curso-gcp-ai-ops-04","Automatización Operativa y Remediación | Curso AIOps","Módulo 4: Automatización Operativa en AIOps. Aprende a crear arquitecturas dirigidas por eventos con Cloud Functions y Pub/Sub para la remediación automática.","https://storage.googleapis.com/mp-blog/images/curso-gcp-ai-ops-04.jpg",1779944585129]