C: profundiza en datos, entrenamiento y operación

Empieza aquí si: ya construyes APIs probadas, usas Git/CI, consultas SQL y despliegas servicios. Presupuesto: 32 semanas × 15 horas = 480 horas: unas 6 de aprendizaje, 7 de implementación/evaluación y 2 de revisión por semana.

Esta ruta profundiza más en machine learning y datos que A. Entrenamiento, calidad de datos y pipelines repetibles son centrales, no un notebook opcional junto a una función de lenguaje.

Criterio de entrada

Muestra un servicio explicable, join/función de ventana SQL, contenedor reproducible y fallo CI diagnosticado. Cubre brechas de software con A. Experiencia de software no establece comprensión de ML.

Mantén el asistente de apoyo al aprendizaje: versiona eventos de preguntas/temas, entrena clasificador y compara enfoques para responder desde documentos. Son tres resultados de un sistema, no tres proyectos aislados.

Fase 1 — ML y criterio estadístico

Semanas 1–6 / 90 horas. Completa requisitos del proveedor si buscas certificado ML; extiende si superan esta asignación. Atiende brechas matemáticas, sin asumir que programar las resuelve.

Semanas	Recurso seleccionado y foco	Actividad y evidencia
1–2	Especialización ML: regresión, clasificación, pérdida y optimización	Explica características, dimensiones de vectores/matrices y gradientes en modelo pequeño. Compara referencia heurística y lineal.
3–4	Especialización ML: redes, árboles y selección; validación cruzada	Elige división aleatoria, por grupos o temporal según datos; ajusta solo con desarrollo y compara errores por segmento.
5–6	Especialización ML: no supervisado/recomendaciones y tareas pendientes; errores frecuentes; bootstrap SciPy: remuestreo e intervalos	Explica fuga, desbalance, datos ausentes y umbrales. Estima variabilidad remuestreando observaciones sintéticas independientes; documenta intervalo y supuestos. Criterio C1: referencias, divisiones y límites justificados.

Fase 2 — Datos como producto recuperable

Semanas 7–12 / 90 horas. Empieza por pipeline local por lotes; planificadores opcionales hasta que funcione la línea de comandos.

Semanas	Recurso seleccionado y foco	Actividad y evidencia
7–8	CS50 SQL: Designing, transacciones PostgreSQL y funciones de ventana	Define claves, restricciones e historial; prueba transacciones fallidas y calcula conteos móviles de temas.
9–10	Orquestación MLOps: scripts parametrizados, dependencias y backfills	Ingesta incremental; repetir lote no duplica registros. Aísla registros malformados y recupera ejecución fallida.
11–12	Introducción HF Datasets: carga, selección y procesamiento	Versiona datos, transformaciones y cambios de esquema. Criterio C2: backfill, eliminación, controles y linaje reproducibles desde fuente hasta entrenamiento.

Fase 3 — Entrenar y adaptar un modelo pequeño

Semanas 13–18 / 90 horas. fast.ai identifica grabaciones de Part 1 de 2022; usa APIs actuales y versiones compatibles fijadas. Lecciones seleccionadas no equivalen al curso completo.

Semanas	Recurso seleccionado y foco	Actividad y evidencia
13–14	fast.ai: lección 1, entrenamiento/uso; lección 2, datos propios/despliegue	Entrena modelo pequeño, guarda pesos y compara entrenamiento/validación. Explica sobreajuste y presupuesto de cómputo.
15–16	HF Tokenizers e introducción a fine-tuning, después sus secciones de preprocesamiento/entrenamiento	Entrena clasificación textual pequeña con datos versionados; registra tokenizador, modelo, semilla, métricas y recursos.
17–18	MLflow tracking: ejecuciones, experimentos y artefactos; calibración de probabilidades: curvas; fuga de información	Compara heurística, lineal/árbol y adaptación en misma prueba intacta. Comprueba confianza predicha frente a frecuencia observada; ajusta calibración solo con desarrollo. Criterio C3: entrenamiento reproducible y comparación honesta.

Empieza con CPU/modelos pequeños. No es obligatorio ajustar el modelo de la aplicación si no se justifica; el experimento controlado conserva valor educativo. GPU/API exige tope de gasto y limpieza.

Fase 4 — Del entrenamiento al servicio

Semanas 19–24 / 90 horas. Selecciona temas indicados de MLOps Zoomcamp, no todo un curso adicional de nueve semanas. Adapta conceptos al proyecto sin adoptar todos sus servicios.

Semanas	Recurso seleccionado y foco	Actividad y evidencia
19–20	Seguimiento de experimentos: artefactos, linaje y versiones	Registra ejecuciones/candidato; prueba consistencia de características entre entrenamiento y servicio.
21–22	Despliegue: lotes/en línea; buenas prácticas: pruebas/CI	Sirve modelo por API y lote; bloquea regresión sembrada y ensaya entrega fallida/rollback.
23–24	Monitoreo: salud, calidad y deriva	Simula datos ausentes/desplazados; distingue deriva de bug. Criterio C4: pipeline entrenamiento-servicio, reporte/alertas y recuperación.

Fase 5 — Recuperación frente a adaptación

Semanas 25–28 / 60 horas.

Semanas	Recurso seleccionado y foco	Actividad y evidencia
25–26	Lección RAG y pgvector: búsqueda/persistencia	Construye recuperación léxica/embeddings; filtros de acceso fuera del modelo. Prueba actualización, eliminación y denegaciones con identidades sintéticas.
27–28	Retrieval Evaluation Lab: comparaciones; rúbrica de respuestas	Criterio C5: compara solo prompt y RAG en misma tarea de respuesta congelada. Compara adaptación solo si entrenada para esa tarea; métricas del clasificador no son calidad de respuesta. Informa segmentos, costo y complejidad.

Algunas funciones del ejecutor requieren POSIX; usa WSL o implementa ejercicios de métricas por separado. Registra cuáles comprobaciones ejecutaste.

Fase 6 — Consolidar y explicar

Semanas 29–32 / 60 horas.

Semanas	Recurso seleccionado y foco	Actividad y evidencia
29–30	Guía de capacidades, MLflow y credenciales opcionales	Corrige criterio más débil. Opcionalmente mapea un temario a brechas; preparación de examen no se incluye automáticamente en 60 horas.
31–32	Career Practice: feedback/reproducción; revisión	Criterio C6: revisor reproduce fallo de datos, resultado de entrenamiento y recuperación del servicio. Escribe tres casos conectados con resultados reales y límites.

Profundidad opcional, por separado

Procesamiento distribuido, streaming, feature stores, Kubernetes, recomendaciones, pronósticos y visión son electivos. Añade uno cuando datos/carga o pregunta de aprendizaje lo justifiquen; registra tiempo/costo adicional. No reconstruyas infraestructura para ocultar datos/evaluación débiles.

Para flujos con estado o mayor práctica operativa, la extensión de entrega añade 360 horas propuestas completa. No están dentro de las 480 de C. Certificados y disponibilidad de demos no otorgan experiencia profesional.