Google Developers: Curso Intensivo de Machine Learning (MLCC)

📌 ¿De qué trata este curso?

El Curso Intensivo de Machine Learning de Google (MLCC) es el prestigioso plan de estudios desarrollado originalmente por los investigadores de IA de Google para capacitar a sus propios ingenieros de software, ahora abierto a toda la comunidad global.

En lugar de atascarse en derivaciones matemáticas abstractas con lápiz y papel, los estudiantes interactúan con redes neuronales directamente en el navegador a través del TensorFlow Playground, mientras prueban modelos con cuadernos de Google Colab listos para ejecutar con un solo clic.

Con lecciones en video breves impartidas por ingenieros de Google, ejercicios prácticos de código y estudios de casos reales, el MLCC sigue siendo el estándar de oro para entender cómo los algoritmos de IA optimizan la pérdida en producción.

---

🎯 ¿A quién está dirigido?

• Desarrolladores y estudiantes de ciencias/ingeniería que buscan una base intuitiva y visual del aprendizaje automático.
• Programadores con conocimientos básicos de Python que desean dominar el descenso de gradiente, el sobreajuste (overfitting) y las funciones de pérdida.
• Cualquier persona interesada en conocer cómo los ingenieros de Google diseñan, evalúan y depuran modelos de IA en producción.

---

📚 Plan de Estudios Principal

1. Fundamentos de ML: Aprendizaje supervisado, regresión lineal, funciones de pérdida y comprensión visual del descenso de gradiente.
2. Optimización del Entrenamiento: Tasas de aprendizaje, regularización, conjuntos de validación y mitigación del sobreajuste.
3. Clasificación y Regresión Logística: Umbrales de decisión, balance entre precisión y exhaustividad (Recall), y curvas ROC-AUC.
4. Redes Neuronales Profundas: Funciones de activación no lineales, capas ocultas y mecanismo de retropropagación (backpropagation).
5. Embeddings: Representación de datos categóricos de alta dimensión en vectores densos continuos.
6. Ingeniería en el Mundo Real: Detección de sesgos en datos, equidad algorítmica y mejores prácticas de despliegue en producción.