Diplomatura IDSA 2026 · Nueva edición

Diplomatura en ML Engineer

Del notebook al pipeline desplegado. SQL y pipelines de datos, machine learning, MLOps, cloud y Kubernetes: sistemas de ML en producción con monitoreo, orquestación y escalabilidad. Certificación IDSA + UTN.

267h
Duración total
9
Cursos incluidos
17h
Trabajo final aplicado
IDSA+UTN
Certificación

Sobre esta Diplomatura

La Diplomatura en ML Engineer forma profesionales capaces de llevar modelos de machine learning a producción real: pipelines reproducibles, serving escalable, monitoreo de drift, CI/CD y un sistema RAG desplegado como servicio. Es el perfil de infraestructura de ML del ecosistema IDSA.

El foco es la confiabilidad, no la experimentación. El ML Engineer no descubre modelos: los lleva de un notebook a un sistema que responde en milisegundos, se monitorea y se reentrena. Por eso el trayecto parte de los datos (SQL y pipelines), pasa por el modelado y llega a MLOps, cloud, Kubernetes y un RAG en producción.

Es uno de los roles mejor pagos del mercado data: según el Observatorio IDSA 2026, la mediana es de $1,7M (Junior), $2,6M (Semisenior) y $3,8M (Senior) ARS brutos mensuales, la tercera entre los seis roles relevados. Toda empresa que use ML en producción necesita ML Engineers.

Se apoya en el tutor virtual 24/7, en notebooks ejecutables en el navegador y en repositorios de referencia con manifiestos de Kubernetes listos para usar.

▸ Estructura del programa

Cinco etapas hacia la producción de ML

Cada etapa suma una capa: de los fundamentos a los datos y al modelado, de los pipelines a la nube, y de la nube a la plataforma de ML en producción.

1
Etapa 1 · Fundamentos
Base técnica
70 horas · 3 cursos · Obligatorio

Nivelación matemática, Python y SQL. Las competencias mínimas para trabajar con datos y construir sistemas de ML.

Nivelación Matemática (35h) Python para Data Science (15h) SQL para Data Science (20h)
2
Etapa 2 · Core ML
Del dato al modelo en producción
60 horas · 2 cursos · Obligatorio

Entrenamiento, validación e interpretación de modelos con scikit-learn, XGBoost y SHAP, y el ciclo de vida de un modelo: MLflow, DVC, FastAPI, Docker, monitoreo de drift y reentrenamiento.

Machine Learning Supervisado y No Supervisado (30h) MLOps y Regresión (30h)
3
Etapa 3 · Datos y nube
Pipelines y cloud
60 horas · 2 cursos · Obligatorio

Pipelines de datos en capas con orquestación, calidad y observabilidad, y despliegue en la nube: AWS, contenedores, CI/CD, servicios gestionados, FinOps y seguridad.

Data Engineering Fundamentals (30h) Cloud para ML y Datos (30h)
4
Etapa 4 · Plataforma
Kubernetes, feature store y RAG
60 horas · 2 cursos · Obligatorio

Plataforma MLOps sobre Kubernetes (KServe, Feast, Kubeflow, Evidently, Prometheus) y sistemas RAG: búsqueda vectorial, evaluación, mitigación de alucinaciones y despliegue como servicio.

MLOps Avanzado: Kubernetes y Feature Store (30h) RAG Fundamentos (30h)
5
Etapa 5 · Trabajo Final
Pipeline productivo real
17 horas · 1 proyecto · Obligatorio

Un sistema de ML completo desplegado: pipeline reproducible, serving, monitoreo, reentrenamiento automático y plan de escalabilidad.

Proyecto aplicado + Defensa
▸ Los 9 cursos del programa

Qué vas a aprender, curso por curso

Cada curso se cursa y certifica de forma individual. Al aprobar los nueve más el trabajo final, se emite el diploma de la diplomatura.

Introductorio

Nivelación Matemática para Data Science

Derivadas, vectores, matrices, probabilidad y notación matemática aplicada a Machine Learning. Sin matemática abstracta: todo orientado a ciencia de datos, con Python y casos reales.

Sin prerrequisitos
35h JupyterLite
Álgebra linealCálculoProbabilidadEstadística$100.000 pesos argentinos · Pagá por transferencia bancaria, Mercado Pago o PayPal
Ver curso
Introductorio

Python para Data Science

Del primer script al primer dashboard. Pandas, NumPy, Matplotlib y Dash. Los 4 verbos fundamentales de Pandas y la conexión con el análisis de negocio.

Sin prerrequisitos
15h Google Colab
PandasNumPyMatplotlibDash$100.000 pesos argentinos · Pagá por transferencia bancaria, Mercado Pago o PayPal
Ver curso
Introductorio

SQL para Data Science

El lenguaje universal de los datos. SELECT, JOINs, agregaciones, subconsultas y window functions. Análisis de cohortes, retención y funnels sobre datasets reales.

Sin prerrequisitos
20h JupyterLite / Google Colab
SELECTJOINsCTEsWindow Functions$100.000 pesos argentinos · Pagá por transferencia bancaria, Mercado Pago o PayPal
Ver curso
Intermedio

Machine Learning Supervisado y No Supervisado

Entrená, validá y explicá modelos de ML con scikit-learn, XGBoost y LightGBM: regresión logística, árboles, ensambles, validación cruzada, umbral de decisión, SHAP y clustering, sobre un caso de riesgo de mora.

Prereq: Python y Nivelación Matemática (recomendados)
30h Google Colab
Scikit-learnRandom ForestXGBoostSHAP$100.000 pesos argentinos · Pagá por transferencia bancaria, Mercado Pago o PayPal
Ver curso
Intermedio

MLOps y Regresión

Del notebook al pipeline productivo. scikit-learn, FastAPI, Docker, monitoreo de drift y reentrenamiento automático. Proyecto integrador acumulativo.

Prereq: Python y matemática básica (recomendados)
30h Google Colab
MLflowFastAPIDockerDVC$100.000 pesos argentinos · Pagá por transferencia bancaria, Mercado Pago o PayPal
Ver curso
Intermedio

Data Engineering Fundamentals

Del CSV crudo al pipeline observable: ingesta batch, capas bronze/silver/gold, orquestación con DAGs (construís tu propio orquestador), validaciones de calidad y observabilidad, sobre un caso real de Fintora.

Prereq: SQL y Python (recomendados)
30h JupyterLite / Google Colab
DAGsBronze/Silver/GoldParquetDuckDB$100.000 pesos argentinos · Pagá por transferencia bancaria, Mercado Pago o PayPal
Ver curso
Plataforma

Cloud para ML y Datos

Cloud aplicado a datos y ML: AWS esencial (S3, IAM, Lambda, SageMaker), contenedores y CI/CD con GitHub Actions, FinOps y seguridad, con los equivalentes en GCP y Azure.

Prereq: Data Engineering Fundamentals (recomendado)
30h JupyterLite / Google Colab
AWSSageMakerGitHub ActionsFinOps$100.000 pesos argentinos · Pagá por transferencia bancaria, Mercado Pago o PayPal
Ver curso
Plataforma

MLOps Avanzado: Kubernetes y Feature Store

Plataforma MLOps completa sobre Kubernetes: serving con KServe, Feature Store con Feast, MLflow, Kubeflow Pipelines y monitoreo de drift con Evidently y Prometheus.

Prereq: Cloud para ML y Datos (recomendado)
30h Colab / entorno local
KubernetesKServeFeastKubeflow$100.000 pesos argentinos · Pagá por transferencia bancaria, Mercado Pago o PayPal
Ver curso
Intermedio

RAG Fundamentos

Retrieval-Augmented Generation. Búsqueda vectorial desde cero, evaluación con métricas objetivas, mitigación de alucinaciones y despliegue en producción.

Prereq: Python básico (recomendado)
30h Google Colab
ChromaFAISSLangChainBM25$100.000 pesos argentinos · Pagá por transferencia bancaria, Mercado Pago o PayPal
Ver curso
▸ Perfiles de salida

Tres orientaciones en ingeniería de ML

La orientación se define por el trabajo final y el énfasis en cada componente del stack de producción.

ML

ML Engineer

Lleva modelos a producción: pipelines reproducibles, serving, monitoreo y reentrenamiento automático.

Pipelines reproducibles con DVC y MLflow
Serving con FastAPI y KServe
Monitoreo de drift y reentrenamiento
CI/CD para modelos
MLOps

MLOps Engineer

Construye la plataforma de ML: infraestructura, orquestación, observabilidad y escalabilidad.

Kubernetes y Kubeflow
Feature stores (Feast)
Monitoreo de drift con Evidently
Observabilidad de modelos
Datos

ML Data Engineer

Construye los pipelines que alimentan a los modelos: ingesta, capas de datos, calidad y observabilidad.

Pipelines en capas con DAGs y reintentos
Calidad de datos y contratos entre capas
Linaje y SLAs de frescura
RAG desplegado como servicio

Los perfiles son orientativos. El alumno construye su especialización con el trabajo final y los proyectos del Laboratorio de Datos.

▸ Trabajo Final

Pipeline productivo real

Un sistema de ML completo desplegado: ingesta y preparación de datos, entrenamiento reproducible, serving escalable, monitoreo con alertas, reentrenamiento automático y plan de escalabilidad. Incluye documentación técnica y defensa ante comité.

  • Duración: 17 horas distribuidas en 4-6 semanas
  • Tutoría personalizada durante todo el desarrollo
  • Defensa oral ante comité técnico
  • Publicación en el Laboratorio de Datos del Instituto
▸ Certificación

Doble aval universitario

Certificación IDSA + UTN con resolución oficial y verificación digital de cada curso aprobado.

Certificado IDSA + UTN

Qué incluye la certificación

  • Diploma final con doble firma (Director IDSA + Decano UTN FRRQ)
  • Certificado por cada curso completado en el camino
  • Resolución oficial 920/2020 UTN Facultad Regional Reconquista
  • Código QR de verificación digital
  • Copia automática a la Facultad para registro oficial
  • Acreditación progresiva: cada curso completado ya queda certificado

Los certificados se emiten al aprobar los quizzes y trabajos prácticos de cada curso.

▸ Comparativa

¿Diplomatura o cursos sueltos?

AspectoCurso sueltoDiplomatura completa
Duración por unidad15-30h por curso267h totales
CertificaciónIDSA + UTN por cursoIDSA + UTN por curso + diploma final
Trabajo final aplicado—✓ Obligatorio
Publicación en Laboratorio—✓ Elegible
Stack completo de ML EngParcial✓ SQL + pipelines + ML + MLOps + Cloud + K8s
Pipelines de datos para MLParcial✓ SQL + Data Engineering Fundamentals
▸ Preguntas frecuentes

Dudas sobre la Diplomatura

¿Necesito experiencia previa en ingeniería o DevOps?

No. La trayectoria arranca desde la nivelación matemática, Python y SQL. Solo se requiere matemática de secundaria, ganas de aprender y comodidad con herramientas técnicas.

¿Qué herramientas voy a usar?

Python (scikit-learn, XGBoost, SHAP), SQL (SQLite, DuckDB, PostgreSQL), MLflow, DVC, FastAPI, Docker, Airflow o Prefect, Kubernetes, KServe, Kubeflow, Feast, Evidently, Prometheus, Grafana, AWS (S3, IAM, Lambda, SageMaker), GitHub Actions, Chroma, FAISS, LangChain y Hugging Face. Los notebooks corren en Google Colab y JupyterLite desde el navegador.

¿Necesito instalar algo en mi computadora?

Casi nada. Los notebooks corren en Google Colab o JupyterLite y, para las unidades de Docker, se usan entornos en la nube como Google Cloud Shell o Play with Docker. En MLOps Avanzado, Kubernetes se practica con kind, minikube o clusters gestionados gratuitos de GCP, AWS o Azure; si preferís no armar un clúster, podés seguir el curso a nivel conceptual validando manifiestos.

¿Cuánto tiempo lleva completarla?

A 10 horas semanales: aproximadamente 27 semanas (poco más de 6 meses). A 6 horas semanales: 10-11 meses. El ritmo lo definís vos.

¿Cómo se cursan los cursos de la diplomatura?

Cada curso se cursa y se paga de forma individual. Podés comprarlos a medida que avanzás. Al aprobar los 9 cursos más el trabajo final, se emite el diploma de la diplomatura.

¿Cuál es la diferencia con la Diplomatura en AI Engineer?

AI Engineer se enfoca en construir sistemas generativos sobre deep learning: RAG, fine-tuning y agentes. ML Engineer se enfoca en los datos y en la producción: SQL, pipelines, MLOps, cloud, Kubernetes y feature stores. Comparten Nivelación, Python, MLOps y Regresión y RAG Fundamentos, pero el foco final es distinto: uno construye, el otro opera.

¿Qué industrias demandan este perfil?

Bancos, fintech, retail, telecomunicaciones, salud, industria y cualquier organización que tenga modelos de ML en producción. También empresas de tecnología, consultoras y startups de IA.

¿Qué puedo cursar después?

Es una diplomatura terminal del ecosistema IDSA en el área de producción de ML. Al completar cualquier Diplomatura IDSA tenés acceso directo a los cursos del Frontier Program; en otro caso se rinde un examen de admisión técnico. Para esos cursos se recomienda además estadística avanzada y machine learning: esta diplomatura incluye Machine Learning, y Estadística Avanzada se cursa por separado.

Llevá modelos a producción a escala

267 horas con foco en datos, machine learning, MLOps, cloud y Kubernetes. Trabajo final de pipeline productivo y doble certificación IDSA + UTN.

Item added to cart.
0 items - $0,00