El máster prepara ingenieros DevOps y Cloud capaces de diseñar, automatizar y operar infraestructuras críticas en la nube, integrando además prácticas de MLOps y flujos de IA aplicada que dominan los entornos productivos actuales. Se trata de uno de los perfiles más demandados y peor cubiertos en el mercado tecnológico español, donde las empresas buscan profesionales que combinen la cultura DevOps con la operación cloud y la integración de IA en pipelines de despliegue continuo.
La formación es 100 % online en directo, con clases en vivo, laboratorios prácticos y proyectos sobre entornos reales. El profesorado en activo asegura contenidos alineados con vulnerabilidades y normativas vigentes.
Módulo 0. Módulo de nivelación (acceso previo al inicio)
Un mes antes del inicio del máster, el alumno accede a contenidos de fundamentos para llegar al primer día con la base técnica necesaria:
Fundamentos de Linux: sistema de archivos, permisos, procesos, gestión de paquetes.
Línea de comandos avanzada y scripting básico en Bash.
Fundamentos de redes: TCP/IP, DNS, HTTP/HTTPS, firewalls.
Introducción a Python aplicado a automatización.
Control de versiones con Git: comandos esenciales y flujos de trabajo.
Bloque 1. Fundamentos DevOps y administración de sistemas
Cultura DevOps: principios, prácticas y métricas (DORA, SPACE).
Administración avanzada de Linux: systemd, cron, tuning, troubleshooting.
Networking aplicado: subredes, VPN, balanceadores de carga, proxies inversos.
Scripting profesional con Bash y Python para automatización de tareas.
Servidores web (NGINX, Apache) y aplicación de proxies inversos en producción.
Bloque 2. Control de versiones y colaboración
Git avanzado: rebase, cherry-pick, bisect, hooks.
Estrategias de branching: GitFlow, Trunk Based Development, monorepo.
Code review, pull requests y gestión de releases.
GitHub, GitLab y Bitbucket: ecosistemas y diferencias.
Bloque 3. Contenedores y orquestación
Docker: imágenes, contenedores, volúmenes, redes, multi-stage builds.
Optimización de imágenes y buenas prácticas de seguridad.
Kubernetes: arquitectura, pods, deployments, services, ingress.
Configuración avanzada: ConfigMaps, Secrets, Persistent Volumes, RBAC.
Helm: gestión de paquetes y plantillas para Kubernetes.
Operadores y CRDs: extensión de Kubernetes para casos avanzados.
Bloque 4. Infraestructura como Código (IaC)
Terraform: providers, módulos, state management, workspaces.
Ansible: playbooks, roles, inventarios dinámicos.
Pulumi y CDK como alternativas modernas.
Patrones de diseño en IaC: reusabilidad, versionado, gobernanza.
Testing de infraestructura: Terratest, InSpec.
Bloque 5. CI/CD y automatización del ciclo de vida del software
Pipelines CI/CD con Jenkins, GitLab CI y GitHub Actions.
Estrategias de despliegue: blue/green, canary, rolling updates, feature flags.
Integración de testing automatizado: unit, integration, e2e.
Gestión de artefactos: Nexus, Artifactory, registries privados.
Despliegue progresivo y rollback automatizado.
Bloque 6. Cloud Computing — AWS
Servicios fundamentales: EC2, S3, VPC, IAM, RDS, Lambda.
Networking avanzado en AWS: Route 53, CloudFront, Direct Connect.
Servicios de contenedores: ECS, EKS, Fargate.
Servicios serverless y arquitecturas event-driven.
Preparación para certificación AWS Certified Solutions Architect.
Bloque 7. Cloud Computing — Azure y Google Cloud
Microsoft Azure: AKS, App Services, Azure DevOps, Functions, ARM templates.
Google Cloud Platform: GKE, Cloud Run, Cloud Functions, BigQuery.
Multi-cloud y estrategias de portabilidad.
Preparación para certificaciones Azure Administrator y Google Associate Cloud Engineer.
Bloque 8. Observabilidad y SRE
Principios de Site Reliability Engineering (SRE): SLI, SLO, SLA, error budgets.
Monitorización con Prometheus y Grafana.
Logging centralizado con stack ELK (Elasticsearch, Logstash, Kibana) y Loki.
Tracing distribuido: Jaeger, OpenTelemetry.
Plataformas APM: Datadog, New Relic, Dynatrace.
Gestión de incidentes y postmortems.
Bloque 9. DevSecOps y seguridad en la nube
Integración de seguridad en pipelines CI/CD (shift left security).
Análisis estático de código (SAST) y de dependencias (SCA).
Gestión de secretos: Vault, AWS Secrets Manager, Azure Key Vault.
Hardening de contenedores e imágenes (Trivy, Snyk).
Compliance y normativas (CIS Benchmarks, ENS, ISO 27001).
Bloque 10. MLOps e IA en infraestructura
Fundamentos de MLOps: ciclo de vida de un modelo de ML en producción.
Despliegue de modelos: APIs REST, contenedores, servicios cloud (SageMaker, Vertex AI, Azure ML).
Versionado de modelos y datos: MLflow, DVC.
Monitorización de modelos: drift, performance, retraining automatizado.
IA generativa para el trabajo del ingeniero DevOps: generación de manifiestos Kubernetes y plantillas Terraform con LLMs.
Agentes de IA aplicados a SRE: troubleshooting asistido, generación automatizada de runbooks, postmortems con asistencia de LLMs.
Bloque 11. Trabajo Fin de Máster + Empleabilidad
Desarrollo de un proyecto integrador end-to-end: diseño, despliegue y operación de una arquitectura cloud completa con CI/CD, observabilidad e integración de un modelo de IA.
Defensa del proyecto ante tribunal con feedback profesional.
Acompañamiento del Career Advisor: revisión de CV y LinkedIn, preparación de entrevistas técnicas, simulacros de pruebas técnicas (system design, troubleshooting).
Acceso a la bolsa de empresas partner y a procesos reales de selección.
