11 proyectos de cloud computing para crear un porfolio en la nube (2026)

El mejor proyecto de cloud computing para tu porfolio no es el más llamativo. Es el que demuestra exactamente la habilidad que pide el puesto al que apuntas, y sobre el que puedes hablar con seguridad en una entrevista. Si vas a dar el salto a un rol de cloud engineer, DevOps o site reliability engineer (SRE), un conjunto enfocado de proyectos guiados sobre infraestructura como código, contenedores, CI/CD y observabilidad te aporta más que una docena de tutoriales dispersos.

Esta guía reúne 11 proyectos agrupados por la habilidad que demuestra cada uno, con una nota sobre lo que transmite a un responsable de contratación y una ruta guiada para construirlos. Tanto si eres backend y quieres añadir cloud a tu stack como si eres un sysadmin que cambia de rol, elige dos o tres que cubran los mayores huecos en tus evidencias. Según nuestra guía salarial de cloud engineer, los perfiles junior en EE. UU. empiezan en torno a 127.000 $, así que merece la pena invertir en pruebas sólidas.

Hemos elegido estos proyectos con tres criterios: usan herramientas que aparecen en ofertas de 2026 (Terraform, Kubernetes, GitHub Actions), generan algo que puedes enseñar (un repo en GitHub, una demo en vivo, un diagrama de arquitectura) y cada uno enlaza con un curso o tutorial guiado para que no aprendas en solitario. ¿Acabas de empezar? Empieza por el curso Understanding Cloud Computing y nuestra guía sobre cómo convertirse en cloud engineer, y vuelve para construir.

TL;DR

Cómo elegir el proyecto adecuado para tu puesto objetivo

El porfolio más potente no es el que tiene más proyectos. Es el que alinea evidencias con el puesto al que te presentas y cubre las áreas que más suelen faltar en perfiles junior. Antes de construir, responde a tres preguntas y elige según tu mayor brecha.

• ¿Qué puesto apunto ahora mismo? ¿Cloud engineer, DevOps engineer, SRE o cloud data engineer? Empieza por los proyectos etiquetados para ese rol.
• ¿En qué habilidad tengo menos evidencia? ¿Infraestructura como código, contenedores, CI/CD, datos o seguridad? Un proyecto de monitorización o seguridad aporta más que un tercer despliegue de infraestructura.
• ¿Puedo explicar cada decisión de este proyecto? Si no documentas el porqué, parecerá un tutorial seguido al pie de la letra, no una pieza de porfolio.

Proyectos de infraestructura e IaC para roles de cloud engineer y DevOps

Los proyectos de infraestructura demuestran que sabes diseñar y aprovisionar entornos en la nube como código. Son muy valiosos para cloud engineer, DevOps y SRE porque la infraestructura como código es cómo trabajan los equipos reales.

1. Aprovisiona una arquitectura de tres capas con Terraform

Este es el proyecto que convierte una app web montada a clics en la prueba de que puedes construir infraestructura en la nube como código. Reinterpreta el clásico de tres capas definiendo cada recurso en Terraform en lugar de la consola.

Aprovisiona un balanceador de carga, un grupo de servidores web con autoscaling, una capa de base de datos privada y un bastión en AWS o GCP, todo en HashiCorp Configuration Language (HCL). El diseño de red es donde se ve tu criterio: subredes privadas, security groups o reglas de firewall, y salida controlada. Guarda el estado de Terraform cifrado en un backend S3 con locking para que el proyecto parezca de producción, no un sandbox.

Arquitectura de tres capas: presentación, lógica y datos, cada una escalada y asegurada por separado. Fuente: documentación de AWS.

Qué demuestra a un responsable de contratación: que puedes diseñar una topología estándar de producción y gestionarla como código, no a mano en una consola web.

Ruta guiada: empieza con los tutoriales de DataCamp getting started with Terraform y automate AWS infrastructure with Terraform, y haz antes el curso Understanding Cloud Computing si los fundamentos son nuevos para ti. Usa la referencia de arquitectura de tres capas de AWS como base para profundizar en la topología.

• Nivel: Intermedio
• Stack: Terraform, AWS o GCP, balanceador, VPC, autoscaling
• Ideal para: Desarrolladores backend y sysadmins que pasan a cloud engineering

2. Crea una configuración Terraform multiambiente

Este proyecto demuestra que entiendes cómo funciona IaC en una empresa real, no solo ejecutar terraform apply una vez. Es un patrón usado en casi todas las organizaciones serias.

Construye un código base de Terraform con módulos compartidos, ficheros de variables y espacios de trabajo o directorios separados para dev, staging y producción. Guarda el estado de forma remota en S3 o Terraform Cloud con locking, y reutiliza un mismo módulo en los tres entornos para que la diferencia sea la configuración, no el copia-pega. Documenta por qué has dividido los módulos como lo has hecho.

Qué demuestra a un responsable de contratación: que entiendes la reutilización de módulos, la gestión del estado y el aislamiento entre entornos; una estructura real de IaC, no un script puntual.

Ruta guiada: sigue los tutoriales de DataCamp Terraform on AWS y Terraform import para afianzar módulos y estado antes de separar entornos.

• Nivel: Intermedio
• Stack: Terraform, estado remoto, módulos, workspaces
• Ideal para: Cualquiera que apunte a un rol de DevOps o platform engineering

Proyectos de CI/CD y automatización para DevOps y Platform

Los proyectos de automatización demuestran que puedes construir entregas repetibles y fiables. Son clave en DevOps y cada vez más esperados en cloud engineering.

3. Crea un pipeline de CI/CD para una app contenedorizada con GitHub Actions

Un pipeline de CI/CD para una app contenedorizada es el proyecto de automatización más habitual para perfiles junior de cloud y DevOps. Si solo haces uno, que sea este.

Crea un workflow de GitHub Actions que haga lint del código, ejecute tests, construya una imagen Docker, la suba a un registro como Amazon ECR, Google Artifact Registry o Docker Hub, y la despliegue en un servicio en la nube. Dispara el pipeline en push y en pull requests para que cada fase haga algo con sentido. Un pipeline que solo imprime "hello world" no engaña a nadie: que cada paso sea real.

Qué demuestra a un responsable de contratación: que puedes entregar código de forma automática y fiable, el día a día en plataformas y cloud.

Ruta guiada: el curso de DataCamp CI/CD for Machine Learning enseña eventos, jobs, runners y pipelines en GitHub Actions, y la mecánica se traslada tal cual a un despliegue en la nube. Combínalo con Introduction to Git y Introduction to GitHub Concepts, y sigue el tutorial paso a paso de CI/CD para un ejemplo completo.

• Nivel: Intermedio
• Stack: GitHub Actions, Docker, un registro de contenedores, un runtime en la nube
• Ideal para: Desarrolladores que apuntan a roles de DevOps y plataforma

4. Programa una tarea de automatización serverless

Es un proyecto pequeño y rápido que demuestra mentalidad operativa, más escasa en porfolios junior que la simple capacidad de construir. Puedes terminarlo en una tarde.

Usa Amazon EventBridge o Google Cloud Scheduler para invocar una Lambda o Cloud Function con una cadencia. Buenas ideas: un informe diario de costes, un archivado de registros antiguos o una limpieza de recursos obsoletos. Asigna a la función un rol IAM de mínimo privilegio y registra lo que hace.

Qué demuestra a un responsable de contratación: que piensas en operaciones y control de costes, no solo en levantar servicios.

Ruta guiada: haz AWS Cloud Technology and Services para los bloques serverless y usa el tutorial de AWS Step Functions para orquestar automatizaciones de varios pasos.

• Nivel: Principiante
• Stack: AWS Lambda o Cloud Functions, EventBridge o Cloud Scheduler, IAM
• Ideal para: Perfiles junior que quieren añadir señal operativa

Proyectos de contenedores y Kubernetes para cloud engineer, DevOps y SRE

Los proyectos con Kubernetes tienen gran valor para cloud engineer, DevOps y SRE. Incluso en un clúster local, como kind o minikube, impresionan si los manifiestos y la arquitectura están bien pensados.

5. Despliega una app multiservicio en Kubernetes con Helm

Este proyecto demuestra soltura con contenedores a nivel de producción y cubre gran parte de lo que se espera en un rol junior de Kubernetes. Funciona en un clúster gestionado o en local.

Despliega una aplicación pequeña con dos o tres servicios (frontend web, API backend y base de datos) usando Deployments, Services, ConfigMaps, Secrets y un Ingress controller. Luego empaquétalo como un chart de Helm con ficheros de values por entorno, añade solicitudes y límites de recursos y un Horizontal Pod Autoscaler. Documenta por qué elegiste esos umbrales: eso convierte un despliegue básico en uno que demuestra criterio.

Qué demuestra a un responsable de contratación: que puedes ejecutar cargas contenedorizadas como en producción, con empaquetado y gestión de recursos, no solo con un manifiesto suelto.

Ruta guiada: haz Introduction to Kubernetes para practicar kubectl y manifiestos, y luego Getting Started with Google Kubernetes Engine para un clúster gestionado. El itinerario Containerization and Virtualization with Docker and Kubernetes y el tutorial de Kubernetes cubren todo el camino, con Introduction to Docker como prerrequisito.

• Nivel: Avanzado
• Stack: Kubernetes, Helm, Docker, Ingress, HPA
• Ideal para: Cloud engineers y candidatos DevOps que apuntan a equipos con gran uso de contenedores

Proyectos serverless y orientados a eventos para cambios de carrera y perfiles junior

Los proyectos serverless demuestran que comprendes la arquitectura orientada a eventos y el cómputo gestionado. Se construyen rápido, así que son una buena primera pieza de extremo a extremo cuando tienes poco tiempo.

6. Crea un sitio estático con formulario de contacto serverless

Es la vía más rápida a tu primer proyecto cloud completo y te da una URL pública que puedes compartir. Convierte el hosting estático básico en algo que hace trabajo real en el backend.

Aloja un sitio estático en Amazon S3 con CloudFront o en Google Cloud Storage, y añade un formulario de contacto que invoque API Gateway y una función Lambda (o Cloud Functions). La función envía una confirmación por Amazon SES o SNS. Todo es serverless, así que cuesta casi nada y demuestra cómo se conectan componentes gestionados.

Qué demuestra a un responsable de contratación: que sabes integrar hosting estático, cómputo serverless y mensajería gestionada en una app funcional de extremo a extremo.

Ruta guiada: realiza el curso AWS Concepts para los servicios clave y Understanding Cloud Computing para los fundamentos de hosting y serverless.

• Nivel: Principiante
• Stack: S3 o Cloud Storage, CloudFront, API Gateway, Lambda, SES o SNS
• Ideal para: Principiantes absolutos que quieren su primer proyecto en vivo

7. Crea un pipeline de procesamiento de archivos orientado a eventos

Este proyecto enseña el patrón event-driven, omnipresente en arquitecturas cloud reales. Es el paso natural tras el formulario de contacto.

Una carga en S3 o Cloud Storage dispara una Lambda o Cloud Function que procesa el archivo (p. ej., redimensionar una imagen, parsear un CSV o extraer texto), luego escribe el resultado en almacenamiento y envía una notificación por SNS o Pub/Sub. Asigna a la función un rol IAM acotado solo a los buckets y topics necesarios. El mínimo privilegio en IAM es donde muchos principiantes fallan; hacerlo bien te diferencia.

Qué demuestra a un responsable de contratación: que entiendes el diseño event-driven y el mínimo privilegio en IAM, dos rasgos que separan un trabajo meditado de un clon de tutorial.

Ruta guiada: el tutorial de AWS Step Functions de DataCamp y el curso AWS Cloud Technology and Services cubren triggers, funciones y orquestación.

• Nivel: Intermedio
• Stack: S3 o Cloud Storage, Lambda o Cloud Functions, SNS o Pub/Sub, IAM
• Ideal para: Quienes ya tienen un proyecto serverless y quieren profundizar

Proyectos de datos en la nube y ML para roles de cloud data engineer

Los proyectos de datos y ML son valiosos si apuntas a cloud data engineering, analytics engineering o roles de plataforma en empresas data-driven. La arquitectura y la calidad del código importan más que el tamaño del dataset.

8. Crea un pipeline de datos por lotes hacia un warehouse en la nube

Es el proyecto adecuado si apuntas a cloud data engineer o analytics engineer. Actualiza la idea clásica de analítica en la nube con un pipeline limpio de extremo a extremo.

Ingresa un dataset público, transfórmalo con Python o SQL, cárgalo en un warehouse como BigQuery, Amazon Redshift o Azure Synapse, y visualiza el resultado de una consulta. Un dataset pequeño basta: lo importante es el pipeline, no el volumen. Documenta tus decisiones de esquema y cómo programarías la ejecución periódica.

Qué demuestra a un responsable de contratación: que puedes mover datos de extremo a extremo hasta un almacén, la base de los roles de datos en la nube.

Ruta guiada: sigue el tutorial de DataCamp getting started with Azure Synapse y realiza el curso Introduction to GCP para BigQuery. El itinerario Associate Data Engineer in SQL te ayuda con los fundamentos del pipeline.

• Nivel: Intermedio
• Stack: BigQuery, Redshift o Synapse; Python o SQL; almacenamiento en la nube
• Ideal para: Analistas e ingenieros que apuntan a roles de datos en la nube

9. Crea un servicio serverless de inferencia de ML

Demuestra que puedes exponer un modelo detrás de una API sin gestionar servidores, algo muy esperado hoy en roles aplicados. Une las ideas clásicas de ML serverless y chatbots en un build útil.

Empaqueta un modelo (p. ej., clasificación de imágenes o texto) detrás de API Gateway y una función Lambda o Cloud Functions, y guarda entradas y salidas en DynamoDB o Firestore. Puedes usar un servicio gestionado como Amazon Rekognition o un modelo de Hugging Face para acotar el alcance. En la memoria, comenta los trade-offs de cold start y coste en inferencia serverless: eso demuestra criterio.

Qué demuestra a un responsable de contratación: que entiendes el cómputo gestionado, el serving de modelos y los trade-offs de coste al ejecutar inferencia de forma serverless.

Ruta guiada: lee la guía sobre arquitectura cloud para data science y machine learning, y usa el tutorial de AWS Step Functions para encadenar los pasos de procesamiento.

• Nivel: Avanzado
• Stack: API Gateway, Lambda o Cloud Functions, DynamoDB o Firestore, un servicio de modelos
• Ideal para: Profesionales de datos que evolucionan hacia cloud y ML engineering

Proyectos de observabilidad y seguridad

La mayoría de porfolios junior carecen de proyectos de observabilidad y seguridad, justo por eso llaman la atención. Nuestra cobertura guiada es más limitada en estas áreas, así que estos proyectos se apoyan más en la documentación oficial, y lo decimos con transparencia.

10. Monta un stack de monitorización y alertas

Los responsables de contratación valoran muy bien la observabilidad para roles cloud y SRE porque demuestra que piensas más allá del despliegue. La mayoría de candidatos junior lo omiten, así que es una forma rápida de diferenciarte.

Despliega Prometheus para recolectar métricas de una app y del sistema subyacente, y crea un dashboard en Grafana con al menos dos reglas de alerta. Ejecutarlo en una sola VM o en un clúster local con kind es suficiente. Como alternativa a herramientas de terceros, centraliza logs en Amazon CloudWatch o Google Cloud Logging, escribe una consulta que detecte un patrón concreto de error y añade una alerta. Documenta los umbrales y por qué los elegiste.

Qué demuestra a un responsable de contratación: que piensas en lo que ocurre después del despliegue, una señal senior incluso en un perfil junior.

Ruta guiada: usa la documentación oficial de Prometheus y Grafana para el montaje práctico. El curso de DataCamp MLOps Concepts cubre los principios de monitorización (estadística y computacional) que se trasladan a infraestructura.

• Nivel: Intermedio
• Stack: Prometheus, Grafana, o CloudWatch y Cloud Logging
• Ideal para: Candidatos a SRE y roles cloud centrados en fiabilidad

11. Implementa IAM de mínimo privilegio y endurece secretos

La mentalidad de seguridad te separa de quienes solo consiguen que algo funcione. No necesitas ser especialista para demostrarla, y cualquier ingeniero puede destacar.

Parte de una configuración con permisos excesivos, usa IAM Access Analyzer en AWS o Policy Analyzer en GCP para detectar permisos de más y redúcelos al mínimo necesario. Luego elimina credenciales hardcodeadas y muévelas a AWS Secrets Manager, Google Secret Manager o HashiCorp Vault. Documenta el estado inicial y cada cambio con su justificación.

Qué demuestra a un responsable de contratación: que tratas la seguridad como valor por defecto y puedes justificar cada permiso que concedes.

Ruta guiada: Understanding Cloud Computing cubre los fundamentos de seguridad, y la parte práctica se apoya en la documentación del proveedor para IAM Access Analyzer y Secrets Manager. Es, por diseño, un build guiado por docs.

• Nivel: Intermedio
• Stack: IAM Access Analyzer, Secrets Manager o Vault, tooling de seguridad del proveedor
• Ideal para: Ingenieros que buscan un diferenciador que la mayoría de porfolios no tiene

Qué hace que un proyecto cloud destaque

El tipo de proyecto importa menos que cómo lo ejecutas. Dos factores separan de forma consistente una pieza de porfolio de un clon de tutorial, y ambos son gratis.

• Decisiones documentadas en el README. Explica por qué este servicio, por qué estos permisos IAM, por qué este diseño de red. Sin razonamiento documentado, parece un "sigue el tutorial".
• Seguridad que no se atornilla al final. Sin comodines en IAM, sin secretos en variables de entorno en claro, sin recursos públicos que deberían ser privados.
• Calidad frente a cantidad. Dos o tres proyectos bien ejecutados en áreas distintas superan siempre a seis superficiales.
• Cubrir los huecos. Un pipeline de CI/CD para una app contenedorizada es el proyecto de automatización que más esperan para juniors, y un stack de monitorización es el que más falta en los porfolios.

Conclusión

Para la mayoría que cambia a roles cloud, el proyecto de Terraform de tres capas es el mejor punto de partida, porque IaC es una habilidad que casi todos los puestos de cloud y DevOps piden. Si apuntas de lleno a DevOps o plataforma, construye primero el pipeline de CI/CD con GitHub Actions. A partir de ahí, añade un proyecto en un área de habilidad para la que aún no tienes evidencias y, si puedes, haz que incluya observabilidad o seguridad.

Unas advertencias honestas. Construirás las partes cloud de estos proyectos en el nivel gratuito del proveedor, no dentro de una plataforma de aprendizaje, así que necesitarás una cuenta de AWS, Azure o GCP y vigilar pequeños costes en servicios fuera del free tier. Usa los cursos guiados para aprender rápido el concepto y haz el build real tú mismo, para que el trabajo sea genuinamente tuyo.

Si quieres los conceptos antes de ponerte manos a la obra, la guía Learn Cloud Computing From Scratch y el curso Understanding Cloud Computing cubren los fundamentos en pocas horas.