Programa del Curso

Introducción

Historia, evolución y tendencias de Machine Learning

El papel del Big Data en Machine Learning

Infraestructura para la gestión Big Data

Uso de datos históricos y en tiempo real para predecir el comportamiento

Estudio de caso: Machine Learning En todas las industrias

Evaluación de aplicaciones y capacidades existentes

Mejora de las competencias para Machine Learning

Herramientas para la implementación Machine Learning

Servicios en la nube frente a servicios locales

Descripción del backend intermedio de datos

Descripción general de Data Mining y análisis

Combinación Machine Learning con minería de datos

Caso práctico: Implementación Intelligent Applications para ofrecer experiencias personalizadas a los usuarios

Resumen y conclusión

Requerimientos

  • Comprensión de los conceptos de bases de datos
  • Experiencia en el desarrollo de aplicaciones de software

Audiencia

  • Desarrolladores
 7 horas

Número de participantes



Precio por participante

Cursos Relacionados

H2O AutoML

14 horas

AutoML con Auto-sklearn

14 horas

AutoML con Auto-Keras

14 horas

Avanzado Stable Diffusion: Aprendizaje profundo para la generación de texto a imagen

21 horas

Introducción a Stable Diffusion para la generación de texto a imagen

21 horas

AlphaFold

7 horas

TensorFlow Lite for Embedded Linux

21 horas

TensorFlow Lite for Android

21 horas

TensorFlow Lite for iOS

21 horas

Tensorflow Lite for Microcontrollers

21 horas

Deep Learning Neural Networks with Chainer

14 horas

Distributed Deep Learning with Horovod

7 horas

Accelerating Deep Learning with FPGA and OpenVINO

35 horas

Building Deep Learning Models with Apache MXNet

21 horas

Deep Learning with Keras

21 horas

Categorías Relacionadas

1