Cursos de Aprendizaje Automático en Medellín

Este entrenamiento, dirigido por un instructor y realizado en vivo Medellín (en línea o en sitio), está diseñado para profesionales de nivel principiante que deseen comprender el concepto de los modelos preentrenados y aprender a aplicarlos para resolver problemas del mundo real sin tener que construir modelos desde cero.

Al finalizar este entrenamiento, los participantes estarán en capacidad de:

• Comprender el concepto y los beneficios de los modelos preentrenados.
• Explorar diversas arquitecturas de modelos preentrenados y sus casos de uso.
• Ajustar finamente un modelo preentrenado para tareas específicas.
• Implementar modelos preentrenados en proyectos sencillos de aprendizaje automático.

Esta formación presencial, impartida por un instructor en Medellín (en línea o en sitio), está dirigida a participantes con diversos niveles de experiencia que deseen aprovechar la plataforma AutoML de Google para desarrollar chatbots personalizados para distintas aplicaciones.

Al finalizar esta formación, los participantes estarán en capacidad de:

• Comprender los fundamentos del desarrollo de chatbots.
• Navegar por Google Cloud Platform y acceder a AutoML.
• Preparar los datos necesarios para entrenar modelos de chatbots.
• Entrenar y evaluar modelos personalizados de chatbots utilizando AutoML.
• Desplegar e integrar chatbots en diversas plataformas y canales.
• Monitorear y optimizar el rendimiento de los chatbots a lo largo del tiempo.

Esta capacitación, impartida por instructores y realizada en vivo en Medellín (en línea o presencial), está dirigida a desarrolladores de IA de nivel intermedio, ingenieros de aprendizaje automático y arquitectos de sistemas que deseen optimizar modelos de IA para su despliegue en el borde.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender los desafíos y requisitos asociados al despliegue de modelos de IA en dispositivos de borde.
• Aplicar técnicas de compresión de modelos para reducir el tamaño y la complejidad de los modelos de IA.
• Utilizar métodos de cuantización para mejorar la eficiencia de los modelos en hardware de borde.
• Implementar poda y otras técnicas de optimización para mejorar el rendimiento de los modelos.
• Desplegar modelos de IA optimizados en diversos dispositivos de borde.

Esta capacitación en vivo, impartida por instructores en Medellín (en línea o en sitio), está dirigida a desarrolladores de nivel intermedio, científicos de datos y entusiastas de la tecnología que desean adquirir habilidades prácticas para desplegar modelos de IA en dispositivos de borde para diversas aplicaciones.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender los principios de la IA en el borde y sus beneficios.
• Configurar y establecer el entorno de computación en el borde.
• Desarrollar, entrenar y optimizar modelos de IA para su despliegue en el borde.
• Implementar soluciones prácticas de IA en dispositivos de borde.
• Evaluar y mejorar el rendimiento de los modelos desplegados en el borde.
• Abordar consideraciones éticas y de seguridad en las aplicaciones de IA en el borde.

Kubeflow es una plataforma de código abierto diseñada para agilizar la construcción, el entrenamiento y el despliegue de cargas de trabajo de aprendizaje automático en Kubernetes.

Esta capacitación impartida por un instructor, en vivo (en línea o en el sitio), está dirigida a profesionales de nivel principiante a intermedio que deseen crear flujos de trabajo de ML confiables utilizando Kubeflow.

Al finalizar esta capacitación, los asistentes adquirirán las habilidades para:

• Navegar por el ecosistema de Kubeflow y sus componentes principales.
• Construir flujos de trabajo reproducibles con Kubeflow Pipelines.
• Ejecutar trabajos de entrenamiento escalables en Kubernetes.
• Servir modelos de aprendizaje automático de manera eficiente mediante Kubeflow Serving.

Formato del Curso

• Presentaciones guiadas y discusiones colaborativas.
• Laboratorios prácticos con componentes reales de Kubeflow.
• Ejercicios prácticos para construir flujos de trabajo de ML de extremo a extremo.

Opciones de Personalización del Curso

• Se pueden organizar versiones personalizadas de esta capacitación para alinearlas con la pila tecnológica y los requisitos de proyectos de su equipo.

Esta capacitación en vivo, dirigida por un instructor en Medellín (en línea o presencial), está diseñada para profesionales de nivel avanzado que deseen dominar las tecnologías detrás de los sistemas autónomos.

Al finalizar esta capacitación, los participantes serán capaces de:

• Diseñar e implementar modelos de IA para la toma de decisiones autónomas.
• Desarrollar algoritmos de control para navegación autónoma y evitación de obstáculos.
• Asegurar la seguridad y confiabilidad en sistemas autónomos impulsados por IA.
• Integrar sistemas autónomos con frameworks existentes de robótica e IA.

Esta capacitación impartida por un instructor, en vivo en Medellín (en línea o en sitio), está dirigida a profesionales de nivel avanzado que deseen mejorar sus conocimientos sobre modelos de aprendizaje automático, perfeccionar sus habilidades en el ajuste de hiperparámetros y aprender a desplegar modelos de manera efectiva con Google Colab.

Al finalizar esta capacitación, los participantes estarán en capacidad de:

• Implementar modelos avanzados de aprendizaje automático utilizando frameworks populares como Scikit-learn y TensorFlow.
• Optimizar el rendimiento del modelo mediante el ajuste de hiperparámetros.
• Desplegar modelos de aprendizaje automático en aplicaciones del mundo real usando Google Colab.
• Colaborar y gestionar proyectos de aprendizaje automático a gran escala en Google Colab.

Este curso impartido por un instructor, en vivo Medellín (en línea o presencial), está dirigido a profesionales de nivel intermedio que deseen aplicar técnicas de IA para optimizar la gestión del rendimiento en la fabricación de semiconductores.

Al finalizar este curso, los participantes podrán:

• Analizar datos de producción para identificar factores que afectan las tasas de rendimiento.
• Implementar algoritmos de IA para mejorar los procesos de gestión del rendimiento.
• Optimizar parámetros de producción para reducir defectos y mejorar los rendimientos.
• Integrar la gestión del rendimiento impulsada por IA en los flujos de trabajo de producción existentes.

Esta capacitación presencial o en línea, impartida por un instructor en Medellín, está dirigida a profesionales de negocios e IA de nivel intermedio que deseen aplicar el aprendizaje automático en entornos comerciales, proyecciones y sistemas impulsados por IA, utilizando casos de estudio reales y herramientas basadas en Python.

Al finalizar esta capacitación, los participantes estarán en capacidad de:

• Comprender cómo el aprendizaje automático se integra en la estrategia de IA y de negocios.
• Aplicar técnicas de aprendizaje supervisado y no supervisado a problemas empresariales estructurados.
• Preprocesar y transformar datos para su modelado.
• Utilizar redes neuronales para tareas de clasificación y predicción.
• Realizar proyecciones de ventas empleando métodos estadísticos y basados en aprendizaje automático.
• Implementar técnicas de agrupamiento y minería de reglas de asociación para la segmentación de clientes y el descubrimiento de patrones.

Este curso, impartido por un instructor en vivo en Medellín (en línea o presencial), está dirigido a profesionales de nivel avanzado que deseen aplicar técnicas de vanguardia en IA para la automatización del diseño de semiconductores, mejorando así la eficiencia, la precisión y la innovación en el diseño y la verificación de chips.

Al finalizar este curso, los participantes podrán:

• Aplicar técnicas avanzadas de IA para optimizar los procesos de diseño de semiconductores.
• Integrar modelos de aprendizaje automático en herramientas EDA para mejorar la verificación del diseño.
• Desarrollar soluciones impulsadas por IA para resolver desafíos complejos en la fabricación de chips.
• Aprovechar las redes neuronales para mejorar la precisión y la velocidad en la automatización del diseño.

Esta capacitación en vivo, impartida por un instructor en Medellín (en línea o en sitio), está dirigida a profesionales de nivel intermedio que deseen comprender y aplicar técnicas de IA para optimizar los procesos de fabricación de semiconductores.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender las metodologías de IA para la optimización de procesos en la fabricación de chips.
• Implementar modelos de IA para mejorar el rendimiento y reducir los defectos.
• Analizar datos de procesos para identificar los parámetros clave que requieren optimización.
• Aplicar técnicas de aprendizaje automático para ajustar con precisión los procesos de fabricación de semiconductores.

Esta capacitación presencial, con instructores en vivo en Medellín (en línea o in situ), está dirigida a participantes de nivel intermedio que deseen automatizar y gestionar flujos de trabajo de machine learning, incluyendo el entrenamiento, validación y despliegue de modelos utilizando Apache Airflow.

Al finalizar esta capacitación, los participantes podrán:

• Configurar Apache Airflow para la orquestación de flujos de trabajo de machine learning.
• Automatizar tareas de preprocesamiento de datos, entrenamiento y validación de modelos.
• Integrar Airflow con frameworks y herramientas de machine learning.
• Desplegar modelos de machine learning mediante pipelines automatizados.
• Monitorear y optimizar flujos de trabajo de machine learning en producción.

Esta capacitación impartida por un instructor, en vivo en Medellín (en línea o presencial), está dirigida a científicos de datos y desarrolladores de nivel intermedio que desean aplicar algoritmos de aprendizaje automático de manera eficiente utilizando el entorno de Google Colab.

Al finalizar esta capacitación, los participantes podrán:

• Configurar y navegar en Google Colab para proyectos de aprendizaje automático.
• Comprender y aplicar diversos algoritmos de aprendizaje automático.
• Utilizar bibliotecas como Scikit-learn para analizar y predecir datos.
• Implementar modelos de aprendizaje supervisado y no supervisado.
• Optimizar y evaluar modelos de aprendizaje automático de manera efectiva.

Esta capacitación en vivo, impartida por un instructor en Medellín (en línea o presencial), está dirigida a científicos de datos y desarrolladores que deseen utilizar modelos de aprendizaje automático de ML.NET para derivar proyecciones automáticamente a partir de análisis de datos ejecutados en aplicaciones empresariales.

Al finalizar esta capacitación, los participantes serán capaces de:

• Instalar ML.NET e integrarlo en el entorno de desarrollo de aplicaciones.
• Comprender los principios de aprendizaje automático que sustentan las herramientas y algoritmos de ML.NET.
• Construir y entrenar modelos de aprendizaje automático para realizar predicciones inteligentes con los datos proporcionados.
• Evaluar el rendimiento de un modelo de aprendizaje automático utilizando las métricas de ML.NET.
• Optimizar la precisión de los modelos de aprendizaje automático existentes basándose en el marco de ML.NET.
• Aplicar los conceptos de aprendizaje automático de ML.NET a otras aplicaciones de ciencia de datos.

Esta capacitación impartida por un instructor, en vivo en Medellín (en línea o presencial), está dirigida a profesionales de datos de nivel intermedio que deseen aplicar técnicas de aprendizaje automático a problemas comerciales basados en datos, incluyendo el pronóstico de ventas y el modelado predictivo mediante redes neuronales.

Al finalizar esta capacitación, los participantes podrán:

• Comprender los conceptos fundamentales y los tipos de aprendizaje automático.
• Aplicar algoritmos clave para clasificación, regresión, agrupamiento y análisis de asociación.
• Realizar análisis exploratorio de datos y preparación de datos utilizando Python.
• Utilizar redes neuronales para tareas de modelado no lineal.
• Implementar análisis predictivo para pronósticos comerciales, incluyendo datos de ventas.
• Evaluar y optimizar el rendimiento del modelo mediante técnicas visuales y estadísticas.

Esta formación impartida por instructores en vivo en Medellín (en línea o en sitio) está dirigida a profesionales de ciberseguridad de nivel intermedio a avanzado que deseen elevar sus habilidades en la detección de amenazas impulsada por IA y la respuesta a incidentes.

Al finalizar esta formación, los participantes podrán:

• Implementar algoritmos avanzados de IA para la detección de amenazas en tiempo real.
• Personalizar modelos de IA para desafíos específicos de ciberseguridad.
• Desarrollar flujos de trabajo automatizados para la respuesta ante amenazas.
• Proteger herramientas de seguridad impulsadas por IA contra ataques adversarios.

Esta capacitación impartida por instructores, en vivo Medellín (en línea o presencial), está dirigida a profesionales de ciberseguridad principiantes que deseen aprender a aprovechar la IA para mejorar sus capacidades de detección y respuesta a amenazas.

Al finalizar esta capacitación, los participantes estarán en capacidad de:

• Comprender las aplicaciones de la IA en ciberseguridad.
• Implementar algoritmos de IA para la detección de amenazas.
• Automatizar la respuesta a incidentes con herramientas de IA.
• Integrar la IA en la infraestructura existente de ciberseguridad.

Este entrenamiento presencial impartido por instructores en Medellín (en línea o en sitio) está dirigido a biólogos que desean comprender el funcionamiento de AlphaFold y utilizar sus modelos como guías en sus estudios experimentales.

Al finalizar este entrenamiento, los participantes serán capaces de:

• Comprender los principios básicos de AlphaFold.
• Aprender cómo funciona AlphaFold.
• Aprender a interpretar las predicciones y resultados de AlphaFold.

Esta capacitación en vivo, impartida por un instructor (en línea o en el sitio), está dirigida a participantes técnicos con experiencia en aprendizaje automático que deseen optimizar modelos para detectar patrones complejos en grandes volúmenes de datos utilizando marcos de trabajo de AutoML.

Esta capacitación impartida por un instructor en vivo en Medellín (en línea o en sitio) está dirigida a analistas de datos de nivel intermedio que desean aprender a utilizar RapidMiner para estimar y proyectar valores, así como aprovechar herramientas analíticas para el pronóstico de series de tiempo.

Al finalizar esta capacitación, los participantes podrán:

• Aprender a aplicar la metodología CRISP-DM, seleccionar algoritmos de aprendizaje automático adecuados y mejorar la construcción y el rendimiento de los modelos.
• Utilizar RapidMiner para estimar y proyectar valores, y emplear herramientas analíticas en el pronóstico de series de tiempo.

El objetivo de este curso es proporcionar una competencia básica en la aplicación práctica de métodos de Aprendizaje Automático. A través del uso del lenguaje de programación Python y sus diversas bibliotecas, y con base en numerosos ejemplos prácticos, este curso enseña cómo utilizar los componentes fundamentales del Aprendizaje Automático, cómo tomar decisiones de modelado de datos, interpretar los resultados de los algoritmos y validar los hallazgos.

Nuestro objetivo es dotarte de las habilidades necesarias para comprender y utilizar con confianza las herramientas más fundamentales del conjunto de herramientas de Aprendizaje Automático, evitando las trampas comunes en las aplicaciones de la Ciencia de Datos.

El objetivo de este curso es brindar competencia general en la aplicación práctica de métodos de Aprendizaje Automático. Mediante el uso del lenguaje de programación Python y sus diversas bibliotecas, y basándose en una multitud de ejemplos prácticos, este curso enseña a utilizar los bloques de construcción más importantes del Aprendizaje Automático, cómo tomar decisiones de modelado de datos, interpretar las salidas de los algoritmos y validar los resultados.

Nuestro objetivo es brindarle las habilidades necesarias para comprender y utilizar con confianza las herramientas más fundamentales de la caja de herramientas del Aprendizaje Automático, evitando las trampas comunes de las aplicaciones de Ciencias de Datos.

Esta formación presencial, impartida por un instructor y disponible en línea o in situ en Medellín, está dirigida a científicos de datos e ingenieros de software que deseen utilizar AdaBoost para desarrollar algoritmos de refuerzo (boosting) para aprendizaje automático con Python.

Al finalizar esta formación, los participantes podrán:

• Configurar el entorno de desarrollo necesario para comenzar a crear modelos de aprendizaje automático con AdaBoost.
• Comprender el enfoque de aprendizaje por conjuntos y cómo implementar el refuerzo adaptativo.
• Aprender a construir modelos de AdaBoost para potenciar algoritmos de aprendizaje automático en Python.
• Aplicar el ajuste de hiperparámetros para mejorar la precisión y el rendimiento de los modelos de AdaBoost.

Este programa de 8 días ofrece un recorrido completo desde sólidos cimientos en ingeniería de Python hasta el diseño avanzado de sistemas de IA. Los participantes desarrollan prácticas de codificación disciplinadas, dominan métodos estadísticos y de aprendizaje profundo, y construyen sistemas generativos de IA y basados en agentes listos para producción. El enfoque se centra en la fiabilidad, la evaluación, la seguridad y el despliegue en el mundo real, en lugar de limitarse a la experimentación.

Esta capacitación en vivo, impartida por un instructor en Medellín (en línea o en sitio), está dirigida a científicos de datos, así como a personas con menos conocimientos técnicos que deseen utilizar Auto-Keras para automatizar el proceso de selección y optimización de un modelo de aprendizaje automático.

Al finalizar esta capacitación, los participantes podrán:

• Automatizar el proceso de entrenamiento de modelos de aprendizaje automático altamente eficientes.
• Buscar automáticamente los mejores parámetros para modelos de aprendizaje profundo.
• Construir modelos de aprendizaje automático de alta precisión.
• Aprovechar el poder del aprendizaje automático para resolver problemas comerciales del mundo real.

Este curso combinará teoría y trabajo práctico con ejemplos específicos utilizados a lo largo del evento.

Esta capacitación en vivo, impartida por un instructor en Medellín (en línea o en sitio), ofrece una introducción al campo del reconocimiento de patrones y del aprendizaje automático. Aborda aplicaciones prácticas en estadística, ciencias de la computación, procesamiento de señales, visión por computadora, minería de datos y bioinformática.

Al finalizar esta capacitación, los participantes estarán en capacidad de:

• Aplicar métodos estadísticos fundamentales al reconocimiento de patrones.
• Utilizar modelos clave, como redes neuronales y métodos de kernel, para el análisis de datos.
• Implementar técnicas avanzadas para resolver problemas complejos.
• Mejorar la precisión de las predicciones combinando diferentes modelos.

Este curso presencial, impartido por un instructor en Medellín (en línea o en sitio), está dirigido a científicos de datos y analistas de datos que deseen automatizar, evaluar y gestionar modelos predictivos utilizando las capacidades de aprendizaje automático de DataRobot.

Al finalizar este curso, los participantes podrán:

• Cargar conjuntos de datos en DataRobot para analizar, evaluar y verificar la calidad de los datos.
• Construir y entrenar modelos para identificar variables importantes y alcanzar los objetivos de predicción.
• Interpretar modelos para generar insights valiosos que apoyen la toma de decisiones empresariales.
• Monitorear y gestionar modelos para mantener un rendimiento óptimo en las predicciones.

Esta capacitación en vivo, impartida por un instructor en Medellín (en línea o en sitio), está dirigida a ingenieros que deseen aplicar técnicas de ingeniería de características para procesar mejor los datos y obtener modelos de aprendizaje automático más eficaces.

Al finalizar esta capacitación, los participantes podrán:

• Configurar un entorno de desarrollo óptimo, incluyendo todos los paquetes de Python necesarios.
• Obtener insights importantes mediante el análisis de las características de un conjunto de datos.
• Optimizar modelos de aprendizaje automático adaptando los datos crudos en sí mismos.
• Limpiar y transformar conjuntos de datos en preparación para el aprendizaje automático.

El aprendizaje automático es una rama de la Inteligencia Artificial en la que los computadores tienen la capacidad de aprender sin ser programados explícitamente.

El aprendizaje profundo es un subcampo del aprendizaje automático que utiliza métodos basados en la representación y el aprendizaje de estructuras de datos, como las redes neuronales.

Python es un lenguaje de programación de alto nivel famoso por su sintaxis clara y la legibilidad de su código.

En esta capacitación en vivo, impartida por un instructor, los participantes aprenderán a implementar modelos de aprendizaje profundo para el sector de telecomunicaciones utilizando Python, mientras avanzan paso a paso en la creación de un modelo de riesgo crediticio basado en aprendizaje profundo.

Al finalizar esta capacitación, los participantes estarán en capacidad de:

• Comprender los conceptos fundamentales del aprendizaje profundo.
• Conocer las aplicaciones y usos del aprendizaje profundo en telecomunicaciones.
• Utilizar Python, Keras y TensorFlow para crear modelos de aprendizaje profundo aplicados a telecomunicaciones.
• Desarrollar su propio modelo de predicción de abandono de clientes (churn) basado en aprendizaje profundo usando Python.

Formato del curso

• Conferencias interactivas y discusiones.
• Numerosos ejercicios y prácticas.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para coordinarlo.

Esta formación impartida por un instructor, en vivo en Medellín (en línea o en sitio), está dirigida a científicos de datos, analistas de datos y desarrolladores que desean explorar los productos y funciones de AutoML para crear e implementar modelos de entrenamiento personalizados de ML con el mínimo esfuerzo.

Al finalizar esta formación, los participantes podrán:

• Explorar la línea de productos de AutoML para implementar diferentes servicios para diversos tipos de datos.
• Preparar y etiquetar conjuntos de datos para crear modelos personalizados de ML.
• Entrenar y gestionar modelos para obtener modelos de aprendizaje automático precisos y justos.
• Realizar predicciones utilizando modelos entrenados para cumplir con los objetivos y necesidades empresariales.

Esta capacitación práctica, impartida por un instructor, está diseñada como una continuación natural del curso Python para Análisis de Datos.

Presenta a los participantes los conceptos fundamentales del Aprendizaje Automático y muestra cómo pueden aplicarse directamente a tareas de análisis de datos, como predicción, clasificación y segmentación.

El enfoque está en comprender cómo funciona el Aprendizaje Automático en la práctica, utilizando herramientas familiares como Python, Pandas y Jupyter Notebook, sin requerir un trasfondo matemático avanzado.

Este curso está diseñado para personas que ya tienen una base en ciencia de datos y estadística. Las explicaciones proporcionadas sirven tanto como recordatorio para quienes ya están familiarizados con los conceptos, como para informar a quienes cuentan con el conocimiento previo adecuado.

Esta formación en vivo, impartida por un instructor en <ubicación> (en línea o presencial), está dirigida a desarrolladores y científicos de datos que desean construir, desplegar y gestionar flujos de trabajo de machine learning en Kubernetes.

Al finalizar esta formación, los participantes serán capaces de:

• Instalar y configurar Kubeflow en entornos on-premise y en la nube utilizando AWS EKS (Elastic Kubernetes Service).
• Construir, desplegar y gestionar flujos de trabajo de ML basados en contenedores Docker y Kubernetes.
• Ejecutar pipelines completos de machine learning en diversas arquitecturas y entornos de nube.
• Utilizar Kubeflow para generar y gestionar notebooks de Jupyter.
• Crear cargas de trabajo de entrenamiento de ML, ajuste de hiperparámetros y servicio en múltiples plataformas.

Esta capacitación en vivo, impartida por un instructor en Medellín (en línea o en sitio), está dirigida a ingenieros que deseen desplegar cargas de trabajo de aprendizaje automático en un servidor AWS EC2.

Al finalizar esta capacitación, los participantes serán capaces de:

• Instalar y configurar Kubernetes, Kubeflow y otro software necesario en AWS.
• Utilizar EKS (Elastic Kubernetes Service) para simplificar la tarea de inicializar un clúster de Kubernetes en AWS.
• Crear y desplegar un pipeline de Kubernetes para automatizar y gestionar modelos de aprendizaje automático en producción.
• Entrenar y desplegar modelos de aprendizaje automático de TensorFlow en múltiples GPUs y máquinas ejecutándose en paralelo.
• Aprovechar otros servicios administrados de AWS para extender una aplicación de aprendizaje automático.

Este entrenamiento presencial, impartido por un instructor en Medellín (en línea o in situ), está dirigido a ingenieros que deseen desplegar cargas de trabajo de aprendizaje automático en la nube de Azure.

Al finalizar este entrenamiento, los participantes serán capaces de:

• Instalar y configurar Kubernetes, Kubeflow y otros software necesarios en Azure.
• Utilizar Azure Kubernetes Service (AKS) para simplificar la tarea de inicializar un clúster de Kubernetes en Azure.
• Crear y desplegar una tubería de Kubernetes para automatizar y gestionar modelos de aprendizaje automático en producción.
• Entrenar y desplegar modelos de aprendizaje automático de TensorFlow en múltiples GPU y máquinas ejecutándose en paralelo.
• Aprovechar otros servicios administrados de AWS para extender una aplicación de aprendizaje automático.

Esta capacitación en vivo, impartida por un instructor en Medellín (en línea o presencial), está dirigida a desarrolladores y científicos de datos que deseen crear, implementar y gestionar flujos de trabajo de aprendizaje automático en Kubernetes.

Al finalizar esta capacitación, los participantes podrán:

• Instalar y configurar Kubeflow tanto en entornos locales (on-premise) como en la nube.
• Construir, implementar y gestionar flujos de trabajo de ML basados en contenedores Docker y Kubernetes.
• Ejecutar pipelines completos de aprendizaje automático en diversas arquitecturas y entornos en la nube.
• Utilizar Kubeflow para crear y gestionar notebooks de Jupyter.
• Desarrollar cargas de trabajo de entrenamiento de ML, ajuste de hiperparámetros y servicios en múltiples plataformas.

El Aprendizaje Automático es una rama de la Inteligencia Artificial en la que los sistemas informáticos tienen la capacidad de aprender sin ser programados explícitamente. Python es un lenguaje de programación reconocido por su sintaxis clara y legible. Ofrece una excelente colección de librerías y técnicas bien probadas para el desarrollo de aplicaciones de aprendizaje automático.

En esta capacitación en vivo con instructor, los participantes aprenderán a aplicar técnicas y herramientas de aprendizaje automático para resolver problemas reales en el sector bancario.

Los participantes primero estudiarán los principios fundamentales y luego pondrán en práctica sus conocimientos construyendo sus propios modelos de aprendizaje automático y utilizándolos para completar varios proyectos en equipo.

Público objetivo

• Desarrolladores
• Científicos de datos

Formato del curso

• Combinación de clases magistrales, discusiones, ejercicios y práctica intensiva hands-on

Esta capacitación en vivo, impartida por un instructor en Medellín (en línea o en el sitio), está dirigida a personas técnicas que desean aprender a implementar una estrategia de aprendizaje automático maximizando el uso de big data.

Al finalizar esta capacitación, los participantes:

• Comprenderán la evolución y las tendencias del aprendizaje automático.
• Sabrán cómo se utiliza el aprendizaje automático en diferentes industrias.
• Se familiarizarán con las herramientas, habilidades y servicios disponibles para implementar aprendizaje automático dentro de una organización.
• Entenderán cómo el aprendizaje automático puede mejorar la minería y el análisis de datos.
• Aprenderán qué es un backend intermedio de datos y cómo lo utilizan las empresas.
• Comprenderán el papel que desempeñan el big data y las aplicaciones inteligentes en diversas industrias.

Este curso de capacitación está dirigido a personas que deseen aplicar el Aprendizaje Automático en aplicaciones prácticas para sus equipos. La formación no se adentrará en tecnicismos, sino que se centrará en conceptos fundamentales y en sus aplicaciones comerciales y operativas.

Público Objetivo

1. Inversores y emprendedores en el ámbito de la IA
2. Gerentes e ingenieros cuya empresa se adentre en el espacio de la IA
3. Analistas de negocios e inversores

El aprendizaje automático es una rama de la Inteligencia Artificial en la que los computadores tienen la capacidad de aprender sin ser programados explícitamente. Python es un lenguaje de programación famoso por su sintaxis clara y legibilidad. Ofrece una excelente colección de bibliotecas y técnicas bien probadas para desarrollar aplicaciones de aprendizaje automático.

En esta capacitación en vivo, dirigida por un instructor, los participantes aprenderán cómo aplicar técnicas y herramientas de aprendizaje automático para resolver problemas del mundo real en el sector financiero.

Los participantes primero estudiarán los principios clave y luego pondrán sus conocimientos en práctica construyendo sus propios modelos de aprendizaje automático y utilizándolos para completar varios proyectos en equipo.

Al finalizar esta capacitación, los participantes podrán:

• Comprender los conceptos fundamentales del aprendizaje automático
• Aprender las aplicaciones y usos del aprendizaje automático en finanzas
• Desarrollar su propia estrategia de negociación algorítmica utilizando aprendizaje automático con Python

Público objetivo

• Desarrolladores
• Científicos de datos

Formato del curso

• Combinación de conferencias, discusión, ejercicios y práctica intensiva con las manos en la masa

Esta capacitación impartida por un instructor, en vivo (en línea o presencial), está dirigida a científicos de datos que desean ir más allá de la construcción de modelos de ML y optimizar los procesos de creación, seguimiento e implementación de dichos modelos.

Al finalizar esta capacitación, los participantes serán capaces de:

• Instalar y configurar MLflow, así como las bibliotecas y frameworks relacionados con ML.
• Comprender la importancia de la trazabilidad, reproducibilidad y capacidad de implementación de un modelo de ML.
• Implementar modelos de ML en diversas nubes públicas, plataformas o servidores locales.
• Escalar el proceso de implementación de ML para soportar la colaboración de múltiples usuarios en un proyecto.
• Configurar un registro central para experimentar, reproducir e implementar modelos de ML.

Este curso de formación está dirigido a quienes deseen aplicar técnicas básicas de aprendizaje automático en aplicaciones prácticas.

Público objetivo

Científicos de datos y estadísticos que tengan cierta familiaridad con el aprendizaje automático y sepan programar en R. El enfoque de este curso se centra en los aspectos prácticos de la preparación de datos y modelos, su ejecución, el análisis posterior y la visualización. El objetivo es ofrecer una introducción práctica al aprendizaje automático para participantes interesados en aplicar estos métodos en su entorno laboral.

Se utilizan ejemplos específicos de cada sector para que la formación sea relevante para la audiencia.

En esta formación en vivo con instructores, los participantes aprenderán cómo aprovechar la pila de tecnología de Aprendizaje Automático (ML) de iOS paso a paso, creando e implementando una aplicación móvil funcional para iOS.

Al final de esta capacitación, los participantes podrán:

• Crear una aplicación móvil capaz de procesar imágenes, analizar texto y reconocer voz.
• Acceder a modelos de ML preentrenados para integrarlos en aplicaciones iOS.
• Crear un modelo de ML personalizado.
• Agregar soporte de voz de Siri a aplicaciones iOS.
• Comprender y utilizar marcos como CoreML, Vision, CoreGraphics y GameplayKit.
• Utilizar lenguajes y herramientas como Python, Keras, Caffe, TensorFlow, scikit-learn, libsvm, Anaconda y Spyder.

Público objetivo

• Desarrolladores

Formato del curso

• Parte conferencia, parte discusión, ejercicios y práctica intensiva con el equipo.

Esta capacitación presencial o en línea, impartida por un instructor, está dirigida a desarrolladores que desean utilizar ML Kit de Google para construir modelos de aprendizaje automático optimizados para su procesamiento en dispositivos móviles.

Al finalizar esta capacitación, los participantes podrán:

• Configurar el entorno de desarrollo necesario para comenzar a implementar funciones de aprendizaje automático en aplicaciones móviles.
• Integrar nuevas tecnologías de aprendizaje automático en aplicaciones de Android e iOS mediante las APIs de ML Kit.
• Mejorar y optimizar aplicaciones existentes utilizando el SDK de ML Kit para su procesamiento y despliegue directamente en el dispositivo.

Esta capacitación en vivo, impartida por un instructor en Medellín (en línea o en sitio), está dirigida a profesionales empresariales y técnicos de nivel intermedio que desean aplicar técnicas de aprendizaje automático para resolver desafíos reales de negocio mediante casos de estudio prácticos y herramientas de uso directo.

Al finalizar esta capacitación, los participantes podrán:

• Comprender cómo el aprendizaje automático se integra en los sistemas modernos de IA y en las estrategias empresariales.
• Identificar los métodos de aprendizaje automático adecuados para distintos problemas de negocio.
• Preprocesar y transformar datos empresariales para tareas de aprendizaje automático.
• Aplicar técnicas fundamentales de aprendizaje automático como clasificación, regresión, agrupamiento y pronóstico de series de tiempo.
• Interpretar y evaluar modelos de aprendizaje automático en el contexto de la toma de decisiones empresariales.
• Obtener experiencia práctica mediante casos de estudio y aplicar las técnicas aprendidas a escenarios reales.

Este curso introduce métodos de aprendizaje automático aplicados a la robótica.

Ofrece una visión general amplia de los métodos existentes, sus motivaciones y las ideas principales en el contexto del reconocimiento de patrones.

Tras una breve fundamentación teórica, los participantes realizarán ejercicios sencillos utilizando software de código abierto (generalmente R) o cualquier otra herramienta popular.

Esta capacitación impartida por un instructor en vivo en Medellín (en línea o presencial) está dirigida a analistas de datos, desarrolladores o aspirantes a científicos de datos de nivel intermedio que desean aplicar técnicas de aprendizaje automático en Python para extraer conocimientos, hacer predicciones y automatizar decisiones basadas en datos.

Al finalizar este curso, los participantes podrán:

• Comprender y diferenciar los paradigmas clave del aprendizaje automático.
• Explorar técnicas de preprocesamiento de datos y métricas de evaluación de modelos.
• Aplicar algoritmos de aprendizaje automático para resolver problemas reales de datos.
• Utilizar bibliotecas de Python y cuadernos Jupyter para el desarrollo práctico.
• Construir modelos para predicción, clasificación, recomendación y agrupamiento.

La coincidencia de patrones es una técnica utilizada para localizar patrones específicos dentro de una imagen. Puede emplearse para determinar la existencia de características definidas en una imagen capturada, como la etiqueta esperada en un producto defectuoso en una línea de producción o las dimensiones especificadas de un componente. Se diferencia de la "reconocimiento de patrones" (que identifica patrones generales basándose en grandes colecciones de muestras relacionadas) en que define explícitamente qué estamos buscando y luego indica si el patrón esperado existe o no.

Formato del curso

• Este curso introduce los enfoques, tecnologías y algoritmos utilizados en el campo de la coincidencia de patrones aplicado a la visión artificial.

Esta capacitación en vivo, dirigida por un instructor en Medellín (en línea o presencial), está dirigida a científicos de datos e ingenieros de software que deseen utilizar Random Forest para construir algoritmos de aprendizaje automático para conjuntos de datos grandes.

Al finalizar esta capacitación, los participantes podrán:

• Configurar el entorno de desarrollo necesario para comenzar a construir modelos de aprendizaje automático con Random Forest.
• Comprender las ventajas de Random Forest y cómo implementarlo para resolver problemas de clasificación y regresión.
• Aprender a manejar conjuntos de datos grandes e interpretar múltiples árboles de decisión en Random Forest.
• Evaluar y optimizar el rendimiento de los modelos de aprendizaje automático mediante el ajuste de hiperparámetros.

RapidMiner es una plataforma de software de ciencia de datos de código abierto diseñada para el prototipado y desarrollo rápido de aplicaciones. Incluye un entorno integrado para la preparación de datos, aprendizaje automático, aprendizaje profundo, minería de texto y análisis predictivo.

En esta capacitación presencial impartida por un instructor, los participantes aprenderán a utilizar RapidMiner Studio para la preparación de datos, el aprendizaje automático y el despliegue de modelos predictivos.

Al finalizar esta capacitación, los participantes serán capaces de:

• Instalar y configurar RapidMiner
• Preparar y visualizar datos con RapidMiner
• Validar modelos de aprendizaje automático
• Integrar datos y crear modelos predictivos
• Operacionalizar el análisis predictivo dentro de un proceso empresarial
• Diagnosticar y optimizar RapidMiner

Público objetivo

• Científicos de datos
• Ingenieros
• Desarrolladores

Formato del curso

• Combinación de exposiciones teóricas, discusiones, ejercicios y práctica intensiva

Nota

• Para solicitar una capacitación personalizada para este curso, contáctenos para coordinar los detalles.