Aprendizaje de refuerzo profundo con Python

Este curso aborda la Inteligencia Artificial (con énfasis en Aprendizaje Automático y Aprendizaje Profundo) aplicada a la industria automotriz. Ayuda a determinar qué tecnologías pueden utilizarse (potencialmente) en múltiples situaciones dentro de un vehículo: desde la automatización básica y el reconocimiento de imágenes hasta la toma de decisiones autónoma.

Este curso ha sido diseñado para gerentes, arquitectos de soluciones, oficiales de innovación, CTOs, arquitectos de software y cualquier persona interesada en obtener una visión general de la inteligencia artificial aplicada y las perspectivas más cercanas para su desarrollo.

Esta capacitación en vivo, dirigida por un instructor en Colombia (en línea o en el sitio), está dirigida a participantes de nivel principiante que deseen aprender conceptos esenciales en probabilidad, estadística, programación y aprendizaje automático, y aplicarlos al desarrollo de IA.

Al finalizar esta capacitación, los participantes podrán:

• Comprender conceptos básicos en probabilidad y estadística, y aplicarlos a escenarios del mundo real.
• Escribir y comprender código de programación procedural, funcional y orientado a objetos.
• Implementar técnicas de aprendizaje automático como clasificación, agrupamiento y redes neuronales.
• Desarrollar soluciones de IA utilizando motores de reglas y sistemas expertos para la resolución de problemas.

La red neuronal artificial es un modelo computacional de datos utilizado en el desarrollo de sistemas de Inteligencia Artificial (IA) capaces de realizar tareas "inteligentes". Las redes neuronales se emplean comúnmente en aplicaciones de Aprendizaje Automático (ML), las cuales constituyen una de las implementaciones de la IA. El Aprendizaje Profundo es un subconjunto del ML.

Este es un curso de 4 días que introduce la Inteligencia Artificial y sus aplicaciones. Existe la opción de agregar un día adicional para desarrollar un proyecto de IA al finalizar este curso.

Este es un curso de 4 días que introduce la inteligencia artificial y sus aplicaciones utilizando el lenguaje de programación Python. Existe la opción de agregar un día adicional para desarrollar un proyecto de IA al finalizar este curso. 

Esta formación impartida por un instructor, en vivo en Colombia (en línea o presencial), está dirigida a científicos de datos y estadísticos de nivel intermedio que desean preparar datos, construir modelos y aplicar técnicas de aprendizaje automático de manera efectiva en sus ámbitos profesionales.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender e implementar diversos algoritmos de Aprendizaje Automático.
• Preparar datos y modelos para aplicaciones de aprendizaje automático.
• Realizar análisis posteriores y visualizar resultados de manera efectiva.
• Aplicar técnicas de aprendizaje automático a escenarios reales y específicos del sector.

Una red neuronal artificial es un modelo computacional de datos utilizado en el desarrollo de sistemas de inteligencia artificial (IA) capaces de realizar tareas "inteligentes". Las redes neuronales se utilizan comúnmente en aplicaciones de aprendizaje automático (ML), las cuales son una de las implementaciones de la IA. El aprendizaje profundo es un subconjunto del ML.

Este entrenamiento impartido por un instructor en vivo en Colombia (en línea o presencial) está dirigido a investigadores y desarrolladores que desean utilizar Chainer para construir y entrenar redes neuronales en Python, manteniendo un código fácil de depurar.

Al finalizar este entrenamiento, los participantes podrán:

• Configurar el entorno de desarrollo necesario para comenzar a crear modelos de redes neuronales.
• Definir e implementar modelos de redes neuronales mediante un código fuente comprensible.
• Ejecutar ejemplos y modificar algoritmos existentes para optimizar los modelos de entrenamiento en aprendizaje profundo, aprovechando el uso de GPUs para alto rendimiento.

Esta capacitación en vivo, impartida por un instructor en Colombia (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.

Esta capacitación presencial impartida por un instructor en Colombia (en línea o en sitio) está dirigida a ingenieros de aprendizaje automático y investigadores de IA de nivel avanzado que desean aplicar RLHF para ajustar modelos grandes de IA y lograr un rendimiento superior, mayor seguridad y mejor alineación.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender los fundamentos teóricos de RLHF y por qué es esencial en el desarrollo moderno de la IA.
• Implementar modelos de recompensa basados en retroalimentación humana para guiar los procesos de aprendizaje por refuerzo.
• Ajustar finamente grandes modelos de lenguaje utilizando técnicas de RLHF para alinear sus respuestas con las preferencias humanas.
• Aplicar las mejores prácticas para escalar flujos de trabajo de RLHF en sistemas de IA listos para producción.

Tipo: Formación teórica con aplicaciones definidas previamente junto con los estudiantes, utilizando Lasagne o Keras según el grupo pedagógico.

Método pedagógico: presentación, intercambio de ideas y estudios de caso.

La inteligencia artificial, tras haber transformado numerosos campos científicos, ha comenzado a revolucionar muchos sectores económicos (industria, medicina, comunicación, etc.). Sin embargo, su representación en los grandes medios a menudo se basa en fantasías, muy alejadas de lo que realmente son el Aprendizaje Automático (Machine Learning) o el Aprendizaje Profundo (Deep Learning). El objetivo de esta formación es ofrecer a ingenieros que ya dominan las herramientas informáticas (incluyendo una base en programación de software) una introducción al Aprendizaje Profundo, a sus diferentes áreas de especialización y, por tanto, a las principales arquitecturas de redes existentes en la actualidad. Aunque se recordarán las bases matemáticas durante el curso, se recomienda un nivel de matemáticas equivalente a BAC+2 para mayor comodidad. Es absolutamente posible omitir el eje matemático y centrarse únicamente en una visión de tipo «sistema», pero este enfoque limitará enormemente su comprensión del tema.

Esta capacitación presencial, impartida por un instructor en Colombia (en línea o en el sitio), está dirigida a científicos de datos de nivel intermedio que desean adquirir una comprensión integral y habilidades prácticas tanto en Modelos de Lenguaje Grandes (LLMs) como en Aprendizaje por Refuerzo (RL).

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender los componentes y la funcionalidad de los modelos transformadores.
• Optimizar y ajustar finamente los LLMs para tareas y aplicaciones específicas.
• Entender los principios y metodologías fundamentales del aprendizaje por refuerzo.
• Aprender cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLMs.

Esta capacitación impartida por un instructor, en vivo en Colombia (en línea o en sitio), está dirigida a científicos de datos que desean ir más allá de los enfoques tradicionales de aprendizaje automático para enseñar a un programa informático a resolver problemas sin utilizar datos etiquetados ni grandes conjuntos de datos.

Al finalizar esta capacitación, los participantes serán capaces de:

• Instalar y aplicar las bibliotecas y el lenguaje de programación necesarios para implementar el Aprendizaje por Refuerzo.
• Crear un agente de software capaz de aprender mediante retroalimentación en lugar de aprendizaje supervisado.
• Programar un agente para resolver problemas donde la toma de decisiones es secuencial y finita.
• Aplicar conocimientos para diseñar software que pueda aprender de manera similar a como lo hacen los seres humanos.

Esta formación impartida por un instructor, en vivo Colombia (en línea o presencial), está dirigida a profesionales de nivel avanzado que deseen profundizar su comprensión del aprendizaje por refuerzo y sus aplicaciones prácticas en el desarrollo de inteligencia artificial utilizando Google Colab.

Al finalizar esta formación, los participantes podrán:

• Comprender los conceptos fundamentales de los algoritmos de aprendizaje por refuerzo.
• Implementar modelos de aprendizaje por refuerzo utilizando TensorFlow y OpenAI Gym.
• Desarrollar agentes inteligentes que aprenden mediante ensayo y error.
• Optimizar el rendimiento de los agentes mediante técnicas avanzadas como Q-learning y redes neuronales profundas de Q (DQNs).
• Entrenar agentes en entornos simulados utilizando OpenAI Gym.
• Desplegar modelos de aprendizaje por refuerzo para aplicaciones del mundo real.