Detección de fraude con Python y TensorFlow

Este curso intensivo y práctico cubre técnicas avanzadas de Python, mejores prácticas de ingeniería y patrones de diseño comúnmente utilizados para construir aplicaciones de Python mantenibles, probables y de alto rendimiento. Hace énfasis en herramientas modernas, tipado, modelos de concurrencia, patrones de arquitectura y flujos de trabajo listos para producción.

Este entrenamiento impartido por un instructor, en vivo (en línea o en sitio), está dirigido a desarrolladores de Python de nivel intermedio a avanzado que deseen adoptar prácticas y patrones profesionales para sistemas de Python listos para producción.

Al finalizar este entrenamiento, los participantes serán capaces de:

• Aplicar el tipado de Python, dataclasses y verificación de tipos para aumentar la confiabilidad del código.
• Utilizar patrones de diseño y principios de arquitectura para estructurar aplicaciones robustas.
• Implementar correctamente la concurrencia y el paralelismo usando asyncio y multiprocessing.
• Desarrollar código bien probado con pytest, pruebas basadas en propiedades y pipelines de CI.
• Perfile, optimice y fortalezca aplicaciones de Python para producción.
• Empaquetar, distribuir y desplegar proyectos de Python utilizando herramientas modernas y contenedores.

Formato del curso

• Charlas interactivas y demostraciones cortas.
• Laboratorios prácticos y ejercicios de codificación cada día.
• Mini proyecto final que integra patrones, pruebas y despliegue.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada o un área de enfoque (datos, web o infraestructura), contáctenos para coordinarlo.

Este curso enseña técnicas de ingeniería práctica para diseñar, construir, probar y desplegar sistemas agentes (autónomos) utilizando Python. Cubre el ciclo del agente, integraciones con herramientas, gestión de memoria y estado, patrones de orquestación, controles de seguridad y consideraciones para producción.

Esta capacitación guiada por un instructor, en vivo (en línea o presencial), está dirigida a ingenieros de aprendizaje automático (ML) de nivel intermedio a avanzado, desarrolladores de IA e ingenieros de software que deseen construir agentes autónomos robustos y listos para producción usando Python.

Al finalizar esta capacitación, los participantes serán capaces de:

• Diseñar e implementar el ciclo del agente y flujos de trabajo de toma de decisiones.
• Integrar herramientas y APIs externas para ampliar las capacidades del agente.
• Implementar arquitecturas de memoria a corto y largo plazo para agentes.
• Coordinar orquestaciones de múltiples pasos y la composabilidad de agentes.
• Aplicar mejores prácticas de seguridad, control de acceso y observabilidad para agentes desplegados.

Formato del Curso

• Clases interactivas y discusiones.
• Laboratorios prácticos para construir agentes con Python y SDKs populares.
• Ejercicios basados en proyectos que generan prototipos desplegables.

Opciones de Personalización del Curso

• Para solicitar una capacitación personalizada para este curso, por favor contáctenos para coordinarla.

Explora enfoques prácticos para la Ciencia de Datos e IA utilizando Python, brindando a los profesionales las habilidades necesarias para analizar datos, desarrollar modelos de aprendizaje automático y desplegar aplicaciones impulsadas por inteligencia artificial en contextos empresariales. Cubre flujos de trabajo CRISP-DM, análisis estadístico, aprendizaje supervisado y no supervisado, aprendizaje profundo con Tensorflow, procesamiento de lenguaje natural, Big Data con Spark y narrativa basada en datos. Es ideal para principiantes que buscan una certificación en ciencia de datos con Python y capacitación en análisis lista para el mundo laboral.

La Inteligencia Artificial con Python consiste en el desarrollo de sistemas inteligentes aprovechando el amplio ecosistema de bibliotecas de IA y aprendizaje automático que ofrece Python.

Este curso, impartido por un instructor en vivo (en línea o presencial), está dirigido a programadores de nivel intermedio que deseen diseñar, implementar y desplegar soluciones de IA utilizando Python.

Al finalizar este entrenamiento, los participantes podrán:

• Implementar algoritmos de IA utilizando las bibliotecas centrales de inteligencia artificial de Python.
• Trabajar con modelos de aprendizaje supervisado, no supervisado y por refuerzo.
• Integrar soluciones de IA en aplicaciones y flujos de trabajo existentes.
• Evaluar el rendimiento de los modelos y optimizarlos para lograr mayor precisión y eficiencia.

Formato del curso

• Clases interactivas con explicaciones y debates.
• Abundantes ejercicios y práctica aplicada.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar un entrenamiento adaptado a sus necesidades, por favor contáctenos para coordinarlo.

Esta formación impartida por un instructor en tiempo real en Colombia (en línea o presencial) está dirigida a analistas de negocios que deseen automatizar sus operaciones mediante trading algorítmico, Python y R.

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

• Emplear algoritmos para comprar y vender valores en incrementos especializados de manera rápida.
• Reducir los costos asociados a las operaciones mediante el uso de trading algorítmico.
• Monitorear automáticamente los precios de las acciones y ejecutar operaciones.

IA aplicada desde cero en Python proporciona a los programadores y analistas de datos las técnicas fundamentales para construir soluciones de aprendizaje automático desde cero utilizando Python. Cubre los principios básicos de aprendizaje supervisado, como clasificación y regresión, aprendizaje no supervisado, como clustering y detección de anomalías, y arquitecturas avanzadas de redes neuronales. Examina métodos probados para trabajar con scikit-learn, Apache Spark MLlib y cuadernos de Jupyter en el desarrollo práctico de IA. Ayuda a los profesionales a implementar modelos de ML prácticos, evaluar las limitaciones de los algoritmos y completar proyectos aplicados para la resolución de problemas del mundo real.

Esta capacitación impartida por un instructor, en vivo en Colombia (en línea o presencial), está dirigida a desarrolladores Python de nivel intermedio que deseen mejorar su experiencia en el desarrollo de Python con AWS Cloud9.

Al finalizar esta capacitación, los participantes serán capaces de:

• Configurar y ajustar AWS Cloud9 para el desarrollo en Python.
• Comprender la interfaz y las funcionalidades del IDE de AWS Cloud9.
• Escribir, depurar y desplegar aplicaciones Python en AWS Cloud9.
• Colaborar con otros desarrolladores utilizando la plataforma de AWS Cloud9.
• Integrar AWS Cloud9 con otros servicios de AWS para despliegues avanzados.

GitHub Copilot

Esta capacitación presencial o en línea impartida por instructores en Colombia está dirigida a profesionales de nivel avanzado que desean profundizar su comprensión de la visión por computadora y explorar las capacidades de TensorFlow para desarrollar modelos de visión sofisticados utilizando Google Colab.

Al finalizar esta capacitación, los participantes podrán:

• Construir y entrenar redes neuronales convolucionales (CNN) utilizando TensorFlow.
• Aprovechar Google Colab para el desarrollo eficiente y escalable de modelos en la nube.
• Implementar técnicas de preprocesamiento de imágenes para tareas de visión por computadora.
• Desplegar modelos de visión por computadora para aplicaciones del mundo real.
• Utilizar el aprendizaje por transferencia para mejorar el rendimiento de los modelos CNN.
• Visualizar e interpretar los resultados de los modelos de clasificación de imágenes.

Esta capacitación, impartida por un instructor en vivo en Colombia (en línea o en sitio), está dirigida a desarrolladores de Python y analistas de datos de nivel intermedio que deseen mejorar sus habilidades en análisis y manipulación de datos utilizando Pandas y NumPy.

Al finalizar esta capacitación, los participantes podrán:

• Configurar un entorno de desarrollo que incluya Python, Pandas y NumPy.
• Crear una aplicación de análisis de datos utilizando Pandas y NumPy.
• Realizar operaciones avanzadas de manipulación, ordenamiento y filtrado de datos.
• Ejecutar operaciones de agregación y analizar datos de series temporales.
• Visualizar datos usando Matplotlib y otras librerías de visualización.
• Depurar y optimizar su código de análisis de datos.

Esta capacitación en vivo, impartida por un instructor en Colombia (en línea o en sitio), está dirigida a científicos de datos y desarrolladores de nivel intermedio que desean comprender y aplicar técnicas de aprendizaje profundo utilizando el entorno de Google Colab.

Al finalizar esta capacitación, los participantes podrán:

• Configurar y navegar en Google Colab para proyectos de aprendizaje profundo.
• Comprender los fundamentos de las redes neuronales.
• Implementar modelos de aprendizaje profundo utilizando TensorFlow.
• Entrenar y evaluar modelos de aprendizaje profundo.
• Aprovechar las funciones avanzadas de TensorFlow para el aprendizaje profundo.

Esta capacitación impartida por un instructor, en vivo (en línea o presencial), está dirigida a desarrolladores que desean utilizar el stack FARM (FastAPI, React y MongoDB) para crear aplicaciones web dinámicas, de alto rendimiento y escalables.

Al finalizar esta capacitación, los participantes podrán:

• Configurar el entorno de desarrollo necesario que integre FastAPI, React y MongoDB.
• Comprender los conceptos clave, características y beneficios del stack FARM.
• Aprender a construir APIs REST con FastAPI.
• Aprender a diseñar aplicaciones interactivas con React.
• Desarrollar, probar y desplegar aplicaciones (frontend y backend) utilizando el stack FARM.

Esta formación impartida por un instructor, en vivo en Colombia (en línea o presencial), está dirigida a desarrolladores que deseen utilizar FastAPI con Python para construir, probar y desplegar APIs RESTful de manera más sencilla y rápida.

Al finalizar esta formación, los participantes podrán:

• Configurar el entorno de desarrollo necesario para desarrollar APIs con Python y FastAPI.
• Crear APIs de forma más rápida y sencilla utilizando la biblioteca FastAPI.
• Aprender cómo crear modelos de datos y esquemas basados en Pydantic y OpenAPI.
• Conectar APIs a una base de datos utilizando SQLAlchemy.
• Implementar seguridad y autenticación en las APIs mediante las herramientas de FastAPI.
• Construir imágenes de contenedor y desplegar APIs web en un servidor en la nube.

Esta capacitación impartida por un instructor, en vivo en Colombia (en línea o en el sitio), está dirigida a desarrolladores y científicos de datos que deseen utilizar TensorFlow 2.x para crear predictores, clasificadores, modelos generativos, redes neuronales y más.

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

• Instalar y configurar TensorFlow 2.x.
• Comprender las ventajas de TensorFlow 2.x frente a versiones anteriores.
• Crear modelos de aprendizaje profundo.
• Implementar un clasificador avanzado de imágenes.
• Desplegar un modelo de aprendizaje profundo en la nube, dispositivos móviles y dispositivos IoT.

Este curso comienza brindándote conocimientos conceptuales sobre redes neuronales y, en general, sobre algoritmos de aprendizaje automático y aprendizaje profundo (algoritmos y aplicaciones).

La Parte 1 (40%) de esta formación se centra más en los fundamentos, pero te ayudará a elegir la tecnología adecuada: TensorFlow, Caffe, Theano, DeepDrive, Keras, entre otras.

La Parte 2 (20%) de esta formación introduce Theano, una biblioteca de Python que facilita la escritura de modelos de aprendizaje profundo.

La Parte 3 (40%) de la formación se basará extensivamente en TensorFlow, la API de la biblioteca de software de código abierto de Google para aprendizaje profundo. Todos los ejemplos y ejercicios prácticos se realizarán en TensorFlow.

Público objetivo

Este curso está dirigido a ingenieros que buscan utilizar TensorFlow para sus proyectos de aprendizaje profundo.

Al completar este curso, los participantes:

• tendrán una buena comprensión de las redes neuronales profundas (DNN), las redes convolucionales (CNN) y las redes recurrentes (RNN).
• comprenderán la estructura y los mecanismos de implementación de TensorFlow.
• estarán capacitados para realizar tareas de instalación, configuración y arquitectura en entornos de producción.
• podrán evaluar la calidad del código, realizar depuración y monitoreo.
• estarán en capacidad de implementar tareas avanzadas de producción, como el entrenamiento de modelos, la construcción de grafos y el registro de eventos (logging).