Computación Neuronal - Ciencia de Datos

Este entrenamiento presencial impartido por instructores en Colombia (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.

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 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 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 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.

En esta capacitación en vivo impartida por un instructor en Colombia, los participantes aprenderán a utilizar las librerías de Python para NLP mientras desarrollan una aplicación que procesa un conjunto de imágenes y genera descripciones para ellas.

Al finalizar esta capacitación, los participantes serán capaces de:

• Diseñar y programar soluciones de DL para NLP utilizando librerías de Python.
• Crear código en Python que lea una colección de imágenes considerablemente grande y genere palabras clave.
• Desarrollar código en Python que genere descripciones a partir de las palabras clave detectadas.

Público objetivo

Este curso está diseñado para investigadores e ingenieros de aprendizaje profundo interesados en utilizar herramientas disponibles (mayoritariamente de código abierto) para analizar imágenes de computación.

El curso incluye ejemplos prácticos.

Esta capacitación impartida por un instructor, en vivo en Colombia (en línea o en el sitio), está dirigida a desarrolladores de nivel intermedio, científicos de datos y profesionales de la IA que deseen aprovechar TensorFlow Lite para aplicaciones de IA en el borde.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender los fundamentos de TensorFlow Lite y su papel en la IA en el borde.
• Desarrollar y optimizar modelos de IA utilizando TensorFlow Lite.
• Implementar modelos de TensorFlow Lite en diversos dispositivos de borde.
• Aprovechar herramientas y técnicas para la conversión y optimización de modelos.
• Implementar aplicaciones prácticas de IA en el borde con TensorFlow Lite.

Esta capacitación en vivo, impartida por un instructor en Colombia (en línea o en sitio), está dirigida a científicos de datos que desean acelerar aplicaciones de aprendizaje automático en tiempo real y desplegarlas a gran escala.

Al finalizar esta capacitación, los participantes podrán:

• Instalar el conjunto de herramientas OpenVINO.
• Acelerar una aplicación de visión por computadora utilizando una FPGA.
• Ejecutar diferentes capas de redes neuronales convolucionales (CNN) en la FPGA.
• Escalar la aplicación en múltiples nodos dentro de un clúster de Kubernetes.

Esta capacitación impartida por un instructor, en vivo Colombia (en línea o en sitio), está dirigida a científicos de datos que desean utilizar TensorFlow para analizar datos potenciales de fraude.

Al finalizar esta capacitación, los participantes podrán:

• Crear un modelo de detección de fraude en Python y TensorFlow.
• Construir regresiones lineales y modelos de regresión lineal para predecir fraudes.
• Desarrollar una aplicación de inteligencia artificial de extremo a extremo para analizar datos de fraude.

Esta capacitación en vivo, impartida por un instructor en Colombia (en línea o en sitio), está dirigida a desarrolladores o científicos de datos que deseen utilizar Horovod para ejecutar entrenamientos distribuidos de aprendizaje profundo y escalarlos para funcionar en paralelo en múltiples GPUs.

Al finalizar esta capacitación, los participantes podrán:

• Configurar el entorno de desarrollo necesario para comenzar a ejecutar entrenamientos de aprendizaje profundo.
• Instalar y configurar Horovod para entrenar modelos con TensorFlow, Keras, PyTorch y Apache MXNet.
• Escalar el entrenamiento de aprendizaje profundo con Horovod para ejecutarlo en múltiples GPUs.

Esta capacitación en vivo, impartida por un instructor en Colombia (en línea o en sitio), está dirigida a personas técnicas que desean aplicar modelos de aprendizaje profundo a aplicaciones de reconocimiento de imágenes.

Al finalizar esta capacitación, los participantes podrán:

• Instalar y configurar Keras.
• Prototipar rápidamente modelos de aprendizaje profundo.
• Implementar una red convolucional.
• Implementar una red recurrente.
• Ejecutar un modelo de aprendizaje profundo tanto en CPU como en GPU.

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 entrenamiento en vivo, impartido por un instructor en Colombia (en línea o en sitio), está dirigido a ingenieros que deseen escribir, cargar y ejecutar modelos de aprendizaje automático en dispositivos embebidos de muy bajo tamaño.

Al finalizar este entrenamiento, los participantes serán capaces de:

• Instalar TensorFlow Lite.
• Cargar modelos de aprendizaje automático en un dispositivo embebido para habilitar funciones como detección de voz, clasificación de imágenes, entre otras.
• Integrar inteligencia artificial en dispositivos hardware sin depender de conectividad de red.

En esta capacitación en vivo impartida por un instructor en Colombia (en línea o presencial), los participantes aprenderán a configurar y utilizar TensorFlow Serving para implementar y gestionar modelos de ML en un entorno productivo.

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

• Entrenar, exportar y servir diversos modelos de TensorFlow.
• Probar y desplegar algoritmos utilizando una única arquitectura y conjunto de APIs.
• Extender TensorFlow Serving para servir otros tipos de modelos además de los de TensorFlow.