Pila SMACK para Ciencia de Datos

Este curso de 5 días ofrece una introducción a la Ciencia de Datos y a la Inteligencia Artificial (IA).

El curso se imparte con ejemplos y ejercicios utilizando Python.

Esta capacitación presencial, con instructores en vivo en Colombia (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.

Este entrenamiento impartido por un instructor en vivo en Colombia (en línea o presencial) está dirigido a científicos de datos que desean utilizar el ecosistema de Anaconda para capturar, gestionar e implementar paquetes y flujos de trabajo de análisis de datos en una sola plataforma.

Al finalizar este entrenamiento, los participantes podrán:

• Instalar y configurar componentes y bibliotecas de Anaconda.
• Comprender los conceptos centrales, características y beneficios de Anaconda.
• Gestionar paquetes, entornos y canales utilizando el Navegador de Anaconda.
• Utilizar paquetes de Conda, R y Python para ciencia de datos y aprendizaje automático.
• Conocer casos de uso prácticos y técnicas para gestionar múltiples entornos de datos.

Esta capacitación impartida por un instructor y en vivo en Colombia (en línea o en sitio) está dirigida a científicos de datos y analistas de nivel intermedio que deseen utilizar AWS Cloud9 para optimizar los flujos de trabajo en ciencia de datos.

Al finalizar esta capacitación, los participantes podrán:

• Configurar un entorno de ciencia de datos en AWS Cloud9.
• Realizar análisis de datos utilizando Python, R y Jupyter Notebook en Cloud9.
• Integrar AWS Cloud9 con servicios de datos de AWS como S3, RDS y Redshift.
• Aprovechar AWS Cloud9 para el desarrollo y despliegue de modelos de aprendizaje automático.
• Optimizar flujos de trabajo basados en la nube para el análisis y procesamiento de datos.

Esta capacitación presencial, impartida por un instructor en Colombia (en línea o in situ), está dirigida a científicos de datos y profesionales de TI de nivel principiante que deseen aprender los fundamentos de la ciencia de datos utilizando Google Colab.

Al finalizar esta capacitación, los participantes podrán:

• Configurar y navegar por Google Colab.
• Escribir y ejecutar código Python básico.
• Importar y manejar conjuntos de datos.
• Crear visualizaciones utilizando bibliotecas de Python.

Los participantes que completen esta formación obtendrán una comprensión práctica y aplicada de la ciencia de datos, así como de sus tecnologías, metodologías y herramientas relacionadas.

Los participantes tendrán la oportunidad de poner estos conocimientos en práctica mediante ejercicios prácticos. La interacción en grupo y la retroalimentación del instructor son componentes fundamentales de la clase.

El curso comienza con una introducción a los conceptos elementales de la ciencia de datos y luego avanza hacia las herramientas y metodologías utilizadas en este campo.

Público objetivo

• Desarrolladores
• Analistas técnicos
• Consultores de TI

Formato del curso

• Combinación de clases magistrales, discusiones, ejercicios y práctica intensiva en el desarrollo práctico

Nota

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinarlo.

El big data se refiere a conjuntos de datos tan voluminosos y complejos que el software tradicional de procesamiento de datos resulta inadecuado para manejarlos. Los desafíos del big data incluyen la captura de datos, el almacenamiento, el análisis, la búsqueda, el intercambio, la transferencia, la visualización, las consultas, las actualizaciones y la privacidad de la información.

Este curso está diseñado para profesionales de Marketing y Ventas que desean profundizar en la aplicación de la ciencia de datos en estas áreas. El programa ofrece una cobertura detallada de diversas técnicas de ciencia de datos utilizadas para el "venta adicional" (upsale), la "venta cruzada" (cross-sale), la segmentación de mercado, la creación de marca y el valor de vida del cliente (CLV).

La diferencia entre Marketing y Ventas - ¿En qué se diferencian estas dos disciplinas?

En términos muy sencillos, las ventas pueden definirse como un proceso que se centra o dirige a individuos o pequeños grupos. El marketing, por otro lado, apunta a un grupo más amplio o al público en general. El marketing incluye la investigación (identificar las necesidades del cliente), el desarrollo de productos (crear productos innovadores) y la promoción del producto (mediante anuncios), generando conciencia sobre el mismo entre los consumidores. Por lo tanto, el marketing se trata de generar leads o prospectos. Una vez que el producto está en el mercado, es tarea del vendedor persuadir al cliente para que lo compre. Las ventas consisten en convertir esos leads o prospectos en compras y pedidos, mientras que el marketing está orientado a objetivos a largo plazo, mientras que las ventas se enfocan en metas a corto plazo.

Este entrenamiento en vivo, dirigido por un instructor (en línea o presencial), está diseñado para profesionales que desean iniciar una carrera en Ciencia de Datos.

Al finalizar este entrenamiento, los participantes serán capaces de:

• Instalar y configurar Python y MySQL.
• Comprender qué es la Ciencia de Datos y cómo puede agregar valor a prácticamente cualquier negocio.
• Aprender los fundamentos de la programación en Python.
• Adquirir conocimientos sobre técnicas de aprendizaje automático supervisado y no supervisado, así como saber cómo implementarlas e interpretar sus resultados.

Formato del curso

• Conferencias interactivas y debates.
• Abundantes ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar un entrenamiento personalizado para este curso, contáctenos para coordinarlo.

Esta formación impartida por un instructor, en vivo en Colombia (en línea o en el sitio), está dirigida a científicos de datos y desarrolladores que deseen aprender y construir su carrera en Ciencia de Datos utilizando Kaggle.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los fundamentos de la ciencia de datos y el aprendizaje automático.
• Explorar el análisis de datos.
• Conocer Kaggle y su funcionamiento.

Esta capacitación en vivo, impartida por un instructor en Colombia (en línea o en sitio), está dirigida a científicos de datos y desarrolladores que deseen utilizar Modin para construir e implementar cálculos paralelos con Pandas y lograr un análisis de datos más rápido.

Al finalizar esta capacitación, los participantes serán capaces de:

• Configurar el entorno necesario para comenzar a desarrollar flujos de trabajo de Pandas a gran escala con Modin.
• Comprender las características, la arquitectura y las ventajas de Modin.
• Conocer las diferencias entre Modin, Dask y Ray.
• Ejecutar operaciones de Pandas más rápidamente con Modin.
• Implementar toda la API y las funciones de Pandas.

Esta formación ofrece una introducción práctica a la construcción de flujos de trabajo escalables para el procesamiento de datos y el aprendizaje automático utilizando PySpark. Los participantes aprenderán cómo opera Apache Spark dentro de los ecosistemas modernos de Big Data y cómo procesar grandes conjuntos de datos de manera eficiente aplicando los principios de la computación distribuida.

Esta capacitación en vivo, impartida por un instructor en Colombia (en línea o en sitio), está dirigida a científicos de datos y desarrolladores que deseen utilizar RAPIDS para construir pipelines de datos, flujos de trabajo y visualizaciones acelerados por GPU, aplicando algoritmos de aprendizaje automático como XGBoost, cuML, entre otros.

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

• Configurar el entorno de desarrollo necesario para crear modelos de datos con NVIDIA RAPIDS.
• Comprender las características, componentes y ventajas de RAPIDS.
• Aprovechar las GPU para acelerar pipelines de datos y análisis de extremo a extremo.
• Implementar preparación de datos y ETL acelerados por GPU utilizando cuDF y Apache Arrow.
• Aprender a realizar tareas de aprendizaje automático con los algoritmos XGBoost y cuML.
• Crear visualizaciones de datos y ejecutar análisis de grafos con cuXfilter y cuGraph.

En esta capacitación en vivo, impartida por un instructor en Colombia, los participantes aprenderán a utilizar Python y Spark juntos para analizar big data mientras realizan ejercicios prácticos.

Al finalizar esta capacitación, los participantes podrán:

• Aprender cómo usar Spark con Python para analizar Big Data.
• Trabajar en ejercicios que simulan casos del mundo real.
• Utilizar diferentes herramientas y técnicas para el análisis de big data con PySpark.

Stratio es una plataforma centrada en los datos que integra big data, inteligencia artificial y gobernanza en una única solución. Sus módulos Rocket e Inteligencia permiten una exploración, transformación y análisis avanzado de datos rápidos en entornos empresariales.

Esta capacitación en vivo, impartida por un instructor (en línea o en las instalaciones), está dirigida a profesionales de datos de nivel intermedio que deseen utilizar eficazmente los módulos Rocket e Inteligencia de Stratio con PySpark, centrándose en estructuras de bucle, funciones definidas por el usuario y lógica avanzada de datos.

Al finalizar esta capacitación, los participantes podrán:

• Navegar y trabajar dentro de la plataforma Stratio utilizando los módulos Rocket e Inteligencia.
• Aplicar PySpark en el contexto de ingestión, transformación y análisis de datos.
• Utilizar bucles y lógica condicional para controlar flujos de trabajo de datos y tareas de ingeniería de características.
• Crear y gestionar funciones definidas por el usuario (UDF) para operaciones de datos reutilizables en PySpark.

Formato del curso

• Clase interactiva y discusión.
• Numerosos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

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