Los cursos de capacitación locales, dirigidos por un instructor en vivo (ML), demuestran a través de la práctica cómo aplicar técnicas de aprendizaje de máquinas y herramientas para resolver problemas del mundo real en diversas industrias. Los cursos de NobleProg ML cubren diferentes lenguajes y frameworks de programación, incluyendo Python, R Language y MATLAB. Se ofrecen cursos de aprendizaje de máquinas para varias aplicaciones de la industria, incluyendo finanzas, banca y seguros y cubren los fundamentos del aprendizaje de máquinas, así como enfoques más avanzados como el aprendizaje profundo.
El entrenamiento de aprendizaje en máquina está disponible como "entrenamiento en vivo en el sitio" o "entrenamiento en vivo remoto". El entrenamiento en vivo se puede realizar localmente en las instalaciones del cliente en Colombia o en los centros de entrenamiento corporativos de NobleProg en Colombia. El entrenamiento remoto en vivo se lleva a cabo por medio de un escritorio remoto interactivo.
NobleProg--su proveedor de capacitación local
El material de referencia para usar más tarde fue muy bueno.
PAUL BEALES- Seagate Technology.
Curso: Aprendizaje Automático Aplicado
Translated by
¿Qué es lo que más te gustó de la capacitación ?: Me brindó una buena práctica con el uso de R para construir sistemas de aprendizaje automático para situaciones reales. Puedo usar esto en mi trabajo de inmediato. Este fue un excelente curso. Uno de los mejores que he tenido.
Matthew Thomas - British Telecom
Curso: Aprendizaje Automático Aplicado
Translated by
Fue muy interactivo y más relajado e informal de lo esperado. Cubrimos muchos temas en el tiempo y el capacitador siempre estuvo receptivo a hablar más en detalle o, más en general, sobre los temas y cómo se relacionaban. Siento que la capacitación me ha dado las herramientas para seguir aprendiendo en lugar de que sea una sola sesión donde el aprendizaje se detiene una vez que has terminado, lo cual es muy importante dada la escala y la complejidad del tema.
Jonathan Blease
Curso: Redes Neuronales Artificiales, Aprendizaje Automático y Pensamiento Profundo
Translated by
El capacitador estaba tan bien informado e incluyó áreas en las que estaba interesado.
Mohamed Salama
Curso: Minería de Datos y Aprendizaje Automático con R
Translated by
El tema es muy interesante.
Wojciech Baranowski
Curso: Introducción al Aprendizaje Profundo
Translated by
Los formadores teóricos del conocimiento y la voluntad de resolver los problemas con los participantes después de la capacitación.
Grzegorz Mianowski
Curso: Introducción al Aprendizaje Profundo
Translated by
Tema. ¡Muy interesante!.
Piotr
Curso: Introducción al Aprendizaje Profundo
Translated by
Los ejercicios después de cada tema fueron realmente útiles, a pesar de que al final eran demasiado complicados. ¡En general, el material presentado fue muy interesante y envolvente! Los ejercicios con reconocimiento de imágenes fueron geniales.
Dolby Poland Sp. z o.o.
Curso: Introducción al Aprendizaje Profundo
Translated by
Creo que si el entrenamiento se hiciera en polaco, le permitiría al formador compartir su conocimiento de manera más eficiente.
Radek
Curso: Introducción al Aprendizaje Profundo
Translated by
La visión global del aprendizaje profundo.
Bruno Charbonnier
Curso: Aprendizaje Profundo (Deep Learning) Avanzado
Translated by
Los ejercicios son lo suficientemente prácticos y no requieren un alto conocimiento en Python.
Alexandre GIRARD
Curso: Aprendizaje Profundo (Deep Learning) Avanzado
Translated by
Haciendo ejercicios sobre ejemplos reales usando Eras. Italia entendió totalmente nuestras expectativas sobre esta capacitación.
Paul Kassis
Curso: Aprendizaje Profundo (Deep Learning) Avanzado
Translated by
El tema. Parecía interesante, pero me fui sabiendo no mucho más que antes.
Radoslaw Labedzki
Curso: Introducción al Aprendizaje Profundo
Translated by
Me gustó que este curso tuviera un tema muy interesante.
Wojciech Wilk
Curso: Introducción al Aprendizaje Profundo
Translated by
Realmente aprecié las respuestas claras y claras de Chris a nuestras preguntas.
Léo Dubus
Curso: Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo
Translated by
En general, disfruté el entrenador experto.
Sridhar Voorakkara
Curso: Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo
Translated by
Me sorprendió el estándar de esta clase, diría que era el estándar de la universidad.
David Relihan
Curso: Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo
Translated by
Muy buena descripción general. Buen conocimiento de por qué Tensorflow opera como lo hace.
Kieran Conboy
Curso: Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo
Translated by
Me gustaron las oportunidades de hacer preguntas y obtener explicaciones más profundas de la teoría.
Sharon Ruane
Curso: Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo
Translated by
Hemos obtenido mucha más información sobre el tema. Se hicieron algunas buenas discusiones con algunos temas reales dentro de nuestra compañía.
Sebastiaan Holman
Curso: Aprendizaje Automático y Aprendizaje Profundo
Translated by
La capacitación brindó la base adecuada que nos permite expandirnos aún más, mostrando cómo la teoría y la práctica van de la mano. De hecho, me hizo estar más interesado en el tema que antes.
Jean-Paul van Tillo
Curso: Aprendizaje Automático y Aprendizaje Profundo
Translated by
Realmente disfruté de la cobertura y la profundidad de los temas.
Anirban Basu
Curso: Aprendizaje Automático y Aprendizaje Profundo
Translated by
El capacitador explicó muy fácilmente temas difíciles y avanzados.
Leszek K
Curso: Visión general de Inteligencia Artificial
Translated by
El profundo conocimiento del entrenador sobre el tema.
Sebastian Görg
Curso: Introducción al Aprendizaje Profundo
Translated by
Enfoque muy actualizado o CPI (tensor flow, era, learn) para hacer aprendizaje automático.
Paul Lee
Curso: TensorFlow para Reconocimiento de Imágenes
Translated by
Muy flexible.
Frank Ueltzhöffer
Curso: Redes Neuronales Artificiales, Pensamiento Profundo y Aprendizaje Automático
Translated by
En general, disfruté de la flexibilidad.
Werner Philipp
Curso: Redes Neuronales Artificiales, Pensamiento Profundo y Aprendizaje Automático
Translated by
Dada la perspectiva de la tecnología: qué tecnología / proceso podría ser más importante en el futuro; mira, para qué se puede usar la tecnología.
Commerzbank AG
Curso: Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo
Translated by
Me beneficié de la selección del tema. Estilo de entrenamiento Practica la orientación.
Commerzbank AG
Curso: Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo
Translated by
Todos me gusta
蒙 李
Curso: Fundamentos de Aprendizaje Automático con Python
Translated by
forma de conducir y ejemplo dado por el entrenador
ORANGE POLSKA S.A.
Curso: Aprendizaje Automático y Aprendizaje Profundo
Translated by
Posibilidad de discutir los temas propuestos usted mismo
ORANGE POLSKA S.A.
Curso: Aprendizaje Automático y Aprendizaje Profundo
Translated by
Comunicación con los conferenciantes
文欣 张
Curso: Redes Neuronales Artificiales, Aprendizaje Automático y Pensamiento Profundo
Translated by
Me gusta
lisa xie
Curso: Redes Neuronales Artificiales, Aprendizaje Automático y Pensamiento Profundo
Translated by
Cobertura en profundidad de temas de aprendizaje automático, particularmente redes neuronales. Desmitificaron mucho el tema.
Sacha Nandlall
Curso: Python para el Aprendizaje Automático Avanzado
Translated by
Ejercicios
L M ERICSSON LIMITED
Curso: Machine Learning
Translated by
los ejercicios de laboratorio
Marcell Lorant - L M ERICSSON LIMITED
Curso: Machine Learning
Translated by
El cuaderno de Jupyter, en el que está disponible el material de entrenamiento
L M ERICSSON LIMITED
Curso: Machine Learning
Translated by
Hubo muchos ejercicios y temas interesantes.
L M ERICSSON LIMITED
Curso: Machine Learning
Translated by
algunos grandes ejercicios de laboratorio analizados y explicados por el capacitador en profundidad (p. ej., covariantes en regresión lineal, que coinciden con la función real)
L M ERICSSON LIMITED
Curso: Machine Learning
Translated by
Es genial que todo el material, incluidos los ejercicios, esté en la misma página y luego se actualice al vuelo. La solución se revela al final. ¡Guay! Además, aprecio que Krzysztof se esforzó más por comprender nuestros problemas y nos sugirió posibles técnicas.
Attila Nagy - L M ERICSSON LIMITED
Curso: Machine Learning
Translated by
Amplio y actualizado conocimiento de ejemplos de aplicaciones líderes y prácticas.
ING Bank Śląski S.A.
Curso: Introducción al Aprendizaje Profundo
Translated by
Muchos ejercicios, muy buena cooperación con el grupo.
Janusz Chrobot - ING Bank Śląski S.A.
Curso: Introducción al Aprendizaje Profundo
Translated by
trabajar en colaboradores,
ING Bank Śląski S.A.
Curso: Introducción al Aprendizaje Profundo
Translated by
Era obvio que los entusiastas de los temas presentados eran líderes. Usé ejemplos interesantes durante el ejercicio.
ING Bank Śląski S.A.
Curso: Introducción al Aprendizaje Profundo
Translated by
Una amplia gama de temas cubiertos y un conocimiento sustancial de los líderes.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curso: Comprender las Redes Neuronales Profundas
Translated by
falta
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curso: Comprender las Redes Neuronales Profundas
Translated by
Grandes conocimientos teóricos y prácticos de los profesores. La comunicatividad de los formadores. Durante el curso, podrías hacer preguntas y obtener respuestas satisfactorias.
Kamil Kurek - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curso: Comprender las Redes Neuronales Profundas
Translated by
Parte práctica, donde implementamos algoritmos. Esto permitió una mejor comprensión del tema.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curso: Comprender las Redes Neuronales Profundas
Translated by
Ejercicios y ejemplos implementados en ellos.
Paweł Orzechowski - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curso: Comprender las Redes Neuronales Profundas
Translated by
Ejemplos y temas discutidos.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curso: Comprender las Redes Neuronales Profundas
Translated by
Conocimiento sustantivo, compromiso, una forma apasionada de transferir conocimiento. Ejemplos prácticos después de una conferencia teórica.
Janusz Chrobot - ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curso: Comprender las Redes Neuronales Profundas
Translated by
Ejercicios prácticos preparados por el Sr. Maciej.
ING Bank Śląski S.A.; Kamil Kurek Programowanie
Curso: Comprender las Redes Neuronales Profundas
Translated by
Me beneficié de la pasión por enseñar y centrarme en hacer que las cosas sean sensatas.
Zaher Sharifi - GOSI
Curso: Aprendizaje Profundo (Deep Learning) Avanzado
Translated by
| Código | Nombre | Duración | Información General |
|---|---|---|---|
| aiint | Visión general de Inteligencia Artificial | 7 horas | Este curso ha sido creado para gerentes, arquitectos de soluciones, oficiales de innovación, CTO, arquitectos de software y todos los interesados en la visión general de la inteligencia artificial aplicada y el pronóstico más cercano para su desarrollo. |
| mlbankingr | Aprendizaje Automático para la Banca (con R) | 28 horas | 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 la industria bancaria. R se usará como el lenguaje de programación. Los participantes primero aprenden los principios clave, luego ponen su conocimiento en práctica al construir sus propios modelos de aprendizaje automático y usarlos para completar una serie de proyectos en vivo. Audiencia - Desarrolladores - Científicos de datos - Profesionales bancarios con experiencia técnica Formato del curso - Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| dlfinancewithr | Aprendizaje Profundo para las Finanzas (con R) | 28 horas | El aprendizaje automático es una rama de la Inteligencia Artificial en la que las computadoras tienen la capacidad de aprender sin estar programadas explícitamente. El aprendizaje profundo es un subcampo del aprendizaje automático que utiliza métodos basados en el aprendizaje de representaciones de datos y estructuras tales como redes neuronales. R es un lenguaje de programación popular en la industria financiera. Se utiliza en aplicaciones financieras que van desde los principales programas comerciales hasta los sistemas de gestión de riesgos. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo implementar modelos de aprendizaje profundo para finanzas usando R a medida que avanzan en la creación de un modelo de predicción del precio de las acciones de aprendizaje profundo. Al final de esta capacitación, los participantes podrán: - Comprender los conceptos fundamentales del aprendizaje profundo - Aprende las aplicaciones y usos del aprendizaje profundo en finanzas - Use R para crear modelos de aprendizaje profundo para finanzas - Construya su propio modelo de predicción del precio de las acciones de aprendizaje profundo utilizando R Audiencia - Desarrolladores - Científicos de datos Formato del curso - Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| mlfinancer | Aprendizaje Automático para Finanzas (con R) | 28 horas | El aprendizaje automático es una rama de la Inteligencia Artificial en la que las computadoras tienen la capacidad de aprender sin estar programadas explícitamente. R es un lenguaje de programación popular en la industria financiera. Se utiliza en aplicaciones financieras que van desde los principales programas comerciales hasta los sistemas de gestión de riesgos. 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 la industria financiera. R se usará como el lenguaje de programación. Los participantes primero aprenden los principios clave, luego ponen su conocimiento en práctica al construir sus propios modelos de aprendizaje automático y usarlos para completar una serie de proyectos en equipo. Al final de esta capacitación, los participantes podrán: - Comprender los conceptos fundamentales en el aprendizaje automático - Aprenda las aplicaciones y usos del aprendizaje automático en finanzas - Desarrolle su propia estrategia de negociación algorítmica utilizando el aprendizaje automático con R Audiencia - Desarrolladores - Científicos de datos Formato del curso - Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| mlfinancepython | Machine Learning for Finance (con Python) | 21 horas | El aprendizaje automático es una rama de la Inteligencia Artificial en la que las computadoras tienen la capacidad de aprender sin estar programadas explícitamente. 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 la industria financiera. Python se usará como el lenguaje de programación. Los participantes primero aprenden los principios clave, luego ponen su conocimiento en práctica al construir sus propios modelos de aprendizaje automático y usarlos para completar una serie de proyectos en equipo. Al final de esta capacitación, los participantes podrán: - Comprender los conceptos fundamentales en el aprendizaje automático - Aprenda las aplicaciones y usos del aprendizaje automático en finanzas - Desarrolle su propia estrategia de negociación algorítmica utilizando el aprendizaje automático con Python Audiencia - Desarrolladores - Científicos de datos Formato del curso - Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| dlfornlp | Aprendizaje profundo para NLP (procesamiento de lenguaje natural) | 28 horas | Deep Learning para NLP permite que una máquina aprenda procesamiento de lenguaje simple a complejo. Entre las tareas actualmente posibles se encuentran la traducción de idiomas y la generación de subtítulos para fotos. DL (Deep Learning) es un subconjunto de ML (Machine Learning). Python es un lenguaje de programación popular que contiene bibliotecas para Deep Learning para NLP. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar las bibliotecas de Python para el procesamiento de lenguaje natural (NLP) mientras crean una aplicación que procesa un conjunto de imágenes y genera leyendas. Al final de esta capacitación, los participantes podrán: - Diseño y código DL para NLP utilizando bibliotecas Python - Crear código de Python que lea una gran colección de imágenes y genere palabras clave - Crear código Python que genere subtítulos de las palabras clave detectadas Audiencia - Programadores con interés en la lingüística - Programadores que buscan una comprensión de NLP (procesamiento de lenguaje natural) Formato del curso - Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| textsum | Resumen de texto con Python | 14 horas | En Python Machine Learning, la característica de resumen de texto puede leer el texto de entrada y producir un resumen de texto. Esta capacidad está disponible desde la línea de comandos o como una API / biblioteca de Python. Una aplicación interesante es la creación rápida de resúmenes ejecutivos; esto es particularmente útil para las organizaciones que necesitan revisar grandes cantidades de datos de texto antes de generar informes y presentaciones. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar Python para crear una aplicación simple que genere automáticamente un resumen del texto de entrada. Al final de esta capacitación, los participantes podrán: - Use una herramienta de línea de comandos que resuma texto. - Diseña y crea un código de resumen de texto usando las bibliotecas de Python. - Evalúe tres bibliotecas de resumen de Python: sumy 0.7.0, pysummarization 1.0.4, readless 1.0.17 Audiencia - Desarrolladores - Científicos de datos Formato del curso - Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| undnn | Comprender las Redes Neuronales Profundas | 35 horas | Este curso comienza con la entrega de conocimientos conceptuales en redes neuronales y, en general, en el algoritmo de aprendizaje automático, aprendizaje profundo (algoritmos y aplicaciones). Parte-1 (40%) de esta capacitación se centra más en los fundamentos, pero te ayudará a elegir la tecnología adecuada: TensorFlow, Caffe, Theano, DeepDrive, Keras, etc. La Parte 2 (20%) de esta capacitación presenta Theano, una biblioteca de Python que hace que escribir modelos de aprendizaje profundo sea fácil. Parte-3 (40%) de la capacitación estaría ampliamente basada en Tensorflow - 2nd Generation API de la biblioteca de software de código abierto de Google para Deep Learning. Los ejemplos y handson se harían todos en TensorFlow. Audiencia Este curso está dirigido a ingenieros que buscan utilizar TensorFlow para sus proyectos de aprendizaje profundo. Después de completar este curso, los delegados: - tener una buena comprensión de las redes neuronales profundas (DNN), CNN y RNN - comprender la estructura y los mecanismos de despliegue de TensorFlow - ser capaz de llevar a cabo las tareas y configuraciones de entorno / producción / arquitectura - ser capaz de evaluar la calidad del código, realizar la depuración, el monitoreo - ser capaz de implementar producción avanzada como modelos de entrenamiento, construcción de gráficos y registro No todos los temas se cubrirán en un salón de clases público con 35 horas de duración debido a la inmensidad del tema. La duración del curso completo será de alrededor de 70 horas y no de 35 horas. |
| opennlp | OpenNLP para Aprendizaje Automático Basado en Texto | 14 horas | La biblioteca OpenNLP de Apache es un kit de herramientas basado en el aprendizaje automático para procesar texto en lenguaje natural. Es compatible con las tareas NLP más comunes, como detección de lenguaje, tokenización, segmentación de oraciones, etiquetado de voz parcial, extracción de entidad nombrada, fragmentación, análisis sintáctico y resolución de correferencia. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo crear modelos para procesar datos basados en texto usando OpenNLP. Los datos de entrenamiento de muestra y los conjuntos de datos personalizados se usarán como base para los ejercicios de laboratorio. Al final de esta capacitación, los participantes podrán: - Instalar y configurar OpenNLP - Descargue modelos existentes y cree sus propios - Entrene a los modelos en varios conjuntos de datos de muestra - Integra OpenNLP con aplicaciones Java existentes Audiencia - Desarrolladores - Científicos de datos Formato del curso - Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| mlbankingpython_ | Aprendizaje Automático para la Banca (con Python) | 21 horas | 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 la industria bancaria. Python se usará como el lenguaje de programación. Los participantes primero aprenden los principios clave, luego ponen su conocimiento en práctica al construir sus propios modelos de aprendizaje automático y usarlos para completar una serie de proyectos en equipo. Audiencia - Desarrolladores - Científicos de datos Formato del curso - Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| matlabdl | Matlab para el Aprendizaje Profundo | 14 horas | En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar Matlab para diseñar, construir y visualizar una red neuronal convolucional para el reconocimiento de imágenes. Al final de esta capacitación, los participantes podrán: - Construya un modelo de aprendizaje profundo - Automatizar el etiquetado de datos - Trabaja con modelos de Caffe y TensorFlow-Keras - Entrene datos usando múltiples GPU, la nube o clusters Audiencia - Desarrolladores - Ingenieros - Expertos de dominio Formato del curso - Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| dlforbankingwithr | Aprendizaje Profundo para la Banca (con R) | 28 horas | El aprendizaje automático es una rama de la Inteligencia Artificial en la que las computadoras tienen la capacidad de aprender sin estar programadas explícitamente. El aprendizaje profundo es un subcampo del aprendizaje automático que utiliza métodos basados en el aprendizaje de representaciones de datos y estructuras tales como redes neuronales. R es un lenguaje de programación popular en la industria financiera. Se utiliza en aplicaciones financieras que van desde los principales programas comerciales hasta los sistemas de gestión de riesgos. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo implementar modelos de aprendizaje profundo para la banca usando R a medida que avanzan en la creación de un modelo de riesgo de crédito de aprendizaje profundo. Al final de esta capacitación, los participantes podrán: - Comprender los conceptos fundamentales del aprendizaje profundo - Aprende las aplicaciones y usos del aprendizaje profundo en la banca - Use R para crear modelos de aprendizaje profundo para la banca - Construya su propio modelo de riesgo de crédito de aprendizaje profundo usando R Audiencia - Desarrolladores - Científicos de datos Formato del curso - Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| tensorflowserving | Curso de TensorFlow Serving | 7 horas | TensorFlow Serving es un sistema para servir modelos de aprendizaje automático (ML) a la producción. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a configurar y usar TensorFlow Serving para implementar y administrar modelos ML en un entorno de producción. Al final de esta capacitación, los participantes podrán: - Entrene, exporte y sirva varios modelos de TensorFlow - Pruebe e implemente algoritmos utilizando una única arquitectura y un conjunto de API - Extienda TensorFlow Sirviendo para servir a otros tipos de modelos más allá de los modelos TensorFlow Audiencia - Desarrolladores - Científicos de datos Formato del curso - Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| mlios | Aprendizaje Automático en iOS | 14 horas | En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar la pila de tecnología de iOS Machine Learning (ML) mientras avanzan en la creación e implementación de una aplicación móvil iOS. Al final de esta capacitación, los participantes podrán: - Cree una aplicación móvil capaz de procesar imágenes, análisis de texto y reconocimiento de voz - Acceda a modelos de ML pre-entrenados para la integración en aplicaciones de iOS - Crea un modelo ML personalizado - Agregue soporte de Siri Voice a las aplicaciones de iOS - Comprender y usar frameworks como coreML, Vision, CoreGraphics y GamePlayKit - Utilice idiomas y herramientas como Python, Keras, Caffee, Tensorflow, sci-kit learn, libsvm, Anaconda y Spyder Audiencia - Desarrolladores Formato del curso - Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| pythontextml | Python: Aprendizaje automático con texto | 21 horas | En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a utilizar las técnicas correctas de aprendizaje automático y procesamiento de lenguaje natural (NLP, por sus siglas en inglés) para extraer valor de los datos basados en texto. Al final de esta capacitación, los participantes podrán: - Resuelva problemas de ciencias de datos basados en texto con código reutilizable de alta calidad - Aplicar diferentes aspectos de scikit-learn (clasificación, clustering, regresión, reducción de dimensionalidad) para resolver problemas - Cree modelos efectivos de aprendizaje automático utilizando datos basados en texto - Crear un conjunto de datos y extraer características del texto no estructurado - Visualice los datos con Matplotlib - Construya y evalúe modelos para obtener información - Solucionar problemas de errores de codificación de texto Audiencia - Desarrolladores - Científicos de datos Formato del curso - Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| encogintro | Encog: Introducción al Aprendizaje Automático | 14 horas | Encog es un marco de aprendizaje de máquina de código abierto para Java y .Net. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo crear varios componentes de redes neuronales usando ENCOG. Se discutirán estudios de casos del mundo real y se explorarán soluciones basadas en el lenguaje de máquina para estos problemas. Al final de esta capacitación, los participantes podrán: - Preparar datos para redes neuronales usando el proceso de normalización - Implementar redes de feed feed y metodologías de capacitación en propagación - Implementar tareas de clasificación y regresión - Modelar y entrenar redes neuronales usando el banco de trabajo basado en GUI de Encog - Integrar el soporte de redes neuronales en aplicaciones del mundo real Audiencia - Desarrolladores - Analistas - Científicos de datos Formato del curso - Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| encogadv | Encog: Aprendizaje Automático Avanzado | 14 horas | Encog es un marco de aprendizaje de máquina de código abierto para Java y .Net. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán técnicas avanzadas de aprendizaje automático para construir modelos predictivos precisos de redes neuronales. Al final de esta capacitación, los participantes podrán: - Implementar diferentes técnicas de optimización de redes neuronales para resolver el ajuste insuficiente y el sobreajuste - Comprender y elegir entre varias arquitecturas de redes neuronales - Implementar redes supervisadas de retroalimentación y retroalimentación Audiencia - Desarrolladores - Analistas - Científicos de datos Formato del curso - Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| radvml | Aprendizaje Automático Avanzado con R | 21 horas | En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán técnicas avanzadas para el aprendizaje automático con R a medida que avanzan en la creación de una aplicación en el mundo real. Al final de esta capacitación, los participantes podrán: - Utiliza técnicas como el ajuste de hiperparámetros y el aprendizaje profundo - Comprender e implementar técnicas de aprendizaje no supervisadas - Ponga un modelo en producción para usar en una aplicación más grande Audiencia - Desarrolladores - Analistas - Científicos de datos Formato del curso - Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| pythonadvml | Python para el Aprendizaje Automático Avanzado | 21 horas | En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán las técnicas de aprendizaje automático más relevantes y de vanguardia en Python a medida que crean una serie de aplicaciones de demostración que incluyen imágenes, música, texto y datos financieros. Al final de esta capacitación, los participantes podrán: - Implementar algoritmos y técnicas de aprendizaje automático para resolver problemas complejos - Aplicar el aprendizaje profundo y el aprendizaje semi-supervisado a aplicaciones que involucren imagen, música, texto e información financiera - Empujar los algoritmos de Python a su máximo potencial - Usa bibliotecas y paquetes como NumPy y Theano Audiencia - Desarrolladores - Analistas - Científicos de datos Formato del curso - Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| openface | OpenFace: Creación de Sistemas de Reconocimiento Facial | 14 horas | OpenFace es un software de reconocimiento facial en tiempo real basado en Python y Torch basado en la investigación FaceNet de Google. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar los componentes de OpenFace para crear y desplegar una aplicación de reconocimiento facial de muestra. Al final de esta capacitación, los participantes podrán: Trabaje con los componentes de OpenFace, incluidos dlib, OpenVC, Torch y nn4 para implementar la detección de rostros, la alineación y la transformación. Aplique OpenFace a aplicaciones del mundo real tales como vigilancia, verificación de identidad, realidad virtual, juegos e identificación de clientes habituales, etc. Audiencia - Desarrolladores - Científicos de datos Formato del curso - Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| dlforbankingwithpython | Aprendizaje Profundo para la Banca (con Python) | 28 horas | El aprendizaje automático es una rama de la Inteligencia Artificial en la que las computadoras tienen la capacidad de aprender sin estar programadas explícitamente. El aprendizaje profundo es un subcampo del aprendizaje automático que utiliza métodos basados en el aprendizaje de representaciones de datos y estructuras tales como redes neuronales. Python es un lenguaje de programación de alto nivel famoso por su clara sintaxis y legibilidad de código. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo implementar modelos de aprendizaje profundo para la banca usando Python mientras avanzan en la creación de un modelo de riesgo de crédito de aprendizaje profundo. Al final de esta capacitación, los participantes podrán: - Comprender los conceptos fundamentales del aprendizaje profundo - Aprende las aplicaciones y usos del aprendizaje profundo en la banca - Utilice Python, Keras y TensorFlow para crear modelos de aprendizaje profundo para la banca - Construya su propio modelo de riesgo de crédito de aprendizaje profundo usando Python Audiencia - Desarrolladores - Científicos de datos Formato del curso - Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| dlforfinancewithpython | Aprendizaje Profundo para las Finanzas (con Python) | 28 horas | El aprendizaje automático es una rama de la Inteligencia Artificial en la que las computadoras tienen la capacidad de aprender sin estar programadas explícitamente. El aprendizaje profundo es un subcampo del aprendizaje automático que utiliza métodos basados en el aprendizaje de representaciones de datos y estructuras tales como redes neuronales. Python es un lenguaje de programación de alto nivel famoso por su clara sintaxis y legibilidad de código. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo implementar modelos de aprendizaje profundo para las finanzas usando Python mientras avanzan en la creación de un modelo de predicción del precio de las acciones de aprendizaje profundo. Al final de esta capacitación, los participantes podrán: - Comprender los conceptos fundamentales del aprendizaje profundo - Aprende las aplicaciones y usos del aprendizaje profundo en finanzas - Utilice Python, Keras y TensorFlow para crear modelos de aprendizaje profundo para finanzas - Construya su propio modelo de predicción del precio de las acciones de aprendizaje profundo usando Python Audiencia - Desarrolladores - Científicos de datos Formato del curso - Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| t2t | T2T: Creación de Modelos de Secuencia a Secuencia para el Aprendizaje Generalizado | 7 horas | Tensor2Tensor (T2T) es una biblioteca modular y extensible para el entrenamiento de modelos de AI en diferentes tareas, utilizando diferentes tipos de datos de entrenamiento, por ejemplo: reconocimiento de imágenes, traducción, análisis sintáctico, subtítulos de imágenes y reconocimiento de voz. Lo mantiene el equipo de Google Brain. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo preparar un modelo de aprendizaje profundo para resolver tareas múltiples. Al final de esta capacitación, los participantes podrán: - Instalar tensor2tensor, seleccionar un conjunto de datos y entrenar y evaluar un modelo de IA - Personalice un entorno de desarrollo utilizando las herramientas y los componentes incluidos en Tensor2Tensor - Cree y use un único modelo para aprender de forma simultánea varias tareas de varios dominios - Utilice el modelo para aprender de tareas con una gran cantidad de datos de entrenamiento y aplicar ese conocimiento a tareas donde los datos son limitados - Obtenga resultados de procesamiento satisfactorios con una sola GPU Audiencia - Desarrolladores - Científicos de datos Formato del curso - Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| aicityplanning | Artificial Intelligence for City Planning | 14 horas | ¿Cómo se verán las ciudades en el futuro? ¿Cómo se puede usar la Inteligencia Artificial (IA) para mejorar la planificación de la ciudad? ¿Cómo se puede utilizar la inteligencia artificial para que las ciudades sean más eficientes, habitables, más seguras y respetuosas con el medio ambiente? En este entrenamiento en vivo instrumentado (en el sitio o remoto), examinamos las diversas tecnologías que componen AI, así como los conjuntos de habilidades y el marco mental necesarios para ponerlos en práctica para la planificación de la ciudad También cubrimos herramientas y enfoques para recopilar y organizar datos relevantes para su uso en IA, incluida la extracción de datos Audiencia Planificadores de la ciudad Arquitectos Desarrolladores Oficiales de transporte Formato del curso Conferencia parcial, discusión parcial y una serie de ejercicios interactivos Nota Para solicitar una capacitación personalizada para este curso, contáctenos para hacer arreglos . |
| h2oautoML | H2O AutoML | 14 horas | H2O AutoML es una plataforma de inteligencia artificial que automatiza el proceso de creación, selección y optimización de un gran número de modelos de aprendizaje automático. esta formación presencial dirigida por un instructor (in situ o a distancia) está dirigida a científicos de datos que deseen utilizar H2O AutoML para la automoción del proceso de creación y selección del mejor algoritmo y parámetros de aprendizaje automático. al final de esta formación, los participantes podrán: - automatice el flujo de trabajo de aprendizaje automático. - entrenar y ajustar automáticamente muchos modelos de aprendizaje automático dentro de un intervalo de tiempo especificado. - Train ensambles apilados para llegar a modelos de conjunto altamente predictivos. formato de la del curso Conferencia y discusión - Interactive. - un montón de ejercicios y práctica. - implementación práctica en un entorno de laboratorio en vivo. Opciones de personalización del curso - para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar. |
| autosklearn | AutoML with Auto-sklearn | 14 horas | auto-sklearn es un paquete de Python construido en torno a la biblioteca de aprendizaje automático scikit-Learn. Busca automáticamente el algoritmo de aprendizaje correcto para un nuevo DataSet de aprendizaje automático y optimiza sus parámetros. este entrenamiento en vivo (in situ o remoto) dirigido por un instructor está dirigido a los profesionales de aprendizaje automático que deseen utilizar auto-sklearn para automatizar el proceso de selección y optimización de un modelo de aprendizaje automático. al final de esta formación, los participantes podrán: - automatice el proceso de formación de modelos de aprendizaje automático altamente eficientes. - construir modelos de aprendizaje automático altamente precisos, evitando las tareas más tediosas de seleccionar, entrenar y probar diferentes modelos. - Utilice el poder del aprendizaje automático para resolver los problemas empresariales del mundo real. Format del curso Conferencia y discusión - Interactive. - muchos ejercicios y prácticas. implementación práctica de - en un entorno de laboratorio en vivo. Opciones de personalización de Course - para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para organizar. |
| autokeras | AutoML with Auto-Keras | 14 horas | auto-keras (también conocido como Autokeras o auto keras) es una biblioteca Python de código abierto para el aprendizaje automático automatizado (AutoML). este entrenamiento en vivo (in situ o remoto) dirigido por un instructor está dirigido a científicos de datos, así como a personas menos técnicas que deseen utilizar auto-keras para automatizar el proceso de selección y optimización de un modelo de aprendizaje automático. al final de esta formación, los participantes podrán: - automatice el proceso de formación de modelos de aprendizaje automático altamente eficientes. - busca automáticamente los mejores parámetros para los modelos de aprendizaje profundo. - construye modelos de aprendizaje automático altamente precisos. - Utilice el poder del aprendizaje automático para resolver los problemas empresariales del mundo real. Format del curso Conferencia y discusión - Interactive. - muchos ejercicios y prácticas. implementación práctica de - en un entorno de laboratorio en vivo. Opciones de personalización de Course - para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para organizar. - para aprender más acerca de auto-keras, por favor visite: https://autokeras.com/ |
| automl | AutoML | 14 horas | AutoML es un software de aprendizaje automático fácil de usar que automatiza gran parte del trabajo necesario para seleccionar un algoritmo de aprendizaje automático ideal, su configuración de parámetros y los métodos de procesamiento previo. este entrenamiento en vivo (in situ o remoto) dirigido por un instructor está dirigido a personas técnicas con experiencia en el aprendizaje automático que deseen optimizar los modelos de aprendizaje automático utilizados para detectar patrones complejos en macrodatos. al final de esta formación, los participantes podrán: - instalar y evaluar varias herramientas AutoML de código abierto. - Train modelos de aprendizaje automático de alta calidad. - eficientemente resuelve diferentes tipos de problemas de aprendizaje automático supervisado. - escribir sólo el código necesario para iniciar el proceso automatizado de aprendizaje automático. Format del curso Conferencia y discusión - Interactive. - muchos ejercicios y prácticas. implementación práctica de - en un entorno de laboratorio en vivo. Opciones de personalización de Course - para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para organizar. - para aprender más acerca de AutoML, por favor visite: https://www.automl.org/ |
| appaipy | Applied AI from Scratch in Python | 28 horas | This is a 4 day course introducing AI and it's application using the Python programming language. There is an option to have an additional day to undertake an AI project on completion of this course. |
| appai | Applied AI from Scratch | 28 horas | This is a 4 day course introducing AI and it's application. There is an option to have an additional day to undertake an AI project on completion of this course. |
| Curso | Fecha | Precio del Curso [A distancia / Presencial] |
|---|---|---|
| Reconocimiento de Patrones - Bogotá - Urban Plaza Chico | Lun, 2019-04-01 09:30 | 6350USD / 7800USD |
| Reconocimiento de Patrones - Medellín - San Fernando Plaza | Mar, 2019-04-23 09:30 | 6350USD / 7830USD |
| Reconocimiento de Patrones - Bogotá - Urban Plaza Chico | Mié, 2019-05-29 09:30 | 6350USD / 7800USD |
| Reconocimiento de Patrones - Bogotá - Urban Plaza Chico | Mié, 2019-08-07 09:30 | 6350USD / 7800USD |
| Reconocimiento de Patrones - Medellín - San Fernando Plaza | Mié, 2019-10-02 09:30 | 6350USD / 7830USD |
| Curso | Ubicación | Fecha | Precio del Curso [A distancia / Presencial] |
|---|---|---|---|
| Procesamiento de Lenguajes Naturales con Python | Bogotá - Urban Plaza Chico | Lun, 2019-05-06 09:30 | 7380USD / 8980USD |
| Jupyter para Equipos de Ciencia de Datos | Bogotá - Urban Plaza Chico | Lun, 2019-05-06 09:30 | 1665USD / 2815USD |
| Certificado en Control de Riesgos y Sistemas de Información (CRISC) | Medellín - San Fernando Plaza | Mié, 2019-05-08 09:30 | 4095USD / 5575USD |
| Inteligencia de Negocios de Big Data para Agencias del Gobierno | Medellín - San Fernando Plaza | Lun, 2019-05-20 09:30 | 8910USD / 10710USD |
| Gestión Eficiente de los Requisitos Mediante Métodos Àgiles y Modelado Àgil de UML | Medellín - San Fernando Plaza | Mié, 2019-07-17 09:30 | 4095USD / 5575USD |
.png "european central bank (ecb)")
.png "procter & gamble (p&g)")
_ireland.gif "environmental protection agency (epa) ireland")
.jpg "european molecular biology laboratory (embl)")
We are looking to expand our presence in Colombia!
If you are interested in running a high-tech, high-quality training and consulting business.
Apply now!
