Capacitación en Red Neuronal Artificial -un paradigma de aprendizaje y procesamiento automático inspirado en la forma en que funciona el sistema nervioso de los animales. Los cursos locales de capacitación en redes neuronales demuestran a través de debates interactivos y practican cómo construir redes neuronales utilizando una serie de kits de herramientas y bibliotecas, principalmente de código abierto, y cómo utilizar la potencia del hardware avanzado (GPU) y las técnicas de optimización que involucran computación distribuida y Big Data Nuestros cursos de la red neuronal se basan en lenguajes de programación populares como Python, Java, lenguaje R y potentes bibliotecas, que incluyen TensorFlow, Torch, Caffe, Theano y más Nuestros cursos sobre redes neuronales cubren tanto la teoría como la implementación mediante varias implementaciones de redes neuronales, como redes neuronales profundas (DNN), redes neuronales convolucionales (CNN) y redes neuronales recurrentes (RNN). La capacitación en Red Neuronal está disponible en dos modalidades: "presencial en vivo" y "remota en vivo"; la primera se puede llevar a cabo localmente en las instalaciones del cliente en Colombia o en los centros de capacitación corporativa de NobleProg en Colombia, la segunda se lleva a cabo a través de un escritorio remoto interactivo.
NobleProg -- Su Proveedor Local de Capacitación
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
Ann creó un excelente entorno para hacer preguntas y aprender. Nos divertimos mucho y también aprendimos mucho al mismo tiempo.
Gudrun Bickelq
Curso: Introducción al Uso de Neural Networks
Translated by
La parte interactiva, adaptada a nuestras necesidades específicas.
Thomas Stocker
Curso: Introducción al Uso de Neural Networks
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
El capacitador explicó muy fácilmente temas difíciles y avanzados.
Leszek K
Curso: Visión general de Inteligencia Artificial
Translated by
Me gustaron las nuevas ideas en el aprendizaje automático profundo.
Josip Arneric
Curso: Red Neuronal en R
Translated by
Obtuvimos algunos conocimientos sobre NN en general, y lo que fue más interesante para mí fueron los nuevos tipos de NN que son populares hoy en día.
Tea Poklepovic
Curso: Red Neuronal en R
Translated by
Disfruté sobre todo los gráficos en R :))).
Faculty of Economics and Business Zagreb
Curso: Red Neuronal en R
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
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
una gran cantidad de ejercicios que puedo usar directamente en mi trabajo.
Alior Bank S.A.
Curso: Red Neuronal en R
Translated by
Ejemplos de datos reales.
Alior Bank S.A.
Curso: Red Neuronal en R
Translated by
neuralnet, pROC en un bucle.
Alior Bank S.A.
Curso: Red Neuronal en R
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
| 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. |
| MicrosoftCognitiveToolkit | Curso de Microsoft Cognitive Toolkit 2.x | 21 horas | Microsoft Cognitive Toolkit 2.x (anteriormente CNTK) es un juego de herramientas de código abierto de grado comercial que entrena algoritmos de aprendizaje profundo para aprender como el cerebro humano. Según Microsoft, CNTK puede ser 5-10 veces más rápido que TensorFlow en redes recurrentes, y de 2 a 3 veces más rápido que TensorFlow para tareas relacionadas con imágenes. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo usar Microsoft Cognitive Toolkit para crear, entrenar y evaluar algoritmos de aprendizaje profundo para su uso en aplicaciones de AI comerciales que involucren múltiples tipos de datos tales como datos, voz, texto e imágenes. Al final de esta capacitación, los participantes podrán: - Acceda a CNTK como una biblioteca desde un programa de Python, C # o C ++ - Use CNTK como una herramienta independiente de aprendizaje automático a través de su propio lenguaje de descripción de modelo (BrainScript) - Utilice la funcionalidad de evaluación del modelo CNTK de un programa Java - Combinar DNN de feed-forward, redes convolucionales (CNN) y redes recurrentes (RNNs / LSTM) - Escala de capacidad de cálculo en CPU, GPU y múltiples máquinas - Acceda a conjuntos de datos masivos utilizando los lenguajes de programación y algoritmos existentes Audiencia - Desarrolladores - Científicos de datos Formato del curso - Conferencia de parte, discusión en parte, ejercicios y práctica práctica Nota - Si desea personalizar cualquier parte de esta capacitación, incluido el lenguaje de programación que prefiera, contáctenos para organizarlo. |
| 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. |
| Nue_LBG | Computación Neuronal - Ciencia de Datos | 14 horas | Esta sesión de capacitación basada en el aula contendrá presentaciones y ejemplos basados en computadora y ejercicios de estudio de caso para emprender con bibliotecas de redes neurales y profundas relevantes |
| drlpython | Aprendizaje de refuerzo profundo con Python | 21 horas | El aprendizaje de refuerzo profundo se refiere a la capacidad de un "agente artificial" para aprender por prueba y error y recompensas y castigos. Un agente artificial tiene como objetivo emular la capacidad de un ser humano de obtener y construir conocimiento por sí mismo, directamente a partir de insumos crudos como la visión. Para lograr un aprendizaje reforzado, se utilizan redes neuronales y de aprendizaje profundo. El aprendizaje de refuerzo es diferente del aprendizaje automático y no depende de enfoques de aprendizaje supervisados y no supervisados. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán los fundamentos de Deep Refforcement Learning a medida que avanzan en la creación de un Deep Learning Agent. Al final de esta capacitación, los participantes podrán: - Comprender los conceptos clave detrás del aprendizaje profundo y el aprendizaje del aprendizaje automático - Aplicar algoritmos avanzados de refuerzo de aprendizaje para resolver problemas del mundo real - Crear un agente de aprendizaje profundo Audiencia - Desarrolladores - Científicos de datos Formato de la carrera - Parte de lectura, parte de discusión, 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. |
| 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 |
| 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 |
| snorkel | Snorkel: Procesar Rápidamente los Datos de Entrenamiento | 7 horas | Snorkel es un sistema para crear, modelar y gestionar rápidamente datos de entrenamiento. Se enfoca en acelerar el desarrollo de aplicaciones de extracción de datos estructuradas u "oscuras" para dominios en los que grandes conjuntos de entrenamiento etiquetados no están disponibles o son fáciles de obtener. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán técnicas para extraer valor de datos no estructurados como texto, tablas, figuras e imágenes mediante el modelado de datos de entrenamiento con Snorkel. Al final de esta capacitación, los participantes podrán: - Crear programáticamente conjuntos de entrenamiento para permitir el etiquetado de conjuntos de entrenamiento masivos - Entrene modelos finales de alta calidad modelando primero conjuntos de entrenamiento ruidosos - Use Snorkel para implementar técnicas de supervisión débiles y aplicar programación de datos a sistemas de aprendizaje automático débilmente supervisados Audiencia - Desarrolladores - Científicos de datos Formato del curso - Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| PaddlePaddle | Curso de PaddlePaddle | 21 horas | PaddlePaddle (PArallel Distributed Deep LEarning) es una plataforma de aprendizaje profundo escalable desarrollada por Baidu. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar PaddlePaddle para permitir el aprendizaje profundo en sus aplicaciones de productos y servicios. Al final de esta capacitación, los participantes podrán: - Configurar y configurar PaddlePaddle - Configure una red neuronal convolucional (CNN) para el reconocimiento de imágenes y la detección de objetos - Configurar una Red Neuronal Recurrente (RNN) para el análisis de sentimientos - Establecer un aprendizaje profundo sobre los sistemas de recomendación para ayudar a los usuarios a encontrar respuestas - Predecir porcentajes de clics (CTR), clasificar conjuntos de imágenes a gran escala, realizar reconocimiento óptico de caracteres (OCR), buscar rangos, detectar virus informáticos e implementar un sistema de recomendaciones. Audiencia - Desarrolladores - Científicos de datos Formato del curso - Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| tpuprogramming | Programación de TPU: Construcción de Aplicaciones de Redes Neuronales en Unidades de Procesamiento de Tensiones | 7 horas | La Unidad de Procesamiento de Tensor (TPU) es la arquitectura que Google ha utilizado internamente durante varios años y ahora está disponible para el público en general. Incluye varias optimizaciones específicamente para su uso en redes neuronales, incluida la multiplicación simplificada de matrices, y enteros de 8 bits en lugar de 16 bits para devolver niveles adecuados de precisión. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo aprovechar las innovaciones en los procesadores de TPU para maximizar el rendimiento de sus propias aplicaciones de inteligencia artificial. Al final de la capacitación, los participantes podrán: - Entrenar varios tipos de redes neuronales en grandes cantidades de datos - Use TPU para acelerar el proceso de inferencia hasta en dos órdenes de magnitud - Utilice TPU para procesar aplicaciones intensivas, como búsqueda de imágenes, visión en la nube y fotos Audiencia - Desarrolladores - Investigadores - Ingenieros - Científicos de datos Formato del curso - Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| neuralnet | Introducción al Uso de Neural Networks | 7 horas | El curso está dirigido para las personas que quieren aprender lo básico de neural networks y sus aplicaciones. |
| intrdplrngrsneuing | Introducción a Aprendizaje Profundo y Redes Neuronales Ingeniería | 21 horas | La inteligencia artificial, después de haber molestó a muchos campos científicos, comenzó a revolucionar una amplia gama de sectores económicos (industria, la medicina, comunicaciones, etc.). Sin embargo, su presentación en los principales medios de comunicación a menudo es una fantasía, muy lejos de lo que realmente son las áreas de aprendizaje automático y Deep aprendizaje. El objetivo de esta formación es proporcionar a los ingenieros con conocimientos de computación (incluyendo la programación de software basado en) una introducción al aprendizaje profundo y sus diferentes áreas de especialización y por lo tanto las principales arquitecturas de red existentes Hoy. Si los fundamentos matemáticos se recuerdan durante el curso, se recomienda un tipo de nivel de alcoholemia matemática + 2 para una mayor comodidad. Es posible en absoluto ignorar el eje matemático para mantener sólo una visión "sistema", pero este enfoque limita en gran medida su comprensión del tema. |
| OpenNN | OpenNN: Implementación de Redes Neuronales | 14 horas | OpenNN es una biblioteca de clases de código abierto escrita en C ++ que implementa redes neuronales para su uso en aprendizaje automático. En este curso repasaremos los principios de las redes neuronales y utilizaremos OpenNN para implementar una aplicación de muestra. Audiencia Desarrolladores de software y programadores que deseen crear aplicaciones de Deep Learning. Formato del curso Conferencia y discusión junto con ejercicios prácticos. |
| datamodeling | Reconocimiento de Patrones | 35 horas | Este curso proporciona una introducción en el campo del reconocimiento de patrones y el aprendizaje automático. Se trata de aplicaciones prácticas en estadística, informática, procesamiento de señales, visión por computadora, minería de datos y bioinformática. El curso es interactivo e incluye muchos ejercicios prácticos, comentarios de los instructores y pruebas de los conocimientos y habilidades adquiridos. Audiencia - Analistas de datos - Estudiantes de doctorado, investigadores y profesionales |
| Neuralnettf | Fundamentos de Redes Neuronales Usando TensorFlow como Ejemplo | 28 horas | Este curso le proporcionará conocimientos en redes neuronales y, en general, en algoritmos de aprendizaje automático, aprendizaje profundo (algoritmos y aplicaciones). Este entrenamiento se enfoca más en los fundamentos, pero lo ayudará a elegir la tecnología adecuada: TensorFlow, Caffe, Teano, DeepDrive, Keras, etc. Los ejemplos están hechos en TensorFlow. |
| aiauto | Inteligencia Artificial en Automoción | 14 horas | Este curso cubre AI (enfatizando Aprendizaje Automático y Aprendizaje Profundo) en la Industria Automotriz. Ayuda a determinar qué tecnología puede (potencialmente) utilizarse en situaciones múltiples en un automóvil: desde la simple automatización, el reconocimiento de imágenes hasta la toma de decisiones autónoma. |
| aiintrozero | De Cero a AI | 35 horas | Este curso se crea para personas que no tienen experiencia previa en probabilidades y estadísticas. |
| bspkannmldt | Redes Neuronales Artificiales, Pensamiento Profundo y Aprendizaje Automático | 21 horas | Artificial Neural Network es un modelo de datos computacionales utilizado en el desarrollo de sistemas de Inteligencia Artificial (IA) capaces de realizar tareas "inteligentes". Las redes neuronales se usan comúnmente en aplicaciones de aprendizaje automático (Machine Learning, ML), que a su vez son una implementación de AI. Aprendizaje profundo es un subconjunto de ML. |
| annmldt | Redes Neuronales Artificiales, Aprendizaje Automático y Pensamiento Profundo | 21 horas | Artificial Neural Network es un modelo de datos computacionales utilizado en el desarrollo de sistemas de Inteligencia Artificial (IA) capaces de realizar tareas "inteligentes". Las redes neuronales se usan comúnmente en aplicaciones de aprendizaje automático (Machine Learning, ML), que a su vez son una implementación de AI. Aprendizaje profundo es un subconjunto de ML. |
| appliedml | Aprendizaje Automático Aplicado | 14 horas | Este curso de capacitación es para personas que deseen aplicar Aprendizaje de la Máquina en aplicaciones prácticas. Audiencia Este curso es para científicos de datos y estadísticos que tienen cierta familiaridad con las estadísticas y saben cómo programar R (o Python u otro idioma elegido). El énfasis de este curso está en los aspectos prácticos de la preparación de datos / modelos, la ejecución, el análisis post hoc y la visualización. El propósito es dar aplicaciones prácticas al Aprendizaje Automático a los participantes interesados en aplicar los métodos en el trabajo. Se utilizan ejemplos específicos del sector para hacer que la formación sea relevante para el público. |
| rneuralnet | Red Neuronal en R | 14 horas | Este curso es una introducción a la aplicación de redes neuronales en problemas del mundo real utilizando el software R-project. |
| 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. |
| Curso | Fecha | Precio del Curso [A distancia / Presencial] |
|---|---|---|
| Visión general de Inteligencia Artificial - Medellín - San Fernando Plaza | Mié, 2019-02-20 09:30 | 2,000USD / 3,213USD |
| Visión general de Inteligencia Artificial - Bogotá - Urban Plaza Chico | Lun, 2019-03-25 09:30 | 2,000USD / 3,203USD |
| Visión general de Inteligencia Artificial - Medellín - San Fernando Plaza | Mié, 2019-04-10 09:30 | 2,000USD / 3,213USD |
| Visión general de Inteligencia Artificial - Bogotá - Urban Plaza Chico | Mié, 2019-05-15 09:30 | 2,000USD / 3,203USD |
| Visión general de Inteligencia Artificial - Medellín - San Fernando Plaza | Vie, 2019-05-31 09:30 | 2,000USD / 3,213USD |
| Curso | Ubicación | Fecha | Precio del Curso [A distancia / Presencial] |
|---|---|---|---|
| Modelado de Decisiones y Reglas con OMG DMN | Medellín - San Fernando Plaza | Mié, 2019-01-30 09:30 | 3,294USD / 4,667USD |
| Integral de C# y .NET Seguridad de Aplicaciones | Bogotá - Urban Plaza Chico | Mié, 2019-02-06 09:30 | 4,023USD / 5,526USD |
| Automatización Avanzada con Ansible | Bogotá - Urban Plaza Chico | Jue, 2019-05-02 09:30 | 2,745USD / 4,098USD |
| BPMN 2.0 para Analistas de Negocios | Bogotá - Urban Plaza Chico | Mar, 2019-05-14 09:30 | 4,023USD / 5,526USD |
| Programación Advanced Go | Medellín - San Fernando Plaza | Mar, 2019-06-04 09:30 | 4,023USD / 5,556USD |
.png "iberoamericana de hidrocarburos (ihsa)")
.jpg "european molecular biology laboratory (embl)")
_ireland.gif "environmental protection agency (epa) ireland")
.jpg "international air transport association (iata)")
We are looking to expand our presence in Mexico!
If you are interested in running a high-tech, high-quality training and consulting business.
Apply now!