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 Guatemala o en los centros de entrenamiento corporativos de NobleProg en Guatemala. 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 capacitador explicó muy fácilmente temas difíciles y avanzados.
Leszek K
Curso: Visión general de Inteligencia Artificial
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
Todos me gusta
蒙 李
Curso: Fundamentos de Aprendizaje Automático con Python
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
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
| 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. |
| 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 |
| 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 |
| 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 |
| 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 |
| 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 |
| 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 |
| 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 |
| 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 |
| embeddingprojector | Embedding Projector: Visualización de sus Datos de Entrenamiento | 14 horas | Embedding Projector es una aplicación web de código abierto para visualizar los datos utilizados para entrenar sistemas de aprendizaje automático. Creado por Google, es parte de TensorFlow. Esta capacitación en vivo dirigida por un instructor presenta los conceptos detrás de Embedding Projector y guía a los participantes a través de la configuración de un proyecto de demostración. Al final de esta capacitación, los participantes podrán: - Explore cómo los datos se interpretan mediante modelos de aprendizaje automático - Navegue a través de vistas 3D y 2D de datos para comprender cómo lo interpreta un algoritmo de aprendizaje automático - Comprenda los conceptos detrás de Embeddings y su papel en la representación de vectores matemáticos para imágenes, palabras y números. - Explore las propiedades de una incrustación específica para comprender el comportamiento de un modelo - Aplicar Embedding Project a casos de uso del mundo real, como crear un sistema de recomendación de canciones para amantes de la música 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 |
| 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 |
| 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 |
| 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 |
| ML_LBG | Aprendizaje Automático - Ciencia de Datos | 21 horas | Esta sesión de capacitación basada en el aula explorará las herramientas de aprendizaje automático con (sugerido) Python. Los delegados tendrán ejemplos basados en computadora y ejercicios de estudio de caso para emprender. |
| 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. |
| dlfortelecomwithpython | Deep Learning for Telecom (with Python) | 28 horas | In this instructor-led, live training, participants will learn how to implement deep learning models for telecom using Python as they step through the creation of a deep learning credit risk model. By the end of this training, participants will be able to: - Understand the fundamental concepts of deep learning - Learn the applications and uses of deep learning in telecom - Use Python, Keras, and TensorFlow to create deep learning models for telecom - Build their own deep learning customer churn prediction model using Python Format of the course - Part lecture, part discussion, exercises and heavy hands-on practice |
| rapidminer | RapidMiner for Machine Learning and Predictive Analytics | 14 horas | RapidMiner is an open source data science software platform for rapid application prototyping and development. It includes an integrated environment for data preparation, machine learning, deep learning, text mining, and predictive analytics. In this instructor-led, live training, participants will learn how to use RapidMiner Studio for data preparation, machine learning, and predictive model deployment. By the end of this training, participants will be able to: - Install and configure RapidMiner - Prepare and visualize data with RapidMiner - Validate machine learning models - Mashup data and create predictive models - Operationalize predictive analytics within a business process - Troubleshoot and optimize RapidMiner Audience - Data scientists - Engineers - Developers Format of the Course - Part lecture, part discussion, exercises and heavy hands-on practice Note - To request a customized training for this course, please contact us to arrange. |
| 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 . |
| dlformedicine | Aprendizaje profundo para la medicina | 14 horas | Machine Learning es una rama de la Inteligencia Artificial en la que las computadoras tienen la capacidad de aprender sin estar programadas explícitamente. Deep Learning es un subcampo de Machine Learning que intenta imitar el funcionamiento del cerebro humano al tomar decisiones. Está entrenado con datos para brindar soluciones automáticas a los problemas. Deep Learning ofrece amplias oportunidades para la industria médica, que está instalada en una mina de oro de datos. En esta capacitación en vivo dirigida por un instructor, los participantes tomarán parte en una serie de discusiones, ejercicios y análisis de estudios de casos para comprender los fundamentos del aprendizaje profundo. Se evaluarán las herramientas y técnicas de aprendizaje profundo más importantes y se llevarán a cabo ejercicios para preparar a los participantes para llevar a cabo su propia evaluación e implementación de soluciones de aprendizaje profundo dentro de sus organizaciones. Al final de esta capacitación, los participantes podrán: - Comprender los fundamentos del Aprendizaje Profundo - Aprende técnicas de aprendizaje profundo y sus aplicaciones en la industria - Examine problemas en medicina que pueden ser resueltos por las tecnologías Deep Learning - Explore casos de estudio de Deep Learning en medicina - Formule una estrategia para adoptar las últimas tecnologías en Deep Learning para resolver problemas en medicina Audiencia - Gerentes - Profesionales médicos en roles de liderazgo Formato del curso - Conferencia de parte, discusión en parte, ejercicios y práctica práctica Nota - Para solicitar una capacitación personalizada para este curso, contáctenos para hacer arreglos. |
| algebraforml | Álgebra para el aprendizaje automático | 14 horas | El álgebra lineal es una rama de las matemáticas que trata con vectores, matrices y transformaciones lineales. El conocimiento del álgebra lineal ayuda a los ingenieros y desarrolladores a mejorar sus capacidades de aprendizaje automático. Comprender los conceptos de álgebra lineal les permite comprender mejor los principios detrás de las técnicas de aprendizaje automático y así resolver los problemas más rápidamente. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán los fundamentos del álgebra lineal a medida que avanzan en la resolución de un problema de aprendizaje automático utilizando métodos de álgebra lineal. Al final de esta capacitación, los participantes podrán: - Comprender los conceptos fundamentales de álgebra lineal - Aprende las habilidades de álgebra lineal necesarias para el aprendizaje automático - Use estructuras y conceptos de álgebra lineal cuando trabaje con datos, imágenes, algoritmos, etc. - Resuelva un problema de aprendizaje automático usando álgebra lineal Audiencia - Desarrolladores - Ingenieros Formato del curso - Conferencia de parte, discusión en parte, ejercicios y práctica práctica Nota - Para solicitar una capacitación personalizada para este curso, contáctenos para hacer arreglos. |
| 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 |
| mllbg | Aprendizaje automático en los negocios - AI / Robótica | 14 horas | Esta sesión de capacitación basada en el aula explorará técnicas de aprendizaje automático, con ejemplos basados en computadora y ejercicios de resolución de casos de estudio utilizando un programa relevante. |
| Curso | Fecha | Precio del Curso [A distancia / Presencial] |
|---|---|---|
| Visión general de Inteligencia Artificial - Guatemala - Europlaza | Mié, 2019-02-20 09:30 | 2,000USD / 3,183USD |
| Visión general de Inteligencia Artificial - Guatemala - Europlaza | Mar, 2019-04-16 09:30 | 2,000USD / 3,183USD |
| Visión general de Inteligencia Artificial - Guatemala - Europlaza | Mié, 2019-04-17 09:30 | 2,000USD / 3,183USD |
| Visión general de Inteligencia Artificial - Guatemala - Europlaza | Jue, 2019-06-06 09:30 | 2,000USD / 3,183USD |
| Visión general de Inteligencia Artificial - Guatemala - Europlaza | Vie, 2019-06-28 09:30 | 2,000USD / 3,183USD |
| Curso | Ubicación | Fecha | Precio del Curso [A distancia / Presencial] |
|---|---|---|---|
| Fundamentos de Governancia, Manejo de Riesgo y Compliance (GRC) | Guatemala - Europlaza | Mar, 2019-04-02 09:30 | 4,023USD / 5,466USD |
| Administración de la Lógica de Negocios con Drools | Guatemala - Europlaza | Mar, 2019-04-09 09:30 | 4,734USD / 6,177USD |
| Blockchain para Cuerpos Financieros | Guatemala - Europlaza | Jue, 2019-06-06 09:30 | 2,745USD / 4,058USD |
| Ir a la Programación de Sistemas | Guatemala - Europlaza | Lun, 2019-06-17 09:30 | 6,633USD / 8,336USD |
| Modelado Estadístico y Econométrico | Guatemala - Europlaza | Mié, 2019-06-19 09:30 | 4,023USD / 5,466USD |
.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!
