Cursos de Deep Learning en Buenos Aires

Esta formación en vivo, impartida por un instructor, en <ubicación> (online o en presencia), está dirigida a desarrolladores de nivel intermedio, científicos de datos y profesionales de la IA que deseen aprovechar TensorFlow Lite para aplicaciones de IA en el borde.

Al finalizar esta formación, los participantes serán capaces de:

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

Esta formación en vivo impartida por un instructor en Buenos Aires (en línea o presencial) está dirigida a profesionales de nivel avanzado que desean profundizar su comprensión de la visión por computadora y explorar las capacidades de TensorFlow para desarrollar sofisticados modelos de visión utilizando Google Colab.

Al finalizar esta formación, los participantes serán capaces de:

• Construir y entrenar redes neuronales convolucionales (CNN) utilizando TensorFlow.
• Aprovechar Google Colab para el desarrollo escalable y eficiente de modelos basados en la nube.
• Implementar técnicas de preprocesamiento de imágenes para tareas de visión por computadora.
• Implementar modelos de visión por computadora para aplicaciones del mundo real.
• Utilizar el aprendizaje por transferencia para mejorar el rendimiento de los modelos CNN.
• Visualizar e interpretar los resultados de los modelos de clasificación de imágenes.

Esta formación en vivo con instructor en Buenos Aires (en línea o presencial) está dirigida a científicos de datos y desarrolladores de nivel intermedio que desean comprender y aplicar técnicas de aprendizaje profundo utilizando el entorno de Google Colab.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar y navegar por Google Colab para proyectos de aprendizaje profundo.
• Comprender los fundamentos de las redes neuronales.
• Implementar modelos de aprendizaje profundo con TensorFlow.
• Entrenar y evaluar modelos de aprendizaje profundo.
• Utilizar funciones avanzadas de TensorFlow para el aprendizaje profundo.

Esta formación impartida por un instructor, en vivo en Buenos Aires (en línea o presencial), está dirigida a profesionales de nivel avanzado que desean especializarse en técnicas innovadoras de aprendizaje profundo para CLN.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender las diferencias clave entre los modelos de CLN y PLN.
• Aplicar técnicas avanzadas de aprendizaje profundo a tareas de CLN.
• Explorar arquitecturas profundas como los transformadores y los mecanismos de atención.
• Aprovechar las tendencias futuras en CLN para construir sistemas de inteligencia artificial sofisticados.

Esta formación en vivo impartida por un instructor en Buenos Aires (en línea o presencial) está dirigida a profesionales de nivel avanzado que deseen explorar las técnicas más avanzadas de IA Explicable (XAI) para modelos de aprendizaje profundo, con un enfoque en la construcción de sistemas de IA interpretables.

Al finalizar esta formación, los participantes podrán:

• Comprender los desafíos de la explicabilidad en el aprendizaje profundo.
• Implementar técnicas avanzadas de XAI para redes neuronales.
• Interpretar las decisiones tomadas por los modelos de aprendizaje profundo.
• Evaluar los compromisos entre rendimiento y transparencia.

Esta capacitación en vivo con instructor en Buenos Aires (en línea o presencial) está dirigida a científicos de datos, ingenieros de aprendizaje automático, investigadores en aprendizaje profundo y expertos en visión por computadora de nivel intermedio a avanzado que deseen ampliar sus conocimientos y habilidades en la generación de imágenes a partir de texto mediante técnicas de aprendizaje profundo.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender las arquitecturas y técnicas avanzadas de aprendizaje profundo para la generación de imágenes a partir de texto.
• Implementar modelos complejos y optimizaciones para la síntesis de imágenes de alta calidad.
• Optimizar el rendimiento y la escalabilidad para conjuntos de datos grandes y modelos complejos.
• Ajustar hiperparámetros para mejorar el rendimiento del modelo y su capacidad de generalización.
• Integrar Stable Diffusion con otros marcos de aprendizaje profundo y herramientas.

Esta formación en vivo con instructores en Buenos Aires (en línea o presencial) está dirigida a profesionales de nivel avanzado que desean aprovechar las técnicas de IA para revolucionar los procesos de descubrimiento y desarrollo de fármacos.

Al finalizar esta capacitación, los participantes podrán:

• Comprender el papel de la IA en el descubrimiento y desarrollo de fármacos.
• Aplicar técnicas de aprendizaje automático para predecir propiedades moleculares e interacciones.
• Utilizar modelos de aprendizaje profundo para el cribado virtual y la optimización de candidatos.
• Integrar enfoques impulsados por IA en el proceso de ensayos clínicos.

Esta formación en vivo impartida por un instructor en <ubicación> (en línea o presencial) está dirigida a biólogos que desean comprender el funcionamiento de AlphaFold y utilizar sus modelos como guía en sus estudios experimentales.

Al finalizar esta formación, los participantes podrán:

• Comprender los principios básicos de AlphaFold.
• Aprender cómo funciona AlphaFold.
• Aprender a interpretar las predicciones y resultados de AlphaFold.

Esta formación práctica, impartida por instructores en <ubicación> (en línea o presencial), está dirigida a desarrolladores principiantes e intermedios que deseen utilizar Modelos de Lenguaje Grande para diferentes tareas de procesamiento de lenguaje natural.

Al finalizar esta capacitación, los participantes serán capaces de:

• Configurar un entorno de desarrollo que incluya un LLM popular.
• Crear un LLM básico y ajustarlo finamente (fine-tuning) sobre un conjunto de datos personalizado.
• Utilizar LLM para distintas tareas de procesamiento de lenguaje natural, como resumen de textos, respuesta a preguntas, generación de texto y más.
• Depurar y evaluar LLM utilizando herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.

Esta formación en vivo, impartida por un instructor (en línea o presencial), está dirigida a científicos de datos, ingenieros de aprendizaje automático e investigadores en visión por computadora que desean aprovechar Stable Diffusion para generar imágenes de alta calidad para una variedad de casos de uso.

Al finalizar esta formación, los participantes podrán:

• Comprender los principios de Stable Diffusion y cómo funciona para la generación de imágenes.
• Construir y entrenar modelos de Stable Diffusion para tareas de generación de imágenes.
• Aplicar Stable Diffusion en diversos escenarios de generación de imágenes, como inpintura, extrapolación de imagen y traducción de imagen a imagen.
• Optimizar el rendimiento y la estabilidad de los modelos de Stable Diffusion.

En esta capacitación en vivo con instructores en Buenos Aires, los participantes aprenderán las técnicas de machine learning más relevantes y de vanguardia en Python mientras desarrollan una serie de aplicaciones demo que involucran datos de imágenes, música, texto y financieros.

Al finalizar esta capacitación, los participantes serán capaces de:

• Implementar algoritmos y técnicas de machine learning para resolver problemas complejos.
• Aplicar deep learning y semi-supervised learning a aplicaciones que involucren datos de imágenes, música, texto y financieros.
• Llevar los algoritmos de Python a su máximo potencial.
• Utilizar bibliotecas y paquetes como NumPy y Theano.

Esta formación presencial impartida por un instructor en Buenos Aires (en línea o en las instalaciones) ofrece una introducción al campo del reconocimiento de patrones y el aprendizaje automático. Se abordan aplicaciones prácticas en estadística, ciencias de la computación, procesamiento de señales, visión por computadora, minería de datos y bioinformática.

Al finalizar esta formación, los participantes podrán:

• Aplicar métodos estadísticos fundamentales al reconocimiento de patrones.
• Utilizar modelos clave como redes neuronales y métodos de núcleo para el análisis de datos.
• Implementar técnicas avanzadas para resolver problemas complejos.
• Mejorar la precisión de las predicciones combinando diferentes modelos.

Esta formación en vivo con instructor en Buenos Aires (en línea o presencial) está dirigida a desarrolladores de software, analistas de datos y profesionales técnicos que deseen utilizar TensorFlow 2.x y Keras para crear, entrenar e implementar modelos de aprendizaje profundo para aplicaciones de visión por computadora, procesamiento del lenguaje natural y multimodales.

Esta formación en vivo, impartida por un instructor en <ubic> (en línea o presencial), está dirigida a científicos de datos que desean usar TensorFlow para analizar datos de posibles fraudes.

Al finalizar esta capacitación, los participantes podrán:

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

En este entrenamiento en vivo y dirigido por un instructor, los participantes aprenderán a utilizar Matlab para diseñar, construir y visualizar una red neuronal convolucional destinada al reconocimiento de imágenes.

Al finalizar esta formación, los participantes podrán:

• Construir un modelo de aprendizaje profundo
• Automatizar la etiquetación de datos
• Trabajar con modelos de Caffe y TensorFlow-Keras
• Entrenar datos utilizando múltiples GPUs, la nube o clusters

Público objetivo

• Desarrolladores
• Ingenieros
• Expertos en el dominio

Formato del curso

• Parcialmente teórico, con discusiones, ejercicios y una fuerte práctica hands-on

Esta capacitación en vivo, dirigida por un instructor, en Buenos Aires (presencial u online) está orientada a desarrolladores y científicos de datos que deseen utilizar TensorFlow 2.x para construir predictores, clasificadores, modelos generativos, redes neuronales, entre otros.

Al finalizar la capacitación, los participantes podrán:

• Instalar y configurar TensorFlow 2.x.
• Comprender las ventajas de TensorFlow 2.x frente a las versiones anteriores.
• Construir modelos de aprendizaje profundo.
• Implementar un clasificador de imágenes avanzado.
• Desplegar un modelo de aprendizaje profundo en la nube, en dispositivos móviles y dispositivos IoT.