Introducción a la Ciencia de Datos e IA con Python

LangGraph es un marco de trabajo para construir aplicaciones de LLM multi-actor con estado, como grafos compuestos con estado persistente y control sobre la ejecución.

Esta formación en vivo impartida por instructores (en línea o presencial) está dirigida a ingenieros avanzados de plataformas de IA, DevOps para IA y arquitectos de ML que desean optimizar, depurar, monitorear y operar sistemas LangGraph de nivel de producción.

Al finalizar esta formación, los participantes podrán:

• Diseñar y optimizar topologías complejas de LangGraph para velocidad, costo y escalabilidad.
• Asegurar la confiabilidad mediante reintentos, tiempos de espera, idempotencia y recuperación basada en puntos de control.
• Depurar y rastrear ejecuciones del grafo, inspeccionar el estado y reproducir sistemáticamente problemas de producción.
• Instrumentar los grafos con registros (logs), métricas y trazas, desplegar en producción y monitorear SLA y costos.

Formato del Curso

• Clases magistrales interactivas y discusión.
• Bastantes ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de Personalización del Curso

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

Devstral es un marco de código abierto diseñado para construir y ejecutar agentes de codificación que pueden interactuar con repositorios de código, herramientas de desarrollo y APIs para mejorar la productividad ingenieril.

Esta formación en vivo impartida por un instructor (en línea o presencial) está dirigida a ingenieros de ML de nivel intermedio a avanzado, equipos de herramientas de desarrollo y SREs que desean diseñar, implementar y optimizar agentes de codificación utilizando Devstral.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar y preparar Devstral para el desarrollo de agentes de codificación.
• Diseñar flujos de trabajo agénticos para la exploración y modificación de repositorios de código.
• Integrar agentes de codificación con herramientas de desarrollo y APIs.
• Implementar las mejores prácticas para el despliegue seguro y eficiente de agentes.

Formato del Curso

• Clase interactiva y discusión.
• Muchas 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, contáctenos para coordinarlo.

Esta formación impartida por un instructor en vivo en <ubicación> (en línea o presencial) está dirigida a desarrolladores de Python y analistas de datos de nivel intermedio que deseen mejorar sus habilidades en análisis y manipulación de datos utilizando Pandas y NumPy.

Al finalizar esta capacitación, los participantes podrán:

• Configurar un entorno de desarrollo que incluya Python, Pandas y NumPy.
• Crear una aplicación de análisis de datos usando Pandas y NumPy.
• Ejecutar operaciones avanzadas de manipulación, ordenamiento y filtrado de datos.
• Realizar operaciones agregadas y analizar datos de series temporales.
• Visualizar datos utilizando Matplotlib y otras bibliotecas de visualización.
• Depurar y optimizar su código de análisis de datos.

Los modelos Devstral y Mistral son tecnologías de IA de código abierto diseñadas para un despliegue flexible, ajuste fino e integración escalable.

Esta formación presencial en vivo (en línea o in situ) está dirigida a ingenieros de ML de nivel intermedio a avanzado, equipos de plataformas e ingenieros de investigación que desean autoalojar, ajustar y gobernar los modelos Mistral y Devstral en entornos de producción.

Al finalizar esta formación, los participantes podrán:

• Configurar y establecer entornos autoalojados para los modelos Mistral y Devstral.
• Aplicar técnicas de ajuste fino para optimizar el rendimiento en dominios específicos.
• Implementar versionado, monitoreo y gobernanza del ciclo de vida.
• Garantizar la seguridad, el cumplimiento normativo y el uso responsable de modelos de código abierto.

Formato del curso

• Ponencia interactiva y debate.
• Ejercicios prácticos de autoalojamiento y ajuste fino.
• Implementación en laboratorio en vivo de pipelines de gobernanza y monitoreo.

Opciones de personalización del curso

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

Esta formación presencial en vivo (en línea o in situ), impartida por instructores, está dirigida a desarrolladores que deseen utilizar la pila FARM (FastAPI, React y MongoDB) para construir aplicaciones web dinámicas, de alto rendimiento y escalables.

Al finalizar esta capacitación, los participantes serán capaces de:

• Configurar el entorno de desarrollo necesario que integre FastAPI, React y MongoDB.
• Comprender los conceptos clave, las características y los beneficios de la pila FARM.
• Aprender a construir APIs REST con FastAPI.
• Aprender a diseñar aplicaciones interactivas con React.
• Desarrollar, probar e implementar aplicaciones (frontend y backend) utilizando la pila FARM.

Este entrenamiento en vivo dirigido por un instructor en Argentina (en línea o presencial) está orientado a desarrolladores que desean usar FastAPI con Python para construir, probar e implementar APIs RESTful de manera más sencilla y rápida.

Al concluir esta capacitación, los participantes podrán:

• Configurar el entorno de desarrollo necesario para crear APIs con Python y FastAPI.
• Crear APIs de forma más rápida y sencilla mediante la biblioteca FastAPI.
• Aprender a crear modelos de datos y esquemas basados en Pydantic y OpenAPI.
• Conectar las APIs a una base de datos utilizando SQLAlchemy.
• Implementar seguridad y autenticación en APIs valiéndose de las herramientas de FastAPI.
• Crear imágenes de contenedores e implementar APIs web en un servidor en la nube.

Esta capacitación práctica en Argentina cubre los fundamentos de Fiji e ImageJ para la investigación biológica. Los estudiantes adquieren habilidades prácticas en preprocesamiento de imágenes, análisis cuantitativo y automatización de macros para optimizar flujos de trabajo con tejidos histológicos, células y otras muestras, logrando resultados reproducibles.

LangGraph es un framework para construir aplicaciones LLM estructuradas como grafos que soportan planificación, ramificación, uso de herramientas, memoria y ejecución controlable.

Esta formación impartida por instructores (en línea o presencial) está dirigida a desarrolladores de nivel principiante, ingenieros de prompts y profesionales de datos que deseen diseñar y construir flujos de trabajo LLM confiables de múltiples pasos utilizando LangGraph.

Al finalizar esta formación, los participantes podrán:

• Explicar los conceptos clave de LangGraph (nodos, bordes, estado) y cuándo utilizarlos.
• Construir cadenas de prompts que se ramifiquen, llamen a herramientas y mantengan la memoria.
• Integrar recuperación de información y APIs externas en flujos de trabajo basados en grafos.
• Probar, depurar y evaluar aplicaciones de LangGraph para garantizar su confiabilidad y seguridad.

Formato del Curso

• Ponencia interactiva y discusión guiada por el instructor.
• Laboratorios guiados y recorridos por el código en un entorno sandbox.
• Ejercicios basados en escenarios de diseño, prueba y evaluación.

Opciones de Personalización del Curso

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

LangGraph es un marco de orquestación basado en grafos que permite flujos de trabajo condicionales y multifase con LLM y herramientas, ideales para automatizar y personalizar pipelines de contenido.

Esta capacitación en vivo con instructores (en línea o presencial) está dirigida a profesionales del marketing intermedios, estrategas de contenido y desarrolladores de automatización que deseen implementar campañas de correo electrónico dinámicas con ramificaciones y pipelines de generación de contenido utilizando LangGraph.

Al finalizar esta capacitación, los participantes podrán:

• Diseñar flujos de trabajo de contenido y correos electrónicos con estructura de grafo y lógica condicional.
• Integrar LLMs, APIs y fuentes de datos para lograr personalización automatizada.
• Gestionar el estado, la memoria y el contexto a través de campañas multifase.
• Evaluar, monitorear y optimizar el rendimiento del flujo de trabajo y los resultados de entrega.

Formato del curso

• Conferencias interactivas y discusiones grupales.
• Prácticas hands-on implementando flujos de trabajo de correos electrónicos y pipelines de contenido.
• Ejercicios basados en escenarios sobre personalización, segmentación y lógica de ramificación.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso, por favor contáctanos para coordinarlo.