ROS para Robots Móviles con Python

Este curso intensivo y práctico cubre técnicas avanzadas de Python, mejores prácticas ingenieriles y patrones de diseño comúnmente utilizados para construir aplicaciones en Python mantenibles, testeables y de alto rendimiento. Hace hincapié en herramientas modernas, tipado estático, modelos de concurrencia, patrones de arquitectura y flujos de trabajo listos para producción.

Esta capacitación en vivo con instructor (online o presencial) está dirigida a desarrolladores de Python de nivel intermedio a avanzado que desean adoptar prácticas y patrones profesionales para sistemas Python de grado productivo.

Al finalizar esta capacitación, los participantes podrán:

• Aplicar tipado estático en Python, dataclasses y verificación de tipos para aumentar la fiabilidad del código.
• Utilizar patrones de diseño y principios arquitectónicos para estructurar aplicaciones robustas.
• Implementar correctamente la concurrencia y el paralelismo usando asyncio y multiprocessing.
• Construir código bien probado con pytest, pruebas basadas en propiedades y pipelines de CI.
• Perfilizar, optimizar y endurecer aplicaciones Python para producción.
• Empaquetar, distribuir y desplegar proyectos de Python utilizando herramientas modernas y contenedores.

Formato del Curso

• Clases interactivas y demostraciones breves.
• Laboratorios prácticos y ejercicios de codificación cada día.
• Proyecto final en miniatura que integra patrones, pruebas y despliegue.

Opciones de Personalización del Curso

• Para solicitar una capacitación personalizada o un enfoque específico (datos, web o infraestructura), por favor contáctenos para gestionarlo.

Este curso enseña técnicas prácticas de ingeniería para diseñar, construir, probar y desplegar sistemas autónomos (agentic) usando Python. Cubre el ciclo del agente, integraciones de herramientas, gestión de memoria y estado, patrones de orquestación, controles de seguridad y consideraciones para la producción.

Esta formación en vivo con instructor (en línea o presencial) está dirigida a ingenieros de ML, desarrolladores de IA e ingenieros de software de nivel intermedio a avanzado que deseen construir agentes autónomos robustos y listos para producción usando Python.

Al finalizar esta formación, los participantes podrán:

• Diseñar e implementar el ciclo del agente y los flujos de trabajo de toma de decisiones.
• Integrar herramientas externas y APIs para extender las capacidades del agente.
• Implementar arquitecturas de memoria a corto y largo plazo para agentes.
• Coordinar orquestaciones de múltiples pasos y la capacidad de composición de agentes.
• Aplicar mejores prácticas de seguridad, control de acceso y observabilidad para agentes desplegados.

Formato del Curso

• Clase interactiva y discusión.
• Talleres prácticos para construir agentes con Python y SDKs populares.
• Ejercicios basados en proyectos que producen prototipos desplegables.

Opciones de Personalización del Curso

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

Se adentra en enfoques prácticos de la Ciencia de Datos e IA utilizando Python — capacita a los profesionales con las habilidades necesarias para explorar datos, construir modelos de aprendizaje automático y desplegar aplicaciones impulsadas por inteligencia artificial en contextos empresariales; cubre flujos de trabajo CRISP-DM, análisis estadístico, aprendizaje supervisado y no supervisado, aprendizaje profundo con Tensorflow, procesamiento del lenguaje natural, big data con Spark y narración de datos (data-driven storytelling); Ideal para principiantes que buscan una certificación en ciencia de datos con Python y formación analítica lista para el mercado laboral.

Inteligencia Artificial con Python es el desarrollo de sistemas inteligentes utilizando la amplia biblioteca de bibliotecas de IA y aprendizaje automático de Python.

Esta formación presencial o en línea, impartida por un instructor, está dirigida a programadores de nivel intermedio que desean diseñar, implementar y desplegar soluciones de IA utilizando Python.

Al finalizar esta formación, los participantes serán capaces de:

• Implementar algoritmos de IA utilizando las bibliotecas centrales de IA de Python.
• Trabajar con modelos de aprendizaje supervisado, no supervisado y por refuerzo.
• Integrar soluciones de IA en aplicaciones y flujos de trabajo existentes.
• Evaluar el rendimiento del modelo y optimizar para precisión y eficiencia.

Formato del Curso

• Clases interactivas con discusión.
• Muchas actividades prácticas de ejercicio y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, comuníquese con nosotros para organizarse.

Inteligencia Artificial aplicada desde cero en Python dota a los programadores y analistas de datos con las técnicas fundamentales para construir soluciones de aprendizaje automático desde sus bases utilizando Python. Cubre los principios centrales del aprendizaje supervisado (clasificación y regresión), el aprendizaje no supervisado (agrupamiento y detección de anomalías) y las arquitecturas avanzadas de redes neuronales. Examina métodos probados para trabajar con scikit-learn, Apache Spark MLlib y Jupyter notebooks en el desarrollo práctico de IA. Ayuda a los profesionales a implementar modelos de ML prácticos, evaluar las limitaciones de los algoritmos y completar proyectos aplicados para la resolución de problemas del mundo real.

Esta formación en vivo, impartida por un instructor en Argentina (en línea o presencial), está dirigida a desarrolladores de Python de nivel intermedio que desean mejorar su experiencia de desarrollo con AWS Cloud9.

Al finalizar esta capacitación, los participantes serán capaces de:

• Configurar y preparar AWS Cloud9 para el desarrollo en Python.
• Comprender la interfaz y las funcionalidades del IDE de AWS Cloud9.
• Escribir, depurar y desplegar aplicaciones en Python dentro de AWS Cloud9.
• Colaborar con otros desarrolladores utilizando la plataforma AWS Cloud9.
• Integrar AWS Cloud9 con otros servicios de AWS para despliegues avanzados.

GitHub Copilot

Vista general del curso

Este entrenamiento práctico está diseñado para profesionales con formación en ingeniería de datos que deseen adquirir habilidades aplicadas en inteligencia artificial, Python y modelos de lenguaje grande (LLM). El curso se centra en aplicaciones reales, cubriendo el uso de modelos, la ingeniería de prompts y la creación de soluciones impulsadas por IA. Los participantes trabajarán a través de ejercicios progresivos que avanzan desde los conceptos fundamentales hasta la construcción de flujos de trabajo de IA desplegables.

Formato del entrenamiento

• Entrenamiento en aula presencial

• Sesiones guiadas por un instructor con práctica dirigida

• Discusiones interactivas y estudios de caso del mundo real

• Ejercicios prácticos diarios

Objetivos del curso

• Comprender los conceptos centrales de IA y aprendizaje automático relevantes para aplicaciones modernas

• Fortalecer las habilidades en Python para el desarrollo de IA y flujos de trabajo de datos

• Aprender cómo funcionan los modelos de lenguaje grande y cómo utilizarlos de manera efectiva

• Diseñar y optimizar prompts para obtener resultados confiables

• Construir soluciones de IA de extremo a extremo utilizando APIs y frameworks

• Integrar IA en tuberías de ingeniería de datos

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.

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 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.

El objetivo de este curso es proporcionar competencia general en la aplicación de métodos de aprendizaje automático en la práctica. A través del uso del lenguaje de programación Python y sus diversas bibliotecas, y basándose en una multitud de ejemplos prácticos, este curso enseña cómo utilizar los bloques de construcción más importantes del aprendizaje automático, cómo tomar decisiones de modelado de datos, interpretar las salidas de los algoritmos y validar los resultados.

Nuestro objetivo es brindarte las habilidades para entender y usar con confianza las herramientas más fundamentales de la caja de herramientas de aprendizaje automático y evitar las trampas comunes en las aplicaciones de ciencia de datos.

Prototipado rápido práctico para robótica con ROS 2 y Docker es un curso práctico diseñado para ayudar a los desarrolladores a construir, probar e implementar aplicaciones robóticas de manera eficiente. Los participantes aprenderán cómo contenerizar entornos robóticos, integrar paquetes de ROS 2 y prototipar sistemas robóticos modulares utilizando Docker para reproducibilidad y escalabilidad. El curso hace énfasis en agilidad, control de versiones y prácticas de colaboración adecuadas para equipos de desarrollo temprano e innovación.

Esta formación en vivo impartida por un instructor (en línea o presencial) está dirigida a participantes de nivel principiante a intermedio que deseen acelerar los flujos de trabajo de desarrollo robótico utilizando ROS 2 y Docker.

Al finalizar esta formación, los participantes podrán:

• Configurar un entorno de desarrollo ROS 2 dentro de contenedores Docker.
• Desarrollar y probar prototipos robóticos en entornos modulares y reproducibles.
• Utilizar herramientas de simulación para validar el comportamiento del sistema antes del despliegue en hardware.
• Colaborar eficazmente utilizando proyectos robóticos contenerizados.
• Aplicar conceptos de integración continua y despliegue en pipelines robóticos.

Formato del curso

• Conferencias interactivas y demostraciones.
• Ejercicios prácticos con entornos ROS 2 y Docker.
• Mini-proyectos centrados en aplicaciones robóticas del mundo real.

Opciones de personalización del curso

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

En esta formación impartida en vivo por un instructor en Argentina, los participantes aprenderán a comenzar a utilizar ROS en sus proyectos de robótica mediante el uso de herramientas de visualización y simulación robóticas.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender los conceptos básicos de ROS.
• Aprender a crear un proyecto básico de robótica utilizando ROS.
• Saber cómo utilizar diferentes herramientas para robótica, incluidas las de simulación y visualización.