Los cursos locales dirigidos por instructor en vivo de capacitación en Inteligencia Artificial (IA) demuestran, a través de prácticas manuales, cómo implementar soluciones de inteligencia artificial para resolver problemas del mundo real. La capacitación en IA 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 Argentina o en los centros de capacitación corporativa de NobleProg en Argentina, la segunda se lleva a cabo a través de un escritorio remoto interactivo.
NobleProg -- Su Proveedor Local de Capacitación
Testimonios
Él fue muy informativo y útil.
Pratheep Ravy
Curso: Predictive Modelling with R
Machine Translated
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: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Ann creó un excelente entorno para hacer preguntas y aprender. Nos divertimos mucho y también aprendimos mucho al mismo tiempo.
Gudrun Bickelq
Curso: Introduction to the use of neural networks
Machine Translated
La parte interactiva, adaptada a nuestras necesidades específicas.
Thomas Stocker
Curso: Introduction to the use of neural networks
Machine Translated
Me gustaron los ejercicios.
Office for National Statistics
Curso: Natural Language Processing with Python
Machine Translated
Realmente disfruté el enfoque práctico.
Kevin De Cuyper
Curso: Computer Vision with OpenCV
Machine Translated
rango de material
Maciej Jonczyk
Curso: From Data to Decision with Big Data and Predictive Analytics
Machine Translated
sistematizar el conocimiento en el campo de ML
Orange Polska
Curso: From Data to Decision with Big Data and Predictive Analytics
Machine Translated
El capacitador estaba tan bien informado e incluyó áreas en las que estaba interesado.
Mohamed Salama
Curso: Data Mining & Machine Learning with R
Machine Translated
El tema es muy interesante.
Wojciech Baranowski
Curso: Introduction to Deep Learning
Machine Translated
Los formadores teóricos del conocimiento y la voluntad de resolver los problemas con los participantes después de la capacitación.
Grzegorz Mianowski
Curso: Introduction to Deep Learning
Machine Translated
Tema. ¡Muy interesante!.
Piotr
Curso: Introduction to Deep Learning
Machine Translated
Los ejercicios después de cada tema fueron realmente útiles, a pesar de que al final eran demasiado complicados. ¡En general, el material presentado fue muy interesante y envolvente! Los ejercicios con reconocimiento de imágenes fueron geniales.
Dolby Poland Sp. z o.o.
Curso: Introduction to Deep Learning
Machine Translated
Creo que si el entrenamiento se hiciera en polaco, le permitiría al formador compartir su conocimiento de manera más eficiente.
Radek
Curso: Introduction to Deep Learning
Machine Translated
La visión global del aprendizaje profundo.
Bruno Charbonnier
Curso: Advanced Deep Learning
Machine Translated
Los ejercicios son suficientemente prácticos y no necesitan un alto conocimiento en Python para hacerse.
Alexandre GIRARD
Curso: Advanced Deep Learning
Machine Translated
Haciendo ejercicios sobre ejemplos reales usando Eras. Italia entendió totalmente nuestras expectativas sobre esta capacitación.
Paul Kassis
Curso: Advanced Deep Learning
Machine Translated
Realmente aprecié las respuestas claras y claras de Chris a nuestras preguntas.
Léo Dubus
Curso: Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple
Machine Translated
En general, disfruté el entrenador experto.
Sridhar Voorakkara
Curso: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Me sorprendió el estándar de esta clase, diría que era el estándar de la universidad.
David Relihan
Curso: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Muy buena visión general. Go fondo desde Tensorflow por qué funciona como lo hace.
Kieran Conboy
Curso: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Me gustaron las oportunidades de hacer preguntas y obtener explicaciones más profundas de la teoría.
Sharon Ruane
Curso: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Hemos obtenido mucha más información sobre el tema. Se hicieron algunas buenas discusiones con algunos temas reales dentro de nuestra compañía.
Sebastiaan Holman
Curso: Machine Learning and Deep Learning
Machine Translated
La capacitación proporcionó la base correcta que nos permite ampliar aún más, al mostrar cómo la teoría y la práctica van de la mano. De hecho, me interesó más en el tema que antes.
Jean-Paul van Tillo
Curso: Machine Learning and Deep Learning
Machine Translated
Realmente disfruté de la cobertura y la profundidad de los temas.
Anirban Basu
Curso: Machine Learning and Deep Learning
Machine Translated
El capacitador explicó muy fácilmente temas difíciles y avanzados.
Leszek K
Curso: Artificial Intelligence Overview
Machine Translated
Me gustaron las nuevas ideas en el aprendizaje automático profundo.
Josip Arneric
Curso: Neural Network in R
Machine Translated
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: Neural Network in R
Machine Translated
Disfruté sobre todo los gráficos en R :))).
Faculty of Economics and Business Zagreb
Curso: Neural Network in R
Machine Translated
El profundo conocimiento del entrenador sobre el tema.
Sebastian Görg
Curso: Introduction to Deep Learning
Machine Translated
Enfoque muy actualizado o CPI (tensor flow, era, learn) para hacer aprendizaje automático.
Paul Lee
Curso: TensorFlow for Image Recognition
Machine Translated
Muy flexible.
Frank Ueltzhöffer
Curso: Artificial Neural Networks, Machine Learning and Deep Thinking
Machine Translated
En general, disfruté de la flexibilidad.
Werner Philipp
Curso: Artificial Neural Networks, Machine Learning and Deep Thinking
Machine Translated
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: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Me beneficié de la selección del tema. Estilo de entrenamiento Practica la orientación.
Commerzbank AG
Curso: Neural Networks Fundamentals using TensorFlow as Example
Machine Translated
Todos me gusta
蒙 李
Curso: Machine Learning Fundamentals with Python
Machine Translated
forma de conducir y ejemplo dado por el entrenador
ORANGE POLSKA S.A.
Curso: Machine Learning and Deep Learning
Machine Translated
Posibilidad de discutir los temas propuestos usted mismo
ORANGE POLSKA S.A.
Curso: Machine Learning and Deep Learning
Machine Translated
Comunicación con los conferenciantes
文欣 张
Curso: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Me gusta
lisa xie
Curso: Artificial Neural Networks, Machine Learning, Deep Thinking
Machine Translated
Cobertura en profundidad de temas de aprendizaje automático, particularmente redes neuronales. Desmitificaron mucho el tema.
Sacha Nandlall
Curso: Python for Advanced Machine Learning
Machine Translated
Este es uno de los mejores cursos prácticos de programación de ejercicios que he tomado.
Laura Kahn
Curso: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
Esta es una de las mejores capacitaciones en línea de calidad que he tomado en mi carrera de 13 años. ¡Mantener el buen trabajo!.
Curso: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
una gran cantidad de ejercicios que puedo usar directamente en mi trabajo.
Alior Bank S.A.
Curso: Sieci Neuronowe w R
Machine Translated
Ejemplos de datos reales.
Alior Bank S.A.
Curso: Sieci Neuronowe w R
Machine Translated
neuralnet, pROC en un bucle.
Alior Bank S.A.
Curso: Sieci Neuronowe w R
Machine Translated
El estilo de entrenamiento de Richard lo mantuvo interesante, los ejemplos del mundo real utilizados ayudaron a llevar los conceptos a casa.
Jamie Martin-Royle - NBrown Group
Curso: From Data to Decision with Big Data and Predictive Analytics
Machine Translated
El contenido, ya que me pareció muy interesante y creo que me ayudaría en mi último año en la Universidad.
Krishan Mistry - NBrown Group
Curso: From Data to Decision with Big Data and Predictive Analytics
Machine Translated
Realmente me gustaron los ejercicios
L M ERICSSON LIMITED
Curso: Machine Learning
Machine Translated
los ejercicios de laboratorio
Marcell Lorant - L M ERICSSON LIMITED
Curso: Machine Learning
Machine Translated
Esta es una de las mejores capacitaciones en línea de calidad que he tomado en mi carrera de 13 años. ¡Mantener el buen trabajo!.
Curso: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
Algunos de nuestros clientes
_ireland.gif "environmental protection agency (epa) ireland")
.jpg "american international group (aig)")
.png "european central bank (ecb)")
Inteligencia Artificial Subcategorías
Programas de los cursos Artificial Intelligence
Nombre del Curso
Duración
Descripción General
Nombre del Curso
Duración
Descripción General
7 horas
Descripción General
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.
14 horas
Descripción General
H2O es una plataforma de análisis predictivo de código abierto. Es compatible con R, Python, Scala, Java y REST.
este entrenamiento en vivo (in situ o remoto) dirigido por un instructor está dirigido a personas técnicas que deseen construir modelos de aprendizaje automático utilizando algoritmos como GLM, Deep Learning y Random bosques.
al final de esta formación, los participantes podrán:
- instalar y configurar H2O.
- crear modelos de aprendizaje automático utilizando diferentes algoritmos populares.
- evalúe los modelos según el tipo de datos y los requisitos empresariales.
Format del curso
Conferencia y discusión - Interactive.
- muchos ejercicios y prácticas.
implementación práctica de - en un entorno de laboratorio en vivo.
Opciones de personalización de
Course
- para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para organizar.
- para aprender más sobre H2O, por favor visite: https://www.h2o.ai/
este entrenamiento en vivo (in situ o remoto) dirigido por un instructor está dirigido a personas técnicas que deseen construir modelos de aprendizaje automático utilizando algoritmos como GLM, Deep Learning y Random bosques.
al final de esta formación, los participantes podrán:
- instalar y configurar H2O.
- crear modelos de aprendizaje automático utilizando diferentes algoritmos populares.
- evalúe los modelos según el tipo de datos y los requisitos empresariales.
Format del curso
Conferencia y discusión - Interactive.
- muchos ejercicios y prácticas.
implementación práctica de - en un entorno de laboratorio en vivo.
Opciones de personalización de
Course
- para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para organizar.
- para aprender más sobre H2O, por favor visite: https://www.h2o.ai/
28 horas
Descripción General
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.
28 horas
Descripción General
Este es un curso de 4 días que presenta IA y su aplicación utiliza el Python programación Python . Existe la opción de tener un día adicional para emprender un proyecto de IA al finalizar este curso.
14 horas
Descripción General
Esta capacitación en vivo dirigida por un instructor (en el sitio o remota) está dirigida a desarrolladores y científicos de datos que desean usar spaCy para procesar grandes volúmenes de texto para encontrar patrones y obtener información.
Al final de esta capacitación, los participantes podrán:
- Instalar y configurar spaCy.
- Comprender el enfoque de spaCy para el Natural Language Processing (NLP) .
- Extraiga patrones y obtenga información comercial de fuentes de datos a gran escala.
- Integre la biblioteca spaCy con las aplicaciones web y heredadas existentes.
- Implemente espacios para entornos de producción en vivo para predecir el comportamiento humano.
- Use spaCy para preprocesar texto para Deep Learning
Formato del curso
- Conferencia interactiva y discusión.
- Muchos 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 organizarlo.
- Para obtener más información sobre spaCy, visite: https://spacy.io/
Al final de esta capacitación, los participantes podrán:
- Instalar y configurar spaCy.
- Comprender el enfoque de spaCy para el Natural Language Processing (NLP) .
- Extraiga patrones y obtenga información comercial de fuentes de datos a gran escala.
- Integre la biblioteca spaCy con las aplicaciones web y heredadas existentes.
- Implemente espacios para entornos de producción en vivo para predecir el comportamiento humano.
- Use spaCy para preprocesar texto para Deep Learning
Formato del curso
- Conferencia interactiva y discusión.
- Muchos 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 organizarlo.
- Para obtener más información sobre spaCy, visite: https://spacy.io/
14 horas
Descripción General
AutoML es un software de aprendizaje automático fácil de usar que automatiza gran parte del trabajo necesario para seleccionar un algoritmo de aprendizaje automático ideal, su configuración de parámetros y los métodos de procesamiento previo.
este entrenamiento en vivo (in situ o remoto) dirigido por un instructor está dirigido a personas técnicas con experiencia en el aprendizaje automático que deseen optimizar los modelos de aprendizaje automático utilizados para detectar patrones complejos en macrodatos.
al final de esta formación, los participantes podrán:
- instalar y evaluar varias herramientas AutoML de código abierto.
- Train modelos de aprendizaje automático de alta calidad.
- eficientemente resuelve diferentes tipos de problemas de aprendizaje automático supervisado.
- escribir sólo el código necesario para iniciar el proceso automatizado de aprendizaje automático.
Format del curso
Conferencia y discusión - Interactive.
- muchos ejercicios y prácticas.
implementación práctica de - en un entorno de laboratorio en vivo.
Opciones de personalización de
Course
- para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para organizar.
- para aprender más acerca de AutoML, por favor visite: https://www.automl.org/
este entrenamiento en vivo (in situ o remoto) dirigido por un instructor está dirigido a personas técnicas con experiencia en el aprendizaje automático que deseen optimizar los modelos de aprendizaje automático utilizados para detectar patrones complejos en macrodatos.
al final de esta formación, los participantes podrán:
- instalar y evaluar varias herramientas AutoML de código abierto.
- Train modelos de aprendizaje automático de alta calidad.
- eficientemente resuelve diferentes tipos de problemas de aprendizaje automático supervisado.
- escribir sólo el código necesario para iniciar el proceso automatizado de aprendizaje automático.
Format del curso
Conferencia y discusión - Interactive.
- muchos ejercicios y prácticas.
implementación práctica de - en un entorno de laboratorio en vivo.
Opciones de personalización de
Course
- para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para organizar.
- para aprender más acerca de AutoML, por favor visite: https://www.automl.org/
14 horas
Descripción General
auto-keras (también conocido como Autokeras o auto keras) es una biblioteca Python de código abierto para el aprendizaje automático automatizado (AutoML).
este entrenamiento en vivo (in situ o remoto) dirigido por un instructor está dirigido a científicos de datos, así como a personas menos técnicas que deseen utilizar auto-keras para automatizar el proceso de selección y optimización de un modelo de aprendizaje automático.
al final de esta formación, los participantes podrán:
- automatice el proceso de formación de modelos de aprendizaje automático altamente eficientes.
- busca automáticamente los mejores parámetros para los modelos de aprendizaje profundo.
- construye modelos de aprendizaje automático altamente precisos.
- Utilice el poder del aprendizaje automático para resolver los problemas empresariales del mundo real.
Format del curso
Conferencia y discusión - Interactive.
- muchos ejercicios y prácticas.
implementación práctica de - en un entorno de laboratorio en vivo.
Opciones de personalización de
Course
- para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para organizar.
- para aprender más acerca de auto-keras, por favor visite: https://autokeras.com/
este entrenamiento en vivo (in situ o remoto) dirigido por un instructor está dirigido a científicos de datos, así como a personas menos técnicas que deseen utilizar auto-keras para automatizar el proceso de selección y optimización de un modelo de aprendizaje automático.
al final de esta formación, los participantes podrán:
- automatice el proceso de formación de modelos de aprendizaje automático altamente eficientes.
- busca automáticamente los mejores parámetros para los modelos de aprendizaje profundo.
- construye modelos de aprendizaje automático altamente precisos.
- Utilice el poder del aprendizaje automático para resolver los problemas empresariales del mundo real.
Format del curso
Conferencia y discusión - Interactive.
- muchos ejercicios y prácticas.
implementación práctica de - en un entorno de laboratorio en vivo.
Opciones de personalización de
Course
- para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para organizar.
- para aprender más acerca de auto-keras, por favor visite: https://autokeras.com/
14 horas
Descripción General
auto-sklearn es un paquete de Python construido en torno a la biblioteca de aprendizaje automático scikit-Learn. Busca automáticamente el algoritmo de aprendizaje correcto para un nuevo DataSet de aprendizaje automático y optimiza sus parámetros.
este entrenamiento en vivo (in situ o remoto) dirigido por un instructor está dirigido a los profesionales de aprendizaje automático que deseen utilizar auto-sklearn para automatizar el proceso de selección y optimización de un modelo de aprendizaje automático.
al final de esta formación, los participantes podrán:
- automatice el proceso de formación de modelos de aprendizaje automático altamente eficientes.
- construir modelos de aprendizaje automático altamente precisos, evitando las tareas más tediosas de seleccionar, entrenar y probar diferentes modelos.
- Utilice el poder del aprendizaje automático para resolver los problemas empresariales del mundo real.
Format del curso
Conferencia y discusión - Interactive.
- muchos ejercicios y prácticas.
implementación práctica de - en un entorno de laboratorio en vivo.
Opciones de personalización de
Course
- para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para organizar.
este entrenamiento en vivo (in situ o remoto) dirigido por un instructor está dirigido a los profesionales de aprendizaje automático que deseen utilizar auto-sklearn para automatizar el proceso de selección y optimización de un modelo de aprendizaje automático.
al final de esta formación, los participantes podrán:
- automatice el proceso de formación de modelos de aprendizaje automático altamente eficientes.
- construir modelos de aprendizaje automático altamente precisos, evitando las tareas más tediosas de seleccionar, entrenar y probar diferentes modelos.
- Utilice el poder del aprendizaje automático para resolver los problemas empresariales del mundo real.
Format del curso
Conferencia y discusión - Interactive.
- muchos ejercicios y prácticas.
implementación práctica de - en un entorno de laboratorio en vivo.
Opciones de personalización de
Course
- para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para organizar.
14 horas
Descripción General
H2O AutoML es una plataforma de inteligencia artificial que automatiza el proceso de creación, selección y optimización de un gran número de modelos de aprendizaje automático.
esta formación presencial dirigida por un instructor (in situ o a distancia) está dirigida a científicos de datos que deseen utilizar H2O AutoML para la automoción del proceso de creación y selección del mejor algoritmo y parámetros de aprendizaje automático.
al final de esta formación, los participantes podrán:
- automatice el flujo de trabajo de aprendizaje automático.
- entrenar y ajustar automáticamente muchos modelos de aprendizaje automático dentro de un intervalo de tiempo especificado.
- Train ensambles apilados para llegar a modelos de conjunto altamente predictivos.
formato de la del curso
Conferencia y discusión - Interactive.
- un montón de 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, póngase en contacto con nosotros para concertar.
esta formación presencial dirigida por un instructor (in situ o a distancia) está dirigida a científicos de datos que deseen utilizar H2O AutoML para la automoción del proceso de creación y selección del mejor algoritmo y parámetros de aprendizaje automático.
al final de esta formación, los participantes podrán:
- automatice el flujo de trabajo de aprendizaje automático.
- entrenar y ajustar automáticamente muchos modelos de aprendizaje automático dentro de un intervalo de tiempo especificado.
- Train ensambles apilados para llegar a modelos de conjunto altamente predictivos.
formato de la del curso
Conferencia y discusión - Interactive.
- un montón de 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, póngase en contacto con nosotros para concertar.
14 horas
Descripción General
Intelligent Process Automation, o IPA, se refiere al uso de Artificial Intelligence (AI) , robótica e integración con servicios de terceros para extender el poder de RPA.
Esta capacitación en vivo dirigida por un instructor (en el sitio o remota) está dirigida a personas técnicas que desean configurar o extender un sistema RPA con capacidades más inteligentes.
Al final de esta capacitación, los participantes podrán:
- Instale y configure UiPath IPA.
- Habilitar robots para gestionar otros robots.
- Aplique la visión por computadora para localizar objetos de la pantalla con precisión.
- Habilite robots que puedan detectar patrones de lenguaje y llevar a cabo análisis de sentimientos sobre contenido no estructurado.
Formato del curso
- Conferencia interactiva y discusión.
- Muchos 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 organizarlo.
- Para obtener más información sobre UiPath IPA, visite: https: // www. UiPath .com / rpa / intelligent-process-automation
Esta capacitación en vivo dirigida por un instructor (en el sitio o remota) está dirigida a personas técnicas que desean configurar o extender un sistema RPA con capacidades más inteligentes.
Al final de esta capacitación, los participantes podrán:
- Instale y configure UiPath IPA.
- Habilitar robots para gestionar otros robots.
- Aplique la visión por computadora para localizar objetos de la pantalla con precisión.
- Habilite robots que puedan detectar patrones de lenguaje y llevar a cabo análisis de sentimientos sobre contenido no estructurado.
Formato del curso
- Conferencia interactiva y discusión.
- Muchos 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 organizarlo.
- Para obtener más información sobre UiPath IPA, visite: https: // www. UiPath .com / rpa / intelligent-process-automation
14 horas
Descripción General
RapidMiner es una plataforma de software de ciencia de datos de código abierto para la creación rápida de prototipos y desarrollo de aplicaciones. Incluye un entorno integrado para la preparación de datos, aprendizaje automático, aprendizaje profundo, minería de texto y análisis predictivo.
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo usar RapidMiner Studio para la preparación de datos, el aprendizaje automático y la implementación del modelo predictivo.
Al final de esta capacitación, los participantes podrán:
- Instalar y configurar RapidMiner
- Prepare y visualice datos con RapidMiner
- Validar modelos de aprendizaje automático
- Combina datos y crea modelos predictivos
- Operacionalice el análisis predictivo dentro de un proceso comercial
- Solucionar problemas y optimizar RapidMiner
Audiencia
- Científicos de datos
- Ingenieros
- Desarrolladores
Formato del curso
- Conferencia parcial, discusión parcial, ejercicios y práctica práctica.
Nota
- Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo usar RapidMiner Studio para la preparación de datos, el aprendizaje automático y la implementación del modelo predictivo.
Al final de esta capacitación, los participantes podrán:
- Instalar y configurar RapidMiner
- Prepare y visualice datos con RapidMiner
- Validar modelos de aprendizaje automático
- Combina datos y crea modelos predictivos
- Operacionalice el análisis predictivo dentro de un proceso comercial
- Solucionar problemas y optimizar RapidMiner
Audiencia
- Científicos de datos
- Ingenieros
- Desarrolladores
Formato del curso
- Conferencia parcial, discusión parcial, ejercicios y práctica práctica.
Nota
- Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.
14 horas
Descripción General
Ingeniería de características de
es el proceso de selección y transformación de datos para mejorar la precisión de los algoritmos de aprendizaje automático. Requiere una profunda familiaridad con los datos por parte de un experto en la materia.
esta formación presencial y dirigida por un instructor (in situ o remoto) está dirigida a personas que deseen aplicar técnicas de ingeniería de características para procesar mejor los datos y obtener mejores modelos de aprendizaje automático.
al final de esta formación, los participantes podrán:
- configurar un entorno de desarrollo óptimo, incluidos todos los paquetes de Python necesarios.
- obtener información importante analizando las características de un conjunto de datos.
- optimice los modelos de aprendizaje automático mediante la adaptación de los datos en bruto.
- Limpie y transforme conjuntos de datos en preparación para el aprendizaje automático.
formato de la del curso
Conferencia y discusión - Interactive.
- un montón de 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, póngase en contacto con nosotros para concertar.
es el proceso de selección y transformación de datos para mejorar la precisión de los algoritmos de aprendizaje automático. Requiere una profunda familiaridad con los datos por parte de un experto en la materia.
esta formación presencial y dirigida por un instructor (in situ o remoto) está dirigida a personas que deseen aplicar técnicas de ingeniería de características para procesar mejor los datos y obtener mejores modelos de aprendizaje automático.
al final de esta formación, los participantes podrán:
- configurar un entorno de desarrollo óptimo, incluidos todos los paquetes de Python necesarios.
- obtener información importante analizando las características de un conjunto de datos.
- optimice los modelos de aprendizaje automático mediante la adaptación de los datos en bruto.
- Limpie y transforme conjuntos de datos en preparación para el aprendizaje automático.
formato de la del curso
Conferencia y discusión - Interactive.
- un montón de 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, póngase en contacto con nosotros para concertar.
21 horas
Descripción General
Las computadoras cuánticas son máquinas que se basan en los principios de la mecánica cuántica. A diferencia de las computadoras clásicas que dependen de bits que solo pueden existir en uno de los dos estados (0 o 1), las computadoras cuánticas usan bits cuánticos que pueden existir en varios estados a la vez. Se espera que las computadoras cuánticas procesen algoritmos y resuelvan problemas mucho más rápido que las computadoras clásicas.
Cirq es una biblioteca de Python para escribir, manipular y optimizar circuitos cuánticos y ejecutarlos contra computadoras y simuladores cuánticos.
En esta capacitación en vivo dirigida por un instructor (en el sitio o remota), los participantes aprenderán los fundamentos de la computación cuántica a medida que avanzan en el desarrollo de algoritmos dirigidos a computadoras cuánticas.
Al final de esta capacitación, los participantes podrán:
- Configure el entorno de desarrollo necesario para comenzar a crear circuitos cuánticos.
- Controle el comportamiento de la puerta utilizando la contraparte nativa de la puerta.
- Mejore las inexactitudes de quibit usando Cirq.
- Escriba y ejecute un circuito cuántico para ejecutarlo contra un simulador de computadora cuántico basado en NISQ.
Formato del curso
- Conferencia interactiva y discusión.
- Muchos 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 organizarlo.
- Para obtener más información sobre Ciq Framework, visite: https://github.com/quantumlib/Cirq
Cirq es una biblioteca de Python para escribir, manipular y optimizar circuitos cuánticos y ejecutarlos contra computadoras y simuladores cuánticos.
En esta capacitación en vivo dirigida por un instructor (en el sitio o remota), los participantes aprenderán los fundamentos de la computación cuántica a medida que avanzan en el desarrollo de algoritmos dirigidos a computadoras cuánticas.
Al final de esta capacitación, los participantes podrán:
- Configure el entorno de desarrollo necesario para comenzar a crear circuitos cuánticos.
- Controle el comportamiento de la puerta utilizando la contraparte nativa de la puerta.
- Mejore las inexactitudes de quibit usando Cirq.
- Escriba y ejecute un circuito cuántico para ejecutarlo contra un simulador de computadora cuántico basado en NISQ.
Formato del curso
- Conferencia interactiva y discusión.
- Muchos 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 organizarlo.
- Para obtener más información sobre Ciq Framework, visite: https://github.com/quantumlib/Cirq
21 horas
Descripción General
TensorFlow es una biblioteca popular y de aprendizaje automático desarrollada por Go ogle para aprendizaje profundo, computación numérica y aprendizaje automático a gran escala. TensorFlow 2.0, lanzado en enero de 2019, es la versión más nueva de TensorFlow e incluye mejoras en la ejecución entusiasta, la compatibilidad y la coherencia de la API.
Esta capacitación en vivo dirigida por un instructor (en el sitio o remota) está dirigida a desarrolladores y científicos de datos que desean usar Tensorflow 2.0 para construir predictores, clasificadores, modelos generativos, redes neuronales, etc.
Al final de esta capacitación, los participantes podrán:
- Instale y configure TensorFlow 2.0.
- Comprenda los beneficios de TensorFlow 2.0 sobre las versiones anteriores.
- Construir modelos de aprendizaje profundo.
- Implemente un clasificador de imagen avanzado.
- Implemente un modelo de aprendizaje profundo en la nube, dispositivos móviles e IoT.
Formato del curso
- Conferencia interactiva y discusión.
- Muchos 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 organizarlo.
- Para obtener más información sobre TensorFlow , visite: https://www.tensorflow.org/
Esta capacitación en vivo dirigida por un instructor (en el sitio o remota) está dirigida a desarrolladores y científicos de datos que desean usar Tensorflow 2.0 para construir predictores, clasificadores, modelos generativos, redes neuronales, etc.
Al final de esta capacitación, los participantes podrán:
- Instale y configure TensorFlow 2.0.
- Comprenda los beneficios de TensorFlow 2.0 sobre las versiones anteriores.
- Construir modelos de aprendizaje profundo.
- Implemente un clasificador de imagen avanzado.
- Implemente un modelo de aprendizaje profundo en la nube, dispositivos móviles e IoT.
Formato del curso
- Conferencia interactiva y discusión.
- Muchos 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 organizarlo.
- Para obtener más información sobre TensorFlow , visite: https://www.tensorflow.org/
21 horas
Descripción General
keras es una API de redes neuronales de alto nivel para el desarrollo rápido y la experimentación. Se ejecuta en la parte superior de TensorFlow, CNTK, o Theano.
esta formación presencial dirigida por un instructor (in situ o a distancia) está dirigida a personas técnicas que deseen aplicar un modelo de aprendizaje profundo a las aplicaciones de reconocimiento de imágenes.
al final de esta formación, los participantes podrán:
- instalar y configurar keras.
- rápidamente prototipo de modelos de aprendizaje profundo.
- implementar una red convolucional.
- implementar una red recurrente.
- ejecutar un modelo de aprendizaje profundo en una CPU y GPU.
formato de la del curso
Conferencia y discusión - Interactive.
- un montón de 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, póngase en contacto con nosotros para concertar.
- para aprender más sobre keras, por favor visite: https://keras.io/
esta formación presencial dirigida por un instructor (in situ o a distancia) está dirigida a personas técnicas que deseen aplicar un modelo de aprendizaje profundo a las aplicaciones de reconocimiento de imágenes.
al final de esta formación, los participantes podrán:
- instalar y configurar keras.
- rápidamente prototipo de modelos de aprendizaje profundo.
- implementar una red convolucional.
- implementar una red recurrente.
- ejecutar un modelo de aprendizaje profundo en una CPU y GPU.
formato de la del curso
Conferencia y discusión - Interactive.
- un montón de 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, póngase en contacto con nosotros para concertar.
- para aprender más sobre keras, por favor visite: https://keras.io/
21 horas
Descripción General
This instructor-led, live training in Argentina (online or onsite) is aimed at developers who wish to build a self-driving car using deep learning techniques.
By the end of this training, participants will be able to:
- Use Keras to build and train a convolutional neural network.
- Use computer vision techniques to identify lanes in an autonomos driving project.
- Train a deep learning model to differentiate traffic signs.
- Simulate a fully autonomous car.
By the end of this training, participants will be able to:
- Use Keras to build and train a convolutional neural network.
- Use computer vision techniques to identify lanes in an autonomos driving project.
- Train a deep learning model to differentiate traffic signs.
- Simulate a fully autonomous car.
21 horas
Descripción General
La mecatrónica (también conocida como ingeniería mecatrónica) es una combinación de mecánica, electrónica y ciencias de la computación.
Este entrenamiento en vivo (en el sitio o remoto) dirigido por un instructor está dirigido a ingenieros que desean aprender sobre la aplicabilidad de la inteligencia artificial a los sistemas mecatrónicos.
Al final de esta capacitación, los participantes podrán:
- Obtenga una visión general de la inteligencia artificial, el aprendizaje automático y la inteligencia computacional.
- Comprender los conceptos de redes neuronales y diferentes métodos de aprendizaje.
- Elegir enfoques de inteligencia artificial de manera efectiva para problemas de la vida real.
- Implementar aplicaciones de inteligencia artificial en ingeniería mecatrónica.
Formato del Curso
- Conferencia interactiva y discusión.
- Muchos ejercicios y practicas.
- Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
- Para solicitar una capacitación personalizada para este curso, contáctenos para concertar una cita.
Este entrenamiento en vivo (en el sitio o remoto) dirigido por un instructor está dirigido a ingenieros que desean aprender sobre la aplicabilidad de la inteligencia artificial a los sistemas mecatrónicos.
Al final de esta capacitación, los participantes podrán:
- Obtenga una visión general de la inteligencia artificial, el aprendizaje automático y la inteligencia computacional.
- Comprender los conceptos de redes neuronales y diferentes métodos de aprendizaje.
- Elegir enfoques de inteligencia artificial de manera efectiva para problemas de la vida real.
- Implementar aplicaciones de inteligencia artificial en ingeniería mecatrónica.
Formato del Curso
- Conferencia interactiva y discusión.
- Muchos ejercicios y practicas.
- Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
- Para solicitar una capacitación personalizada para este curso, contáctenos para concertar una cita.
7 horas
Descripción General
This instructor-led, live training in Argentina (online or onsite) is aimed at technical persons who wish to learn how to implement a machine learning strategy while maximizing the use of big data.
By the end of this training, participants will:
- Understand the evolution and trends for machine learning.
- Know how machine learning is being used across different industries.
- Become familiar with the tools, skills and services available to implement machine learning within an organization.
- Understand how machine learning can be used to enhance data mining and analysis.
- Learn what a data middle backend is, and how it is being used by businesses.
- Understand the role that big data and intelligent applications are playing across industries.
By the end of this training, participants will:
- Understand the evolution and trends for machine learning.
- Know how machine learning is being used across different industries.
- Become familiar with the tools, skills and services available to implement machine learning within an organization.
- Understand how machine learning can be used to enhance data mining and analysis.
- Learn what a data middle backend is, and how it is being used by businesses.
- Understand the role that big data and intelligent applications are playing across industries.
35 horas
Descripción General
This instructor-led, live training in Argentina (online or onsite) is aimed at developers and data scientists who wish to build, deploy, and manage machine learning workflows on Kubernetes.
By the end of this training, participants will be able to:
- Install and configure Kubeflow on premise and in the cloud using AWS EKS (Elastic Kubernetes Service).
- Build, deploy, and manage ML workflows based on Docker containers and Kubernetes.
- Run entire machine learning pipelines on diverse architectures and cloud environments.
- Using Kubeflow to spawn and manage Jupyter notebooks.
- Build ML training, hyperparameter tuning, and serving workloads across multiple platforms.
By the end of this training, participants will be able to:
- Install and configure Kubeflow on premise and in the cloud using AWS EKS (Elastic Kubernetes Service).
- Build, deploy, and manage ML workflows based on Docker containers and Kubernetes.
- Run entire machine learning pipelines on diverse architectures and cloud environments.
- Using Kubeflow to spawn and manage Jupyter notebooks.
- Build ML training, hyperparameter tuning, and serving workloads across multiple platforms.
28 horas
Descripción General
El aprendizaje automático es una rama de la Inteligencia Artificial en la que las computadoras tienen la capacidad de aprender sin ser programadas explícitamente.
El aprendizaje profundo es un subcampo de aprendizaje automático que utiliza métodos basados en el aprendizaje de representaciones y estructuras de datos como las redes neuronales.
Python es un lenguaje de programación de alto nivel famoso por su sintaxis clara y legibilidad de código.
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo implementar modelos de aprendizaje profundo para telecomunicaciones utilizando Python a medida que pasan por la creación de un modelo de riesgo de crédito de aprendizaje profundo.
Al final de esta formación, los participantes podrán:
- Comprender los conceptos fundamentales del aprendizaje profundo.
- Aprenda las aplicaciones y usos del aprendizaje profundo en telecomunicaciones.
- Utilice Python, Keras y TensorFlow para crear modelos de aprendizaje profundo para telecomunicaciones.
- Cree su propio modelo de predicción de abandono sesión de clientes de aprendizaje profundo con Python.
Formato del curso
- Conferencia interactiva y discusión.
- Muchos 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, póngase en contacto con nosotros para organizar.
El aprendizaje profundo es un subcampo de aprendizaje automático que utiliza métodos basados en el aprendizaje de representaciones y estructuras de datos como las redes neuronales.
Python es un lenguaje de programación de alto nivel famoso por su sintaxis clara y legibilidad de código.
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo implementar modelos de aprendizaje profundo para telecomunicaciones utilizando Python a medida que pasan por la creación de un modelo de riesgo de crédito de aprendizaje profundo.
Al final de esta formación, los participantes podrán:
- Comprender los conceptos fundamentales del aprendizaje profundo.
- Aprenda las aplicaciones y usos del aprendizaje profundo en telecomunicaciones.
- Utilice Python, Keras y TensorFlow para crear modelos de aprendizaje profundo para telecomunicaciones.
- Cree su propio modelo de predicción de abandono sesión de clientes de aprendizaje profundo con Python.
Formato del curso
- Conferencia interactiva y discusión.
- Muchos 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, póngase en contacto con nosotros para organizar.
14 horas
Descripción General
¿Cómo serán las ciudades en el futuro? ¿Cómo se puede usar Artificial Intelligence (AI) para mejorar la planificación de la ciudad? ¿Cómo se puede usar la IA para hacer que las ciudades sean más eficientes, habitables, más seguras y respetuosas con el medio ambiente?
En este entrenamiento en vivo dirigido por un instructor (en el sitio o remoto), examinamos las diversas tecnologías que componen la IA, así como los conjuntos de habilidades y el marco mental necesarios para ponerlos en práctica en la planificación de la ciudad. También cubrimos herramientas y enfoques para recopilar y organizar datos relevantes para su uso en IA, incluida la minería 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 organizarlo.
En este entrenamiento en vivo dirigido por un instructor (en el sitio o remoto), examinamos las diversas tecnologías que componen la IA, así como los conjuntos de habilidades y el marco mental necesarios para ponerlos en práctica en la planificación de la ciudad. También cubrimos herramientas y enfoques para recopilar y organizar datos relevantes para su uso en IA, incluida la minería 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 organizarlo.
14 horas
Descripción General
Las pruebas de software son el proceso de evaluar la validez de la funcionalidad de una aplicación de software. La integración de la inteligencia artificial en el entorno de pruebas de software permite que el proceso se prome de IA, acelerando la creación, la ejecución y el mantenimiento de las pruebas.
Este instructor de formación en vivo (in situ o remoto) está dirigido a los probadores de software que desean tener un entorno de pruebas de software impulsado por IA.
Al final de esta formación, los participantes podrán:
- Automatice la generación y parametrización de pruebas unitarias con IA.
- Aplique el aprendizaje automático en un caso de uso del mundo real.
- Automatice la generación y el mantenimiento de pruebas de API con IA.
- Utilice métodos de aprendizaje automático para autocurar la ejecución de pruebas de Selenium.
Formato del curso
- Conferencia interactiva y discusión.
- Muchos 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, póngase en contacto con nosotros para organizar.
Este instructor de formación en vivo (in situ o remoto) está dirigido a los probadores de software que desean tener un entorno de pruebas de software impulsado por IA.
Al final de esta formación, los participantes podrán:
- Automatice la generación y parametrización de pruebas unitarias con IA.
- Aplique el aprendizaje automático en un caso de uso del mundo real.
- Automatice la generación y el mantenimiento de pruebas de API con IA.
- Utilice métodos de aprendizaje automático para autocurar la ejecución de pruebas de Selenium.
Formato del curso
- Conferencia interactiva y discusión.
- Muchos 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, póngase en contacto con nosotros para organizar.
21 horas
Descripción General
Introducción:
El aprendizaje profundo se está convirtiendo en un componente principal del diseño de productos futuros que quiere incorporar inteligencia artificial en el corazón de sus modelos. Dentro de los próximos 5 a 10 años, las herramientas de desarrollo de Aprendizaje Profundo, las bibliotecas y los idiomas se convertirán en componentes estándar de cada conjunto de herramientas de desarrollo de software. Hasta ahora, Google, Sales Force, Facebook, Amazon han utilizado con éxito la IA de aprendizaje profundo para impulsar sus negocios. Las aplicaciones iban desde la traducción automática automática, análisis de imágenes, análisis de video, análisis de movimiento, generación de publicidad dirigida y mucho más.
Este curso está dirigido a aquellas organizaciones que desean incorporar Aprendizaje Profundo como parte muy importante de su estrategia de producto o servicio. A continuación se muestra el esquema del curso de aprendizaje profundo que podemos personalizar para diferentes niveles de empleados / partes interesadas en una organización.
Público objetivo:
(Dependiendo del público objetivo, los materiales del curso serán personalizados)
Ejecutivos
Una descripción general de AI y cómo encaja en la estrategia corporativa, con sesiones de trabajo sobre planificación estratégica, hojas de ruta tecnológicas y asignación de recursos para garantizar el máximo valor.
Gerentes de proyecto
Cómo planificar un proyecto de AI, incluida la recopilación y evaluación de datos, la limpieza y verificación de datos, el desarrollo de un modelo de prueba de concepto, la integración en los procesos comerciales y la entrega en toda la organización.
Desarrolladores
Entrenamientos técnicos detallados, con enfoque en redes neuronales y aprendizaje profundo, análisis de imágenes y video (CNN), análisis de sonido y texto (NLP) y llevar la inteligencia artificial a las aplicaciones existentes.
Vendedores
Una visión general de AI y cómo puede satisfacer las necesidades de los clientes, propuestas de valor para varios productos y servicios, y cómo disipar los temores y promover los beneficios de la IA.
El aprendizaje profundo se está convirtiendo en un componente principal del diseño de productos futuros que quiere incorporar inteligencia artificial en el corazón de sus modelos. Dentro de los próximos 5 a 10 años, las herramientas de desarrollo de Aprendizaje Profundo, las bibliotecas y los idiomas se convertirán en componentes estándar de cada conjunto de herramientas de desarrollo de software. Hasta ahora, Google, Sales Force, Facebook, Amazon han utilizado con éxito la IA de aprendizaje profundo para impulsar sus negocios. Las aplicaciones iban desde la traducción automática automática, análisis de imágenes, análisis de video, análisis de movimiento, generación de publicidad dirigida y mucho más.
Este curso está dirigido a aquellas organizaciones que desean incorporar Aprendizaje Profundo como parte muy importante de su estrategia de producto o servicio. A continuación se muestra el esquema del curso de aprendizaje profundo que podemos personalizar para diferentes niveles de empleados / partes interesadas en una organización.
Público objetivo:
(Dependiendo del público objetivo, los materiales del curso serán personalizados)
Ejecutivos
Una descripción general de AI y cómo encaja en la estrategia corporativa, con sesiones de trabajo sobre planificación estratégica, hojas de ruta tecnológicas y asignación de recursos para garantizar el máximo valor.
Gerentes de proyecto
Cómo planificar un proyecto de AI, incluida la recopilación y evaluación de datos, la limpieza y verificación de datos, el desarrollo de un modelo de prueba de concepto, la integración en los procesos comerciales y la entrega en toda la organización.
Desarrolladores
Entrenamientos técnicos detallados, con enfoque en redes neuronales y aprendizaje profundo, análisis de imágenes y video (CNN), análisis de sonido y texto (NLP) y llevar la inteligencia artificial a las aplicaciones existentes.
Vendedores
Una visión general de AI y cómo puede satisfacer las necesidades de los clientes, propuestas de valor para varios productos y servicios, y cómo disipar los temores y promover los beneficios de la IA.
28 horas
Descripción General
Machine learning is a branch of Artificial Intelligence wherein computers have the ability to learn without being explicitly programmed. R is a popular programming language in the financial industry. It is used in financial applications ranging from core trading programs to risk management systems.
In this instructor-led, live training, participants will learn how to apply machine learning techniques and tools for solving real-world problems in the finance industry. R will be used as the programming language.
Participants first learn the key principles, then put their knowledge into practice by building their own machine learning models and using them to complete a number of team projects.
By the end of this training, participants will be able to:
- Understand the fundamental concepts in machine learning
- Learn the applications and uses of machine learning in finance
- Develop their own algorithmic trading strategy using machine learning with R
Audience
- Developers
- Data scientists
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
In this instructor-led, live training, participants will learn how to apply machine learning techniques and tools for solving real-world problems in the finance industry. R will be used as the programming language.
Participants first learn the key principles, then put their knowledge into practice by building their own machine learning models and using them to complete a number of team projects.
By the end of this training, participants will be able to:
- Understand the fundamental concepts in machine learning
- Learn the applications and uses of machine learning in finance
- Develop their own algorithmic trading strategy using machine learning with R
Audience
- Developers
- Data scientists
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
28 horas
Descripción General
El aprendizaje automático es una rama de la Inteligencia Artificial en la que las computadoras tienen la capacidad de aprender sin estar programadas explícitamente. El aprendizaje profundo es un subcampo del aprendizaje automático que utiliza métodos basados en el aprendizaje de representaciones de datos y estructuras tales como redes neuronales. 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 implementar modelos de aprendizaje profundo para finanzas usando R a medida que avanzan en la creación de un modelo de predicción del precio de las acciones de aprendizaje profundo.
Al final de esta capacitación, los participantes podrán:
- Comprender los conceptos fundamentales del aprendizaje profundo
- Aprende las aplicaciones y usos del aprendizaje profundo en finanzas
- Use R para crear modelos de aprendizaje profundo para finanzas
- Construya su propio modelo de predicción del precio de las acciones de aprendizaje profundo utilizando R
Audiencia
- Desarrolladores
- Científicos de datos
Formato del curso
- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo implementar modelos de aprendizaje profundo para finanzas usando R a medida que avanzan en la creación de un modelo de predicción del precio de las acciones de aprendizaje profundo.
Al final de esta capacitación, los participantes podrán:
- Comprender los conceptos fundamentales del aprendizaje profundo
- Aprende las aplicaciones y usos del aprendizaje profundo en finanzas
- Use R para crear modelos de aprendizaje profundo para finanzas
- Construya su propio modelo de predicción del precio de las acciones de aprendizaje profundo utilizando R
Audiencia
- Desarrolladores
- Científicos de datos
Formato del curso
- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
28 horas
Descripción General
El aprendizaje automático es una rama de la Inteligencia Artificial en la que las computadoras tienen la capacidad de aprender sin estar programadas explícitamente. El aprendizaje profundo es un subcampo del aprendizaje automático que utiliza métodos basados en el aprendizaje de representaciones de datos y estructuras tales como redes neuronales. Python es un lenguaje de programación de alto nivel famoso por su clara sintaxis y legibilidad de código.
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo implementar modelos de aprendizaje profundo para la banca usando Python mientras avanzan en la creación de un modelo de riesgo de crédito de aprendizaje profundo.
Al final de esta capacitación, los participantes podrán:
- Comprender los conceptos fundamentales del aprendizaje profundo
- Aprende las aplicaciones y usos del aprendizaje profundo en la banca
- Utilice Python, Keras y TensorFlow para crear modelos de aprendizaje profundo para la banca
- Construya su propio modelo de riesgo de crédito de aprendizaje profundo usando Python
Audiencia
- Desarrolladores
- Científicos de datos
Formato del curso
- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo implementar modelos de aprendizaje profundo para la banca usando Python mientras avanzan en la creación de un modelo de riesgo de crédito de aprendizaje profundo.
Al final de esta capacitación, los participantes podrán:
- Comprender los conceptos fundamentales del aprendizaje profundo
- Aprende las aplicaciones y usos del aprendizaje profundo en la banca
- Utilice Python, Keras y TensorFlow para crear modelos de aprendizaje profundo para la banca
- Construya su propio modelo de riesgo de crédito de aprendizaje profundo usando Python
Audiencia
- Desarrolladores
- Científicos de datos
Formato del curso
- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
28 horas
Descripción General
El aprendizaje automático es una rama de la Inteligencia Artificial en la que las computadoras tienen la capacidad de aprender sin estar programadas explícitamente. El aprendizaje profundo es un subcampo del aprendizaje automático que utiliza métodos basados en el aprendizaje de representaciones de datos y estructuras tales como redes neuronales. 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 implementar modelos de aprendizaje profundo para la banca usando R a medida que avanzan en la creación de un modelo de riesgo de crédito de aprendizaje profundo.
Al final de esta capacitación, los participantes podrán:
- Comprender los conceptos fundamentales del aprendizaje profundo
- Aprende las aplicaciones y usos del aprendizaje profundo en la banca
- Use R para crear modelos de aprendizaje profundo para la banca
- Construya su propio modelo de riesgo de crédito de aprendizaje profundo usando R
Audiencia
- Desarrolladores
- Científicos de datos
Formato del curso
- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo implementar modelos de aprendizaje profundo para la banca usando R a medida que avanzan en la creación de un modelo de riesgo de crédito de aprendizaje profundo.
Al final de esta capacitación, los participantes podrán:
- Comprender los conceptos fundamentales del aprendizaje profundo
- Aprende las aplicaciones y usos del aprendizaje profundo en la banca
- Use R para crear modelos de aprendizaje profundo para la banca
- Construya su propio modelo de riesgo de crédito de aprendizaje profundo usando R
Audiencia
- Desarrolladores
- Científicos de datos
Formato del curso
- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
28 horas
Descripción General
El aprendizaje automático es una rama de la Inteligencia Artificial en la que las computadoras tienen la capacidad de aprender sin estar programadas explícitamente. El aprendizaje profundo es un subcampo del aprendizaje automático que utiliza métodos basados en el aprendizaje de representaciones de datos y estructuras tales como redes neuronales. Python es un lenguaje de programación de alto nivel famoso por su clara sintaxis y legibilidad de código.
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo implementar modelos de aprendizaje profundo para las finanzas usando Python mientras avanzan en la creación de un modelo de predicción del precio de las acciones de aprendizaje profundo.
Al final de esta capacitación, los participantes podrán:
- Comprender los conceptos fundamentales del aprendizaje profundo
- Aprende las aplicaciones y usos del aprendizaje profundo en finanzas
- Utilice Python, Keras y TensorFlow para crear modelos de aprendizaje profundo para finanzas
- Construya su propio modelo de predicción del precio de las acciones de aprendizaje profundo usando Python
Audiencia
- Desarrolladores
- Científicos de datos
Formato del curso
- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo implementar modelos de aprendizaje profundo para las finanzas usando Python mientras avanzan en la creación de un modelo de predicción del precio de las acciones de aprendizaje profundo.
Al final de esta capacitación, los participantes podrán:
- Comprender los conceptos fundamentales del aprendizaje profundo
- Aprende las aplicaciones y usos del aprendizaje profundo en finanzas
- Utilice Python, Keras y TensorFlow para crear modelos de aprendizaje profundo para finanzas
- Construya su propio modelo de predicción del precio de las acciones de aprendizaje profundo usando Python
Audiencia
- Desarrolladores
- Científicos de datos
Formato del curso
- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
28 horas
Descripción General
Cortana Intelligence Suite es un paquete de productos y servicios integrados en Microsoft Azure Cloud que permite a las entidades transformar datos en acciones inteligentes.
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar los componentes que forman parte de Cortana Intelligence Suite para crear aplicaciones inteligentes basadas en datos.
Al final de esta capacitación, los participantes podrán:
- Aprenda a usar las herramientas de Cortana Intelligence Suite
- Adquiera los últimos conocimientos de gestión de datos y análisis
- Usa componentes de Cortana para convertir los datos en acciones inteligentes
- Usa Cortana para crear aplicaciones desde cero y lanzarla en la nube
Audiencia
- Científicos de datos
- Programadores
- Desarrolladores
- Gerentes
- Arquitectos
Formato del curso
- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar los componentes que forman parte de Cortana Intelligence Suite para crear aplicaciones inteligentes basadas en datos.
Al final de esta capacitación, los participantes podrán:
- Aprenda a usar las herramientas de Cortana Intelligence Suite
- Adquiera los últimos conocimientos de gestión de datos y análisis
- Usa componentes de Cortana para convertir los datos en acciones inteligentes
- Usa Cortana para crear aplicaciones desde cero y lanzarla en la nube
Audiencia
- Científicos de datos
- Programadores
- Desarrolladores
- Gerentes
- Arquitectos
Formato del curso
- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
14 horas
Descripción General
Building Intelligent Systems es una colección de tecnologías capaces de comprender y tomar decisiones inteligentes. Para los proveedores de telecomunicaciones, crear aplicaciones y servicios que puedan usarse para mejorar la operación de los servicios y servicios.
En esta carrera examinamos las diversas tecnologías que componen la IA y los conjuntos de habilidades. A lo largo de la carrera, examinamos las aplicaciones específicas de AI dentro de la industria de las telecomunicaciones.
Audiencia
- Ingenieros de red
- Personal de operaciones de red
- Gerentes técnicos de telecomunicaciones
Formato de la carrera
- Parte de lectura, parte de discusión, ejercicios prácticos
En esta carrera examinamos las diversas tecnologías que componen la IA y los conjuntos de habilidades. A lo largo de la carrera, examinamos las aplicaciones específicas de AI dentro de la industria de las telecomunicaciones.
Audiencia
- Ingenieros de red
- Personal de operaciones de red
- Gerentes técnicos de telecomunicaciones
Formato de la carrera
- Parte de lectura, parte de discusión, ejercicios prácticos
Próximos Cursos Inteligencia Artificial
2021-05-10 09:30:00
35 horas
2021-05-12 09:30:00
14 horas
2021-05-17 09:30:00
14 horas
2021-05-25 09:30:00
21 horas
2021-06-07 09:30:00
21 horas
Otras regiones
Consultoría
Cursos de Fin de Semana de AI, Capacitación por la Tarde de Inteligencia Artificial, AI boot camp, Clases de Artificial Intelligence, Capacitación de Fin de Semana de Inteligencia Artificial, Cursos por la Tarde de AI (Artificial Intelligence), AI coaching, Instructor de AI (Artificial Intelligence), Capacitador de Inteligencia Artificial, Artificial Intelligence con instructor, Cursos de Formación de Inteligencia Artificial, Artificial Intelligence en sitio, Cursos Privados de Artificial Intelligence, Clases Particulares de AI (Artificial Intelligence), Capacitación empresarial de AI, Talleres para empresas de AI (Artificial Intelligence), Cursos en linea de Artificial Intelligence, Programas de capacitación de AI (Artificial Intelligence), Clases de AICursos de Fin de Semana de AI, Capacitación por la Tarde de AI, AI (Artificial Intelligence) boot camp, Clases de Artificial Intelligence, Capacitación de Fin de Semana de Artificial Intelligence (AI), Cursos por la Tarde de AI, AI (Artificial Intelligence) coaching, Instructor de AI (Artificial Intelligence), Capacitador de AI, Artificial Intelligence (AI) con instructor, Cursos de Formación de Artificial Intelligence (AI), Artificial Intelligence en sitio, Cursos Privados de Artificial Intelligence (AI), Clases Particulares de AI, Capacitación empresarial de Artificial Intelligence (AI), Talleres para empresas de AI, Cursos en linea de Artificial Intelligence, Programas de capacitación de Artificial Intelligence (AI), Clases de AI (Artificial Intelligence)