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, mediante gráficos composables con estado persistente y control sobre la ejecución.

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

Al finalizar esta capacitación, los participantes podrán:

• Diseñar y optimizar topologías complejas de LangGraph para lograr velocidad, eficiencia en costos y escalabilidad.
• Asegurar la confiabilidad mediante reintentos, tiempos de espera, idempotencia y recuperación basada en puntos de control (checkpointing).
• Depurar y rastrear la ejecución de gráficos, inspeccionar el estado y reproducir sistemáticamente los problemas en producción.
• Instrumentar gráficos con registros (logs), métricas y rastreo, desplegarlos en producción y monitorear los SLA y los costos.

Formato del curso

• Clases interactivas y discusiones.
• Abundantes 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 coordinar los detalles.

Esta formación presencial impartida por un instructor en <ubicación> (en línea o in situ) está dirigida a científicos de datos que desean utilizar el ecosistema de Anaconda para capturar, gestionar e implementar paquetes y flujos de trabajo de análisis de datos en una plataforma única.

Al finalizar esta formación, los participantes podrán:

• Instalar y configurar los componentes y bibliotecas de Anaconda.
• Comprender los conceptos fundamentales, características y beneficios de Anaconda.
• Gestionar paquetes, entornos y canales utilizando Anaconda Navigator.
• Utilizar paquetes de Conda, R y Python para ciencia de datos y aprendizaje automático.
• Conocer algunos casos de uso prácticos y técnicas para gestionar múltiples entornos de datos.

Esta formación en vivo impartida por un instructor en Costa Rica (en línea o presencial) está dirigida a científicos de datos e ingenieros de software que desean utilizar Dask con el ecosistema de Python para construir, escalar y analizar conjuntos de datos grandes.

Al finalizar esta formación, los participantes podrán:

• Configurar el entorno para comenzar a construir procesos de análisis de grandes datos con Dask y Python.
• Explorar las características, bibliotecas, herramientas y APIs disponibles en Dask.
• Comprender cómo Dask acelera la computación en paralelo en Python.
• Aprender a escalar el ecosistema de Python (Numpy, SciPy y Pandas) utilizando Dask.
• Optimizar el entorno de Dask para mantener un alto rendimiento al manejar grandes conjuntos de datos.

Esta formación en vivo, impartida por un instructor, en Costa Rica (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 formación, los participantes serán capaces de:

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

Esta formación en vivo, impartida por un instructor (en línea o presencial), está dirigida a desarrolladores que desean utilizar el stack FARM (FastAPI, React y MongoDB) para construir aplicaciones web dinámicas, de alto rendimiento y escalables.

Al finalizar esta formación, los participantes podrán:

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

Esta formación en vivo impartida por un instructor en Costa Rica (en línea o presencial) está dirigida a desarrolladores que desean utilizar FastAPI con Python para construir, probar y desplegar APIs RESTful de manera más fácil y rápida.

Al finalizar esta formación, los participantes podrán:

• Configurar el entorno de desarrollo necesario para crear APIs con Python y FastAPI.
• Crear APIs con mayor velocidad y facilidad utilizando la biblioteca FastAPI.
• Aprender a crear modelos de datos y esquemas basados en Pydantic y OpenAPI.
• Conectar APIs a una base de datos utilizando SQLAlchemy.
• Implementar seguridad y autenticación en APIs mediante las herramientas de FastAPI.
• Construir imágenes de contenedores y desplegar APIs web en un servidor en la nube.

Esta formación en vivo, impartida por un instructor en Costa Rica (en línea o presencial), está dirigida a investigadores y profesionales de laboratorio de nivel principiante a intermedio que deseen procesar y analizar imágenes relacionadas con tejidos histológicos, células sanguíneas, algas y otras muestras biológicas.

Al finalizar esta formación, los participantes podrán:

• Navegar por la interfaz de Fiji y utilizar las funciones principales de ImageJ.
• Preprocesar y mejorar imágenes científicas para obtener mejores resultados analíticos.
• Analizar imágenes de manera cuantitativa, incluyendo el conteo de células y la medición de áreas.
• Automatizar tareas repetitivas mediante el uso de macros y complementos (plugins).
• Personalizar flujos de trabajo según las necesidades específicas de análisis de imágenes en investigación biológica.

Esta formación en vivo dirigida por un instructor en Costa Rica (en línea o presencial) está dirigida a científicos de datos y desarrolladores que desean aprender y desarrollar sus carreras en Ciencia de Datos utilizando Kaggle.

Al final de esta formación, los participantes serán capaces de:

• Aprender sobre ciencia de datos y aprendizaje automático.
• Explorar el análisis de datos.
• Aprender sobre Kaggle y cómo funciona.

LangGraph es un marco de trabajo para construir aplicaciones de LLM multi-actor y con estado, mediante gráficos compositables con estado persistente y control sobre la ejecución.

Esta formación en vivo, guiada por un instructor (en línea o presencial), está dirigida a profesionales de nivel intermedio a avanzado que deseen diseñar, implementar y operar soluciones financieras basadas en LangGraph con la gobernanza, observabilidad y cumplimiento adecuados.

Al finalizar esta formación, los participantes podrán:

• Diseñar flujos de trabajo de LangGraph específicos para finanzas, alineados con los requisitos regulatorios y de auditoría.
• Integrar estándares y ontologías de datos financieros en el estado del gráfico y las herramientas.
• Implementar controles de confiabilidad, seguridad e intervención humana para procesos críticos.
• Desplegar, monitorear y optimizar sistemas LangGraph para rendimiento, costos y acuerdos de nivel de servicio (SLA).

Formato del Curso

• Clase interactiva y discusión.
• Muchas actividades prácticas y ejercicios.
• 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.

LangGraph es un marco de trabajo para construir aplicaciones de LLM con estructura de grafo que admiten planificación, ramificación, uso de herramientas, memoria y ejecución controlable.

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

Al finalizar esta formación, los participantes podrán:

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

Formato del Curso

• Conferencia interactiva y discusión facilitada.
• Laboratorios guiados y recorrido por el código en un entorno de pruebas (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 contáctenos para organizarlo.

LangGraph permite diseñar flujos de trabajo con estados y múltiples actores, impulsados por modelos de lenguaje grandes (LLM), con un control preciso sobre las rutas de ejecución y la persistencia del estado. En el sector de la salud, estas capacidades son fundamentales para garantizar el cumplimiento normativo, la interoperabilidad y la creación de sistemas de apoyo a la decisión que se alineen con los flujos de trabajo médicos.

Esta formación, impartida por instructores, en línea o presencial, está dirigida a profesionales de nivel intermedio a avanzado que deseen diseñar, implementar y gestionar soluciones de salud basadas en LangGraph, abordando al mismo tiempo los desafíos regulatorios, éticos y operativos.

Al finalizar esta formación, los participantes podrán:

• Diseñar flujos de trabajo de LangGraph específicos para la salud, teniendo en cuenta el cumplimiento normativo y la trazabilidad.
• Integrar aplicaciones de LangGraph con ontologías y estándares médicos (FHIR, SNOMED CT, CIE).
• Aplicar las mejores prácticas de confiabilidad, trazabilidad y explicabilidad en entornos sensibles.
• Desplegar, monitorear y validar aplicaciones de LangGraph en entornos productivos de atención médica.

Formato del curso

• Clase interactiva y discusión.
• Ejercicios prácticos con casos de estudio del mundo real.
• Práctica de implementación en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinar los detalles.

LangGraph es un marco de trabajo para construir aplicaciones de LLM (modelos de lenguaje grandes) stateful y multi-actor como grafos composables con estado persistente y control preciso sobre la ejecución.

Esta formación en vivo impartida por un instructor (en línea o en las instalaciones) está dirigida a profesionales de nivel intermedio a avanzado que desean diseñar, implementar y operar soluciones legales basadas en LangGraph con los controles necesarios de cumplimiento, trazabilidad y gobernanza.

Al finalizar esta formación, los participantes podrán:

• Diseñar flujos de trabajo de LangGraph específicos para el ámbito legal que preserven la auditabilidad y el cumplimiento normativo.
• Integrar ontologías legales y estándares de documentos en el estado del grafo y en el procesamiento.
• Implementar barreras de seguridad (guardrails), aprobaciones con intervención humana y caminos de decisión trazables.
• Desplegar, monitorear y mantener servicios de LangGraph en producción con capacidades de observabilidad y control de costos.

Formato del Curso

• Conferencia interactiva y debate.
• Numerosos 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 coordinar.

LangGraph es un framework para componer flujos de trabajo de LLM con estructura de grafo que admiten ramificaciones, uso de herramientas, memoria y ejecución controlable.

Esta formación en vivo impartida por un instructor (en línea o presencial) está dirigida a ingenieros y equipos de producto de nivel intermedio que deseen combinar la lógica de grafo de LangGraph con bucles de agentes de LLM para construir aplicaciones dinámicas y conscientes del contexto, como agentes de atención al cliente, árboles de decisión y sistemas de recuperación de información.

Al finalizar esta formación, los participantes podrán:

• Diseñar flujos de trabajo basados en grafos que coordinen agentes de LLM, herramientas y memoria.
• Implementar enrutamiento condicional, reintentos y opciones de respaldo para una ejecución robusta.
• Integrar recuperación de datos, APIs y salidas estructuradas en bucles de agentes.
• Evaluar, monitorear y endurecer el comportamiento del agente para garantizar confiabilidad y seguridad.

Formato del curso

• Clase interactiva y discusión facilitada.
• Laboratorios guiados y revisión de código en un entorno de prueba (sandbox).
• Ejercicios de diseño basados en escenarios y revisiones entre pares.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinar los detalles.

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

Esta capacitación en vivo con instructor (en línea o presencial) está dirigida a marketers de nivel intermedio, estrategas de contenido y desarrolladores de automatización que deseen implementar campañas de email dinámicas y ramificadas, así como pipelines de generación de contenido, utilizando LangGraph.

Al finalizar esta capacitación, los participantes serán capaces de:

• Diseñar flujos de trabajo de contenido y email estructurados en grafo con lógica condicional.
• Integrar LLMs, APIs y fuentes de datos para una 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 debates grupales.
• Prácticas de laboratorio implementando flujos de trabajo de email y pipelines de contenido.
• Ejercicios basados en escenarios sobre personalización, segmentación y lógica ramificada.

Opciones de Personalización del Curso

• Para solicitar una capacitación personalizada para este curso, por favor contáctenos para coordinar.

Esta formación en vivo con instructor en Costa Rica (en línea o presencial) está dirigida a científicos de datos y desarrolladores que desean utilizar RAPIDS para construir pipelines de datos acelerados por GPU, flujos de trabajo y visualizaciones, aplicando algoritmos de aprendizaje automático como XGBoost, cuML, etc.

Al finalizar esta formación, los participantes podrán:

• Configurar el entorno de desarrollo necesario para construir modelos de datos con NVIDIA RAPIDS.
• Comprender las características, componentes y ventajas de RAPIDS.
• Aprovechar las GPU para acelerar los pipelines de datos y análisis de extremo a extremo.
• Implementar la preparación de datos y ETL acelerados por GPU con cuDF y Apache Arrow.
• Aprender a realizar tareas de aprendizaje automático con los algoritmos XGBoost y cuML.
• Construir visualizaciones de datos y ejecutar análisis de grafos con cuXfilter y cuGraph.