Apache Airflow para Ciencia de Datos: Automatización de Pipelines de Aprendizaje Automático

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 AdaBoost para construir algoritmos de refuerzo para aprendizaje automático con Python.

Al finalizar esta capacitación, los participantes serán capaces de:

• Configurar el entorno de desarrollo necesario para comenzar a construir modelos de aprendizaje automático con AdaBoost.
• Comprender el enfoque de aprendizaje en conjunto y cómo implementar el refuerzo adaptativo.
• Aprender a construir modelos AdaBoost para mejorar los algoritmos de aprendizaje automático en Python.
• Utilizar el ajuste de hiperparámetros para aumentar la precisión y el rendimiento de los modelos AdaBoost.

Esta formación en vivo con instrucción presencial en <ubicación> (en línea o en sitio) está dirigida a biólogos que desean comprender cómo funciona AlphaFold y utilizar los modelos de AlphaFold como guía en sus estudios experimentales.

Al finalizar esta formación, los participantes podrán:

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

Esta formación 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 participantes con distintos niveles de experiencia que deseen aprovechar la plataforma AutoML de Google para construir chatbots personalizados para diversas aplicaciones.

Al finalizar esta formación, los participantes podrán:

• Comprender los fundamentos del desarrollo de chatbots.
• Navegar por la Plataforma Google Cloud y acceder a AutoML.
• Preparar datos para entrenar modelos de chatbots.
• Entrenar y evaluar modelos personalizados de chatbots usando AutoML.
• Desplegar e integrar chatbots en diversas plataformas y canales.
• Monitorear y optimizar el rendimiento del chatbot con el tiempo.

Esta formación en vivo con instructor en Costa Rica (en línea o presencial) ofrece una introducción al campo del reconocimiento de patrones y el aprendizaje automático. Aborda aplicaciones prácticas en estadística, ciencias de la computación, procesamiento de señales, visión por computadora, minería de datos y bioinformática.

Al finalizar esta capacitación, los participantes podrán:

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

Esta formación en vivo, impartida por un instructor, en Costa Rica (en línea o presencial), está dirigida a científicos y analistas de datos que deseen automatizar, evaluar y gestionar modelos predictivos mediante las capacidades de aprendizaje automático de DataRobot.

Al finalizar esta formación, los participantes podrán:

• Cargar conjuntos de datos en DataRobot para analizar, evaluar y verificar la calidad de los datos.
• Construir y entrenar modelos para identificar variables importantes y cumplir con los objetivos de predicción.
• Interpretar los modelos para generar perspectivas valiosas que sean útiles en la toma de decisiones empresariales.
• Supervisar y gestionar los modelos para mantener un rendimiento de predicción optimizado.

Esta formación en vivo dirigida por un instructor en Costa Rica (en línea o en las instalaciones) está dirigida a desarrolladores de nivel intermedio, científicos de datos y profesionales de AI que deseen aprovechar TensorFlow Lite para aplicaciones de AI de borde.

Al finalizar esta formación, los participantes podrán:

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

Esta formación en vivo con instructores en <ubicación> (en línea o presencial) está dirigida a científicos de datos, analistas de datos y desarrolladores que desean explorar los productos y características de AutoML para crear e implementar modelos de entrenamiento de ML personalizados con el menor esfuerzo posible.

Al finalizar esta formación, los participantes podrán:

• Explorar la línea de productos de AutoML para implementar diferentes servicios para varios tipos de datos.
• Preparar y etiquetar conjuntos de datos para crear modelos de ML personalizados.
• Entrenar y gestionar modelos para producir modelos de aprendizaje automático precisos e imparciales.
• Realizar predicciones utilizando modelos entrenados para cumplir con los objetivos y necesidades comerciales.

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.

Kubeflow es una plataforma de código abierto diseñada para agilizar la construcción, entrenamiento y despliegue de cargas de trabajo de aprendizaje automático en Kubernetes.

Esta formación en vivo y con instructores (en línea o presencial) está dirigida a profesionales de nivel principiante a intermedio que desean construir flujos de trabajo de ML confiables utilizando Kubeflow.

Al completar esta formación, los asistentes adquirirán las habilidades para:

• Navegar por el ecosistema de Kubeflow y sus componentes principales.
• Construir flujos de trabajo reproducibles con Kubeflow Pipelines.
• Ejecutar trabajos de entrenamiento escalables en Kubernetes.
• Servir modelos de aprendizaje automático de manera eficiente con Kubeflow Serving.

Formato del curso

• Presentaciones guiadas y discusiones colaborativas.
• Laboratorios prácticos con componentes reales de Kubeflow.
• Ejercicios prácticos para construir flujos de trabajo de ML de extremo a extremo.

Opciones de personalización del curso

• Se pueden preparar versiones personalizadas de esta formación para alinearse con el conjunto tecnológico y los requisitos de proyectos de su equipo.

Esta formación en vivo con instructor en Costa Rica (en línea o presencial) está dirigida a desarrolladores y científicos de datos que desean construir, implementar y gestionar flujos de trabajo de aprendizaje automático en Kubernetes.

Al finalizar esta formación, los participantes podrán:

• Instalar y configurar Kubeflow tanto en entornos locales como en la nube.
• Construir, implementar y gestionar flujos de trabajo de ML basados en contenedores Docker y Kubernetes.
• Ejecutar pipelines completos de aprendizaje automático en diversas arquitecturas y entornos en la nube.
• Utilizar Kubeflow para generar y gestionar cuadernos Jupyter.
• Desarrollar cargas de trabajo de entrenamiento de ML, ajuste de hiperparámetros y servicios de inferencia en múltiples plataformas.

Esta formación en vivo, impartida por un instructor (en línea o presencial), está dirigida a desarrolladores que desean utilizar ML Kit de Google para crear modelos de aprendizaje automático optimizados para su procesamiento en dispositivos móviles.

Al finalizar esta formación, los participantes podrán:

• Configurar el entorno de desarrollo necesario para comenzar a crear funciones de aprendizaje automático para aplicaciones móviles.
• Integrar nuevas tecnologías de aprendizaje automático en aplicaciones Android e iOS utilizando las APIs de ML Kit.
• Mejorar y optimizar aplicaciones existentes mediante el uso del SDK de ML Kit para el procesamiento y despliegue en el dispositivo.

Esta formación en vivo con instrucción presencial en <ubicación> (en línea o in situ) está dirigida a científicos de datos e ingenieros de software que desean utilizar el Bosque Aleatorio para construir algoritmos de aprendizaje automático con conjuntos de datos grandes.

Al finalizar esta capacitación, los participantes serán capaces de:

• Configurar el entorno de desarrollo necesario para comenzar a construir modelos de aprendizaje automático con Bosques Aleatorios.
• Comprender las ventajas del Bosque Aleatorio y cómo implementarlo para resolver problemas de clasificación y regresión.
• Aprender a manejar conjuntos de datos grandes e interpretar múltiples árboles de decisión en un Bosque Aleatorio.
• Evaluar y optimizar el rendimiento del modelo de aprendizaje automático ajustando los hiperparámetros.

Esta formación en vivo impartida por un instructor en Costa Rica (en línea o presencial) está dirigida a analistas de datos de nivel intermedio que deseen aprender a utilizar RapidMiner para estimar y proyectar valores, así como para aprovechar las herramientas analíticas aplicadas a la predicción de series temporales.

Al finalizar esta formación, los participantes serán capaces de:

• Aplicar la metodología CRISP-DM, seleccionar los algoritmos de aprendizaje automático adecuados y mejorar la construcción y el rendimiento de los modelos.
• Utilizar RapidMiner para estimar y proyectar valores, y aprovechar las herramientas analíticas para la predicción de series temporales.

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.