Detección de Fraude con Python y TensorFlow

Este curso intensivo y práctico cubre técnicas avanzadas de Python, mejores prácticas de ingeniería y patrones de diseño comúnmente utilizados para crear aplicaciones Python mantenibles, comprobables y de alto rendimiento. Hace hincapié en el uso de herramientas modernas, tipado, modelos de concurrencia, patrones de arquitectura y flujos de trabajo listos para la producción.

Este entrenamiento en vivo dirigido por instructores (en línea o presencial) está dirigido a desarrolladores de Python de nivel intermedio a avanzado que desean adoptar prácticas y patrones profesionales para sistemas Python de grado industrial.

Al finalizar este entrenamiento, los participantes serán capaces de:

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

Formato del Curso

• Lecciones interactivas y demostraciones breves.
• Laboratorios prácticos y ejercicios de programación cada día.
• Proyecto final integrador que combina patrones, pruebas e implementación.

Opciones de Personalización del Curso

• Para solicitar un entrenamiento personalizado o centrado en un área específica (datos, web o infraestructura), contáctenos para organizarlo.

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

Esta capacitación en vivo y dirigida por un instructor (en línea o presencial) está orientada a ingenieros de ML de nivel intermedio a avanzado, desarrolladores de IA e ingenieros de software que desean construir agentes autónomos robustos y listos para producción utilizando Python.

Al finalizar esta capacitación, los participantes podrán:

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

Formato del curso

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

Opciones de personalización del curso

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

 Se adentra en enfoques prácticos de la Ciencia de Datos e Inteligencia Artificial utilizando Python, dotando a los profesionales de las habilidades necesarias para explorar datos, construir modelos de aprendizaje automático y desplegar aplicaciones impulsadas por IA en contextos empresariales. Cubre los flujos de trabajo CRISP-DM, análisis estadístico, aprendizaje supervisado y no supervisado, aprendizaje profundo con Tensorflow, procesamiento de lenguaje natural, big data con Spark y narración de datos. Es ideal para principiantes que buscan una certificación en ciencia de datos con Python y una formación analítica orientada a la empleabilidad.

Inteligencia artificial con Python es el desarrollo de sistemas inteligentes utilizando el extenso ecosistema de bibliotecas de IA y aprendizaje automático de Python.

Esta formación práctica, impartida por un instructor (en línea o en nuestras instalaciones), está dirigida a programadores de Python de nivel intermedio que desean diseñar, implementar e implementar soluciones de IA usando Python.

Al finalizar esta formación, los participantes podrán:

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

Formato del curso

• Conferencia interactiva y discusión.
• 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, contáctenos para coordinar.

Esta formación en vivo, impartida por un instructor, se realiza en Costa Rica (en línea o presencial) y está dirigida a analistas de negocio que desean automatizar las operaciones mediante trading algorítmico, Python y R.

Al finalizar esta formación, los participantes serán capaces de:

• Utilizar algoritmos para comprar y vender valores en incrementos especializados de forma rápida.
• Reducir los costes asociados a las operaciones mediante el trading algorítmico.
• Monitorizar automáticamente los precios de las acciones y realizar operaciones.

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

Esta formación en vivo, impartida por un instructor, en Costa Rica (en línea o en las instalaciones), está dirigida a desarrolladores de Python de nivel intermedio que deseen mejorar su experiencia de desarrollo con AWS Cloud9.

Al finalizar esta formación, los participantes serán capaces de:

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

Esta capacitación en vivo con instructor en Costa Rica (en línea o en las instalaciones) está dirigida a profesionales de nivel avanzado que desean profundizar su comprensión de la visión por computadora y explorar las capacidades de TensorFlow para desarrollar sofisticados modelos de visión utilizando Google Colab.

Al finalizar esta capacitación, los participantes serán capaces de:

• Construir y entrenar redes neuronales convolucionales (CNN) utilizando TensorFlow.
• Aprovechar Google Colab para el desarrollo de modelos en la nube escalables y eficientes.
• Implementar técnicas de preprocesamiento de imágenes para tareas de visión por computadora.
• Desplegar modelos de visión por computadora para aplicaciones del mundo real.
• Utilizar el aprendizaje por transferencia para mejorar el rendimiento de los modelos CNN.
• Visualizar e interpretar los resultados de los modelos de clasificación de imágenes.

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 Costa Rica (en línea o presencial), está dirigida a científicos de datos y desarrolladores de nivel intermedio que desean comprender y aplicar técnicas de aprendizaje profundo utilizando el entorno de Google Colab.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar y navegar por Google Colab para proyectos de aprendizaje profundo.
• Comprender los fundamentos de las redes neuronales.
• Implementar modelos de aprendizaje profundo utilizando TensorFlow.
• Entrenar y evaluar modelos de aprendizaje profundo.
• Utilizar las características avanzadas de TensorFlow para el aprendizaje profundo.

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 con instructor en Costa Rica (en línea o presencial) está dirigida a desarrolladores y científicos de datos que desean utilizar Tensorflow 2.x para construir predictores, clasificadores, modelos generativos, redes neuronales, entre otros.

Al finalizar esta formación, los participantes serán capaces de:

• Instalar y configurar TensorFlow 2.x.
• Comprender las ventajas de TensorFlow 2.x sobre versiones anteriores.
• Construir modelos de aprendizaje profundo.
• Implementar un clasificador de imágenes avanzado.
• Implementar un modelo de aprendizaje profundo en la nube, dispositivos móviles y dispositivos de IoT.

Este curso comienza proporcionándote conocimientos conceptuales sobre redes neuronales y, de manera general, sobre algoritmos de aprendizaje automático y aprendizaje profundo (algoritmos y aplicaciones).

La Parte 1 (40%) de esta formación se centra más en los fundamentos, pero te ayudará a elegir la tecnología adecuada: TensorFlow, Caffe, Theano, DeepDrive, Keras, etc.

La Parte 2 (20%) de esta formación introduce Theano, una biblioteca de Python que facilita la escritura de modelos de aprendizaje profundo.

La Parte 3 (40%) de la formación se basará extensamente en TensorFlow, la API de la biblioteca de software de código abierto de Google para el Aprendizaje Profundo. Los ejemplos y las prácticas se realizarán todos en TensorFlow.

Público objetivo

Este curso está destinado a ingenieros que buscan utilizar TensorFlow para sus proyectos de Aprendizaje Profundo.

Al finalizar este curso, los participantes podrán:

• tener una buena comprensión de las redes neuronales profundas (DNN), CNN y RNN
• comprender la estructura y los mecanismos de implementación de TensorFlow
• ser capaces de realizar tareas de instalación, configuración de entornos de producción y arquitectura
• poder evaluar la calidad del código, realizar depuración y monitoreo
• ser capaces de implementar modelos de entrenamiento de producción avanzada, construir grafos y registrar logs