Python para el Aprendizaje Automático Avanzado

Este curso aborda la IA (con énfasis en el Aprendizaje Automático y el Aprendizaje Profundo) en la industria automotriz. Ayuda a determinar qué tecnología podría utilizarse en múltiples situaciones dentro de un vehículo, desde la automatización básica y el reconocimiento de imágenes hasta la toma de decisiones autónomas.

Este curso ha sido creado para gerentes, arquitectos de soluciones, responsables de innovación, directores técnicos de tecnología (CTO), arquitectos de software y cualquier persona interesada en obtener una visión general de la inteligencia artificial aplicada y las perspectivas más cercanas para su desarrollo.

Esta formación en vivo con instructor en Costa Rica (en línea o presencial) está dirigida a participantes de nivel principiante que desean aprender conceptos esenciales en probabilidad, estadística, programación e inteligencia artificial, y aplicarlos al desarrollo de IA.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los conceptos básicos de probabilidad y estadística, y aplicarlos a escenarios del mundo real.
• Escribir y entender código de programación procedimental, funcional y orientado a objetos.
• Implementar técnicas de aprendizaje automático como clasificación, agrupamiento (clustering) y redes neuronales.
• Desarrollar soluciones de IA utilizando motores de reglas y sistemas expertos para la resolución de problemas.

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.

La Red Neuronal Artificial es un modelo de datos computacional utilizado en el desarrollo de sistemas de Inteligencia Artificial (IA) capaces de realizar tareas "inteligentes". Las Redes Neurales se utilizan comúnmente en aplicaciones de Aprendizaje Automático (MA), que son una de las implementaciones de la IA. El Aprendizaje Profundo es un subconjunto del MA.

Este es un curso de 4 días que introduce la inteligencia artificial y sus aplicaciones. Existe la opción de agregar un día adicional para llevar a cabo un proyecto de IA al finalizar este curso.

Este es un curso de 4 días que introduce la inteligencia artificial y sus aplicaciones utilizando el lenguaje de programación Python. Existe la opción de agregar un día adicional para desarrollar un proyecto de IA al finalizar este curso. 

Esta formación en vivo, impartida por un instructor, en Costa Rica (en línea o presencial), está dirigida a científicos de datos y estadísticos de nivel intermedio que deseen preparar datos, construir modelos y aplicar técnicas de aprendizaje automático de manera efectiva en sus dominios profesionales.

Al finalizar esta formación, los participantes podrán:

• Entender e implementar diversos algoritmos de Aprendizaje Automático.
• Preparar datos y modelos para aplicaciones de aprendizaje automático.
• Realizar análisis post hoc y visualizar los resultados de manera efectiva.
• Aplicar técnicas de aprendizaje automático a escenarios reales y específicos del sector.

Una Red Neuronal Artificial es un modelo de datos computacional utilizado en el desarrollo de sistemas de Inteligencia Artificial (IA) capaces de realizar tareas «inteligentes». Las redes neuronales se utilizan comúnmente en aplicaciones de Aprendizaje Automático (ML), que a su vez son una implementación de la IA. El Aprendizaje Profundo es un subconjunto del Aprendizaje Automático.

Esta formación en vivo, impartida por un instructor en Costa Rica (en línea o presencial), está dirigida a investigadores y desarrolladores que deseen utilizar Chainer para construir y entrenar redes neuronales en Python, manteniendo el código fácil de depurar.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar el entorno de desarrollo necesario para comenzar a crear modelos de redes neuronales.
• Definir e implementar modelos de redes neuronales utilizando un código fuente comprensible.
• Ejecutar ejemplos y modificar algoritmos existentes para optimizar los modelos de entrenamiento de aprendizaje profundo, aprovechando las GPU para obtener un alto rendimiento.

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.

El Aprendizaje por Refuerzo Profundo (DRL, por sus siglas en inglés) combina los principios del aprendizaje por refuerzo con arquitecturas de aprendizaje profundo para permitir que los agentes tomen decisiones mediante la interacción con su entorno. Esta técnica es la base de muchos avances modernos en inteligencia artificial, como vehículos autónomos, control robótico, negociación algorítmica y sistemas de recomendación adaptativos. El DRL permite que un agente artificial aprenda estrategias, optimice políticas y tome decisiones autónomas basadas en ensayo y error, utilizando el aprendizaje mediante recompensas.

Esta formación en vivo impartida por un instructor (en línea o presencial) está dirigida a desarrolladores y científicos de datos de nivel intermedio que desean aprender y aplicar técnicas de Aprendizaje por Refuerzo Profundo para construir agentes inteligentes capaces de tomar decisiones autónomas en entornos complejos.

Al finalizar esta formación, los participantes podrán:

• Comprender los fundamentos teóricos y los principios matemáticos del Aprendizaje por Refuerzo.
• Implementar algoritmos clave de Aprendizaje por Refuerzo, incluidos Q-Learning, Gradientes de Política y métodos Actor-Crítico.
• Construir y entrenar agentes de Aprendizaje por Refuerzo Profundo utilizando TensorFlow o PyTorch.
• Aplicar DRL a aplicaciones del mundo real, como videojuegos, robótica y optimización de decisiones.
• Solucionar problemas, visualizar y optimizar el rendimiento del entrenamiento utilizando herramientas modernas.

Formato del curso

• Conferencias interactivas y discusiones guiadas.
• Ejercicios prácticos e implementaciones en la vida real.
• Demostraciones de codificación en vivo y aplicaciones basadas en proyectos.

Opciones de personalización del curso

• Para solicitar una versión personalizada de este curso (por ejemplo, utilizando PyTorch en lugar de TensorFlow), póngase en contacto con nosotros para coordinarlo.

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.

Tipo: Formación teórica con aplicaciones prácticas definidas previamente junto a los estudiantes, utilizando Lasagne o Keras según el grupo pedagógico.

Método pedagógico: presentación, intercambios y estudios de casos.

La inteligencia artificial, después de haber revolucionado numerosos campos científicos, ha comenzado a transformar un gran número de sectores económicos (industria, medicina, comunicación, etc.). Sin embargo, su presentación en los grandes medios suele ser frecuentemente fantástica, muy alejada de lo que son realmente los campos del Machine Learning o del Deep Learning. El objetivo de esta formación es proporcionar a ingenieros que ya dominen las herramientas informáticas (incluyendo una base de programación de software) una introducción al Deep Learning, así como a sus diferentes áreas de especialización y, por ende, a las principales arquitecturas de redes existentes hoy en día. Si bien los fundamentos matemáticos se repasan durante el curso, se recomienda un nivel de matemáticas equivalente a dos años de educación superior para mayor comodidad. En absoluto es posible omitir el eje matemático para conservar solo una visión 'de sistema', pero este enfoque limitará enormemente su comprensión del tema.

Esta formación impartida por un instructor en Costa Rica (en línea o presencial) está dirigida a ingenieros que deseen escribir, cargar y ejecutar modelos de aprendizaje automático en dispositivos integrados muy pequeños.

Al finalizar esta formación, los participantes serán capaces de:

• Instalar TensorFlow Lite.
• Cargar modelos de aprendizaje automático en un dispositivo integrado para permitirle detectar voz, clasificar imágenes, etc.
• Agregar inteligencia artificial a dispositivos de hardware sin depender de la conectividad de red.