Detección de Fraudes con Python y TensorFlow

Este curso intensivo y práctico abarca técnicas avanzadas de Python, mejores prácticas de ingeniería y patrones de diseño comúnmente utilizados para construir aplicaciones Python mantenibles, probables y de alto rendimiento. Hace hincapié en herramientas modernas, tipado, modelos de concurrencia, patrones de arquitectura y flujos de trabajo listos para la implementación.

Esta capacitación en vivo con instructor (en línea o presencial) está dirigida a desarrolladores de Python de nivel intermedio a avanzado que desean adoptar prácticas y patrones profesionales para sistemas Python de grado industrial.

Al finalizar esta capacitación, los participantes podrán:

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

Formato del Curso

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

Opciones de Personalización del Curso

• Para solicitar una capacitación personalizada o un área de enfoque específica (datos, web o infraestructura), por favor contáctenos para coordinarlo.

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

Esta formación en vivo impartida por un instructor (en línea o presencial) está dirigida 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 formación, los participantes serán capaces de:

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

Formato del curso

• Clase interactiva y discusión.
• Laboratorios prácticos donde se construirán agentes con Python y SDKs populares.
• Ejercicios basados en proyectos que producen prototipos implementables.

Opciones de personalización del curso

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

Explora enfoques prácticos de la Ciencia de Datos y la IA mediante Python, proporcionando a los profesionales las habilidades necesarias para explorar datos, construir modelos de aprendizaje automático e implementar aplicaciones impulsadas por inteligencia artificial en contextos empresariales. Aborda flujos de trabajo CRISP-DM, análisis estadístico, aprendizaje supervisado y no supervisado, aprendizaje profundo con TensorFlow, procesamiento de lenguaje natural (NLP), Big Data con Spark, y narración basada en datos. Es ideal para principiantes que buscan una certificación en Ciencia de Datos con Python y formación analítica preparada para el mercado laboral.

La inteligencia artificial con Python consiste en el desarrollo de sistemas inteligentes mediante el extenso ecosistema de bibliotecas de IA y aprendizaje automático de Python.

Esta formación práctica, impartida por un instructor (en línea o presencial), está dirigida a programadores de Python de nivel intermedio que deseen diseñar, implementar y desplegar soluciones de IA utilizando Python.

Al finalizar esta formación, los participantes serán capaces de:

• Implementar algoritmos de IA usando 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 del modelo y optimizarlo para mejorar la precisión y la eficiencia.

Formato del curso

• Conferencia interactiva y discusión.
• Abundancia 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 coordinarlo.

IA aplicada desde cero en Python proporciona a los programadores y analistas de datos técnicas fundamentales para construir soluciones de aprendizaje automático desde cero utilizando Python. Cubre los principios básicos del aprendizaje supervisado (clasificación y regresión), el 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 Jupyter en el desarrollo práctico de IA. Ayuda a los profesionales a implementar modelos prácticos de aprendizaje automático, evaluar las limitaciones de los algoritmos y completar proyectos aplicados para la resolución de problemas del mundo real.

Este entrenamiento en vivo impartido por un instructor en Guatemala (en línea o presencial) está dirigido a desarrolladores de Python de nivel intermedio que deseen mejorar su experiencia de desarrollo con AWS Cloud9.

Al finalizar este entrenamiento, los participantes podrán:

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

GitHub Copilot

Descripción del curso

Esta formación práctica está diseñada para profesionales con experiencia en ingeniería de datos que desean adquirir habilidades aplicadas en inteligencia artificial, Python y modelos de lenguaje grande. El curso se centra en aplicaciones del mundo real, abarcando el uso de modelos, la ingeniería de prompts y la creación de soluciones potenciadas por IA. Los participantes realizarán ejercicios progresivos que van desde los conceptos básicos hasta el desarrollo de flujos de trabajo de IA implementables. 

Formato de la capacitación

• Capacitación presencial en aula

 • Sesiones guiadas por un instructor con práctica supervisada  

• Discusiones interactivas y estudios de caso del mundo real

 • Ejercicios prácticos diarios

Objetivos del curso

• Comprender los conceptos fundamentales de IA y aprendizaje automático relevantes para aplicaciones modernas

 • Fortalecer las habilidades de Python para el desarrollo de IA y flujos de trabajo de datos  

• Aprender cómo funcionan los modelos de lenguaje grande y cómo utilizarlos eficazmente  

• Diseñar y optimizar prompts para obtener salidas confiables  

• Crear soluciones integrales de IA utilizando APIs y marcos de trabajo

 • Integrar IA en pipelines de ingeniería de datos  

Esta formación en vivo impartida por un instructor en Guatemala (en línea o presencial) 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 formación, los participantes podrán:

• Construir y entrenar redes neuronales convolucionales (CNN) utilizando TensorFlow.
• Aprovechar Google Colab para el desarrollo de modelos en la nube escalable y eficiente.
• Implementar técnicas de preprocesamiento de imágenes para tareas de visión por computadora.
• Implementar 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 capacitación en vivo impartida por un instructor en Guatemala (en línea o presencial) está dirigida a desarrolladores de Python y analistas de datos de nivel intermedio que desean mejorar sus habilidades en análisis y manipulación de datos utilizando Pandas y NumPy.

Al finalizar esta capacitación, los participantes podrán:

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

Esta formación en vivo impartida por un instructor en <ubic> (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 podrán:

• 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 funciones avanzadas de TensorFlow para el aprendizaje profundo.

Esta formación en vivo con instrucción directa (en línea o presencial) está dirigida a desarrolladores que desean utilizar la pila FARM (FastAPI, React y MongoDB) para construir aplicaciones web dinámicas, de alto rendimiento y escalables.

Al finalizar esta formación, los participantes serán capaces de:

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

Esta formación en vivo impartida por un instructor en Guatemala (en línea o presencial) está dirigida a desarrolladores que desean utilizar FastAPI con Python para crear, probar e implementar APIs RESTful de manera más rápida y sencilla.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar el entorno de desarrollo necesario para crear APIs con Python y FastAPI.
• Crear APIs de forma más rápida y fácil utilizando la librería 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 las APIs mediante las herramientas de FastAPI.
• Construir imágenes de contenedores e implementar APIs web en un servidor en la nube.

Esta capacitación en vivo con instructor en Guatemala (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 capacitación, los participantes serán capaces de:

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

Este curso comienza proporcionando conocimiento conceptual sobre redes neuronales y, en 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 código abierto de Google para el Aprendizaje Profundo. Los ejemplos y las prácticas se realizarán todos en TensorFlow.

Público objetivo

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

Tras completar este curso, los asistentes:

• tendrán una buena comprensión de las redes neuronales profundas (DNN), CNN y RNN.
• comprenderán la estructura y los mecanismos de implementación de TensorFlow.
• podrán llevar a cabo tareas de instalación, configuración del entorno de producción y arquitectura.
• podrán evaluar la calidad del código, realizar depuración y monitoreo.
• podrán implementar entrenamiento de nivel de producción como modelos de entrenamiento, construcción de grafos y registro (logging).