Cursos de Aprendizaje Automático | Cursos de Machine Learning

Cursos de Aprendizaje Automático

Los cursos de capacitación locales, dirigidos por un instructor en vivo (ML), demuestran a través de la práctica cómo aplicar técnicas de aprendizaje de máquinas y herramientas para resolver problemas del mundo real en diversas industrias. Los cursos de NobleProg ML cubren diferentes lenguajes y frameworks de programación, incluyendo Python, R Language y MATLAB. Se ofrecen cursos de aprendizaje de máquinas para varias aplicaciones de la industria, incluyendo finanzas, banca y seguros y cubren los fundamentos del aprendizaje de máquinas, así como enfoques más avanzados como el aprendizaje profundo.

El entrenamiento de aprendizaje en máquina está disponible como "entrenamiento en vivo en el sitio" o "entrenamiento en vivo remoto". El entrenamiento en vivo se puede realizar localmente en las instalaciones del cliente en Guatemala o en los centros de entrenamiento corporativos de NobleProg en Guatemala. El entrenamiento remoto en vivo se lleva a cabo por medio de un escritorio remoto interactivo.

NobleProg--su proveedor de capacitación local

Machine Translated

Testimonios

★★★★★
★★★★★

Algunos de nuestros clientes

Programas de los cursos ML (Machine Learning)

Nombre del Curso
Duración
Descripción General
Nombre del Curso
Duración
Descripción General
7 horas
Descripción General
Este curso ha sido creado para gerentes, arquitectos de soluciones, oficiales de innovación, CTO, arquitectos de software y todos los interesados en la visión general de la inteligencia artificial aplicada y el pronóstico más cercano para su desarrollo.
7 horas
Descripción General
Este curso de capacitación es para personas que deseen aplicar técnicas básicas de Aprendizaje de Máquinas en aplicaciones prácticas.

Científicos de datos y estadísticos que tienen cierta familiaridad con el aprendizaje de máquinas y saben cómo programar R. El énfasis de este curso está en los aspectos prácticos de la preparación de datos / modelos, la ejecución, el análisis post hoc y la visualización. El propósito es dar una introducción práctica al aprendizaje automático a los participantes interesados en aplicar los métodos en el trabajo

Se utilizan ejemplos específicos del sector para hacer que la formación sea relevante para el público.
14 horas
Descripción General
Este curso de capacitación es para personas que deseen aplicar Aprendizaje de la Máquina en aplicaciones prácticas.

Audiencia

Este curso es para científicos de datos y estadísticos que tienen cierta familiaridad con las estadísticas y saben cómo programar R (o Python u otro idioma elegido). El énfasis de este curso está en los aspectos prácticos de la preparación de datos / modelos, la ejecución, el análisis post hoc y la visualización.

El propósito es dar aplicaciones prácticas al Aprendizaje Automático a los participantes interesados en aplicar los métodos en el trabajo.

Se utilizan ejemplos específicos del sector para hacer que la formación sea relevante para el público.
14 horas
Descripción General
El objetivo de este curso es proporcionar una competencia básica en la aplicación de los métodos de aprendizaje automático en la práctica. A través del uso del lenguaje de programación Python y sus diversas bibliotecas, y basado en una multitud de ejemplos prácticos, este curso enseña cómo usar los bloques de construcción más importantes de Aprendizaje de Máquinas, cómo tomar decisiones de modelado de datos, interpretar las salidas de los algoritmos y Validar los resultados.

Nuestro objetivo es darle las habilidades para entender y usar las herramientas más fundamentales de la caja de herramientas de Aprendizaje de Máquinas con confianza y evitar las trampas comunes de las aplicaciones de Data Sciences.
14 horas
Descripción General
El objetivo de este curso es proporcionar una competencia básica en la aplicación de los métodos de aprendizaje automático en la práctica. A través del uso de la plataforma de programación R y sus diversas bibliotecas, y basado en una multitud de ejemplos prácticos, este curso enseña cómo usar los bloques de construcción más importantes de Aprendizaje de Máquinas, cómo tomar decisiones de modelado de datos, interpretar los resultados de los algoritmos y Validar los resultados.

Nuestro objetivo es darle las habilidades para entender y usar las herramientas más fundamentales de la caja de herramientas de Aprendizaje de Máquinas con confianza y evitar las trampas comunes de las aplicaciones de Data Sciences.
21 horas
Descripción General
Artificial Neural Network es un modelo de datos computacional usado en el desarrollo de sistemas de Artificial Intelligence (AI) capaces de realizar tareas "inteligentes". Neural Networks se usan comúnmente en aplicaciones de Machine Learning (ML), que son en sí mismas una implementación de AI. Deep Learning es un subconjunto de ML.
21 horas
Descripción General
This course will be a combination of theory and practical work with specific examples used throughout the event.
21 horas
Descripción General
Este curso introduce métodos de aprendizaje automático en aplicaciones de robótica.

Es un amplio panorama de los métodos existentes, motivaciones e ideas principales en el contexto del reconocimiento de patrones.

Después de un breve trasfondo teórico, los participantes realizarán ejercicios sencillos usando código abierto (normalmente R) o cualquier otro software popular.
21 horas
Descripción General
Este curso es una visión general de Deep Learning sin profundizar en ningún método específico. Es adecuado para las personas que quieren empezar a usar el aprendizaje profundo para mejorar su precisión de la predicción.
21 horas
Descripción General
MATLAB is a numerical computing environment and programming language developed by MathWorks.
21 horas
Descripción General
Artificial Neural Network es un modelo de datos computacional usado en el desarrollo de sistemas de Artificial Intelligence (AI) capaces de realizar tareas "inteligentes". Neural Networks se usan comúnmente en aplicaciones de Machine Learning (ML), que son en sí mismas una implementación de AI. Deep Learning es un subconjunto de ML.
28 horas
Descripción General
El aprendizaje automático es una rama de la Inteligencia Artificial en la que las computadoras tienen la capacidad de aprender sin estar explícitamente programadas. El aprendizaje profundo es un subcampo del aprendizaje automático que utiliza métodos basados en representaciones de datos de aprendizaje y estructuras como las redes neuronales.
14 horas
Descripción General
El objetivo de este curso es proporcionar una competencia básica en la aplicación de métodos de aprendizaje automático en la práctica. A través del uso del lenguaje de programación Scala y de sus diversas bibliotecas, y basado en una multitud de ejemplos prácticos, este curso enseña cómo usar los bloques de construcción más importantes de Aprendizaje de Máquinas, cómo tomar decisiones de modelado de datos, interpretar las salidas de los algoritmos y validar los resultados.

Nuestro objetivo es darle las habilidades para entender y usar las herramientas más fundamentales de la caja de herramientas de Aprendizaje de Máquinas con confianza y evitar las trampas comunes de las aplicaciones de Data Sciences.
14 horas
Descripción General
R es un lenguaje de programación libre de código abierto para computación estadística, análisis de datos y gráficos. R es utilizado por un número creciente de gerentes y analistas de datos dentro de las corporaciones y el mundo académico. R tiene una amplia variedad de paquetes para minería de datos.
21 horas
Descripción General
TensorFlow es una API de segunda generación de la biblioteca de software de código abierto de Google para Deep Learning. El sistema está diseñado para facilitar la investigación en aprendizaje de máquina, y para hacer rápida y fácil la transición del prototipo de investigación al sistema de producción.

Audiencia

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

Después de completar este curso, los delegados:

- entender la estructura y los mecanismos de despliegue de TensorFlow
- ser capaz de llevar a cabo las tareas de instalación / producción de entorno / arquitectura y configuración
- ser capaz de evaluar la calidad del código, realizar depuración,
- ser capaz de implementar producción avanzada como los modelos de entrenamiento, la construcción de gráficos y registro
21 horas
Descripción General
PredictionIO es un servidor de Aprendizaje de Máquina de código abierto construido sobre la pila de código abierto de última generación.

Audiencia

Este curso está dirigido a desarrolladores y científicos de datos que quieren crear motores predictivos para cualquier tarea de aprendizaje automático.
14 horas
Descripción General
Apache SystemML es una plataforma de aprendizaje distribuida y declarativa.

SystemML proporciona un aprendizaje declarativo a máquina a gran escala (ML) que tiene como objetivo la especificación flexible de algoritmos de ML y la generación automática de planes de tiempo de ejecución híbridos que van desde un nodo único, cálculos en memoria hasta cálculos distribuidos en Apache Hadoop y Apache Spark.

Audiencia

Este curso es adecuado para los investigadores, desarrolladores e ingenieros de Learning Machine que buscan utilizar SystemML como un marco para el aprendizaje automático.
28 horas
Descripción General
Este curso explora, con ejemplos específicos, la aplicación de Flujo Tensor a los propósitos de reconocimiento de imagen

Audiencia

Este curso está dirigido a ingenieros que buscan utilizar TensorFlow para los propósitos de reconocimiento de imágenes

Después de completar este curso, los delegados podrán:

- entender la estructura y los mecanismos de despliegue de TensorFlow
- llevar a cabo las tareas de instalación / producción de entorno / arquitectura y configuración
- evaluar la calidad del código, realizar depuración, monitoreo
- implementar la producción avanzada como modelos de formación, creación de gráficos y registro
35 horas
Descripción General
TensorFlow ™ es una biblioteca de software de código abierto para computación numérica utilizando gráficos de flujo de datos.

SyntaxNet es una estructura de procesamiento de lenguaje natural de la red neuronal para TensorFlow.

Word2Vec se utiliza para el aprendizaje de representaciones vectoriales de palabras, llamadas "embeddings palabra". Word2vec es un modelo predictivo particularmente computacionalmente eficiente para aprender las incorporaciones de palabras a partir de texto en bruto. Viene en dos sabores, el modelo continuo de la bolsa-de-palabras (CBOW) y el modelo de Skip-Gram (capítulo 3.1 y 3.2 en Mikolov y otros).

Utilizado en tándem, SyntaxNet y Word2Vec permite a los usuarios generar modelos de incorporación aprendida de entrada de lenguaje natural.

Audiencia

Este curso está dirigido a desarrolladores e ingenieros que tienen la intención de trabajar con los modelos SyntaxNet y Word2Vec en sus gráficos TensorFlow.

Después de completar este curso, los delegados:

Entender la estructura y los mecanismos de despliegue de TensorFlow

- ser capaz de llevar a cabo las tareas de instalación / producción de entorno / arquitectura y configuración
- ser capaz de evaluar la calidad del código, realizar depuración,
- ser capaz de implementar la producción avanzada como modelos de entrenamiento, términos de inclusión, gráficos de construcción y registro
14 horas
Descripción General
Deeplearning4j es una biblioteca de código abierto y de aprendizaje profundo escrita para Java y Scala. Integrado con Hadoop y Spark, DL4J está diseñado para ser utilizado en entornos empresariales en GPUs y CPU distribuidas.

Word2Vec es un método de computación de representaciones vectoriales de palabras introducidas por un equipo de investigadores de Google liderado por Tomas Mikolov.

Audiencia

Este curso está dirigido a investigadores, ingenieros y desarrolladores que buscan utilizar Deeplearning4J para construir modelos Word2Vec.
21 horas
Descripción General
Deeplearning4j es la primera biblioteca de aprendizaje profundo, de código abierto y de código abierto, escrita para Java y Scala. Integrado con Hadoop y Spark, DL4J está diseñado para ser utilizado en entornos empresariales en GPUs y CPU distribuidas.

Audiencia

Este curso está dirigido a ingenieros y desarrolladores que buscan utilizar Deeplearning4j en sus proyectos.

Después de este curso, los delegados podrán:
21 horas
Descripción General
SINGA es una plataforma de aprendizaje profundo distribuida para la formación de grandes modelos de aprendizaje profundo sobre grandes conjuntos de datos. Está diseñado con un modelo de programación intuitivo basado en la abstracción de capas. Se admite una variedad de modelos populares de aprendizaje profundo, a saber, los modelos de feed-forward que incluyen redes neuronales convolucionales (CNN), modelos energéticos como la máquina Boltzmann restringida (RBM) y redes neuronales recurrentes (RNN). Muchas capas integradas se proporcionan para los usuarios. La arquitectura de SINGA es lo suficientemente flexible como para ejecutar marcos de formación síncronos, asíncronos e híbridos. SINGA también soporta diferentes esquemas de particionamiento de red neural para paralelizar el entrenamiento de grandes modelos, a saber, partición en la dimensión de lote, dimensión de entidad o partición híbrida.

Audiencia

Este curso está dirigido a investigadores, ingenieros y desarrolladores que buscan utilizar Apache SINGA como un marco de aprendizaje profundo.

Después de completar este curso, los delegados:

- entender la estructura y los mecanismos de implementación de SINGA
- ser capaz de llevar a cabo las tareas de instalación / producción de entorno / arquitectura y configuración
- ser capaz de evaluar la calidad del código, realizar depuración,
- ser capaz de implementar la producción avanzada como modelos de entrenamiento, términos de inclusión, gráficos de construcción y registro
35 horas
Descripción General
Este curso se crea para personas que no tienen experiencia previa en probabilidades y estadísticas.
21 horas
Descripción General
Deeplearning4j es un software Open-Source Deep-Learning para Java y Scala en Hadoop y Spark.

Audiencia

Este curso está dirigido a ingenieros y desarrolladores que buscan utilizar DeepLearning4J en sus proyectos de reconocimiento de imágenes.
21 horas
Descripción General
Caffe es un marco de aprendizaje profundo hecho con expresión, velocidad y modularidad en mente.

Este curso explora la aplicación de Caffe como un marco de aprendizaje profundo para el reconocimiento de imágenes utilizando el MNIST como ejemplo

Audiencia

Este curso es adecuado para los investigadores e ingenieros de Deep Learning interesados en utilizar Caffe como marco.

Después de completar este curso, los delegados podrán:

- entender la estructura de Caffe y los mecanismos de despliegue
- llevar a cabo las tareas de instalación / producción de entorno / arquitectura y configuración
- evaluar la calidad del código, realizar depuración, monitoreo
- implementar la producción avanzada como modelos de entrenamiento, implementación de capas y registro
21 horas
Descripción General
Audiencia

Este curso es adecuado para los investigadores e ingenieros de Deep Learning interesados en utilizar las herramientas disponibles (en su mayoría de código abierto) para analizar imágenes de computadora

Este curso proporciona ejemplos prácticos.
14 horas
Descripción General
Este curso cubre AI (enfatizando Aprendizaje Automático y Aprendizaje Profundo) en la Industria Automotriz. Ayuda a determinar qué tecnología puede (potencialmente) utilizarse en situaciones múltiples en un automóvil: desde la simple automatización, el reconocimiento de imágenes hasta la toma de decisiones autónoma.
28 horas
Descripción General
Este curso le proporcionará conocimientos en redes neuronales y, en general, en algoritmos de aprendizaje automático, aprendizaje profundo (algoritmos y aplicaciones).

Este entrenamiento se enfoca más en los fundamentos, pero lo ayudará a elegir la tecnología adecuada: TensorFlow, Caffe, Teano, DeepDrive, Keras, etc. Los ejemplos están hechos en TensorFlow.
21 horas
Descripción General
Este curso cubre IA (enfatizando Aprendizaje automático y Aprendizaje profundo)
7 horas
Descripción General
El entorno integrado del Sistema Wolfram lo convierte en una herramienta eficiente para analizar y presentar datos. Este curso cubre aspectos del lenguaje de Wolfram relevantes para el análisis, incluido el cálculo estadístico, la visualización, la importación y exportación de datos y la generación automática de informes.

Próximos Cursos Aprendizaje Automático

Cursos de Fin de Semana de Aprendizaje Automático, Capacitación por la Tarde de ML (Machine Learning), Machine Learning (ML) boot camp, Clases de ML (Machine Learning), Capacitación de Fin de Semana de Aprendizaje Automático, Cursos por la Tarde de ML (Machine Learning), Machine Learning (ML) coaching, Instructor de Aprendizaje Automático, Capacitador de ML (Machine Learning), ML (Machine Learning) con instructor, Cursos de Formación de Aprendizaje Automático, Aprendizaje Automático en sitio, Cursos Privados de ML (Machine Learning), Clases Particulares de Aprendizaje Automático, Capacitación empresarial de ML (Machine Learning), Talleres para empresas de ML (Machine Learning), Cursos en linea de ML (Machine Learning), Programas de capacitación de Machine Learning (ML), Clases de Machine Learning (ML)Cursos de Fin de Semana de ML (Machine Learning), Capacitación por la Tarde de Machine Learning (ML), Machine Learning boot camp, Clases de ML (Machine Learning), Capacitación de Fin de Semana de Machine Learning (ML), Cursos por la Tarde de Machine Learning (ML), Machine Learning (ML) coaching, Instructor de Machine Learning, Capacitador de Machine Learning (ML), Machine Learning con instructor, Cursos de Formación de Machine Learning (ML), ML (Machine Learning) en sitio, Cursos Privados de Machine Learning, Clases Particulares de Machine Learning, Capacitación empresarial de ML (Machine Learning), Talleres para empresas de Machine Learning (ML), Cursos en linea de ML (Machine Learning), Programas de capacitación de Machine Learning, Clases de ML (Machine Learning)

Promociones

Descuentos en los Cursos

Respetamos la privacidad de su dirección de correo electrónico. No transmitiremos ni venderemos su dirección a otras personas.
En cualquier momento puede cambiar sus preferencias o cancelar su suscripción por completo.

is growing fast!

We are looking to expand our presence in Guatemala!

As a Business Development Manager you will:

  • expand business in Guatemala
  • recruit local talent (sales, agents, trainers, consultants)
  • recruit local trainers and consultants

We offer:

  • Artificial Intelligence and Big Data systems to support your local operation
  • high-tech automation
  • continuously upgraded course catalogue and content
  • good fun in international team

If you are interested in running a high-tech, high-quality training and consulting business.

Apply now!

Este sitio en otros países / regiones