Detección de fraudes con Python y TensorFlow

Este curso intensivo y práctico aborda técnicas avanzadas de Python, buenas prácticas de ingeniería y patrones de diseño habituales para desarrollar aplicaciones en Python que sean mantenibles, fáciles de probar y de alto rendimiento. Se enfoca especialmente en el uso de herramientas modernas, tipado estático, modelos de concurrencia, principios arquitectónicos y flujos de trabajo listos para la producción.

Esta capacitación presencial o en línea está dirigida a desarrolladores de Python de nivel intermedio a avanzado que deseen adoptar prácticas profesionales y patrones probados para crear sistemas robustos en producción.

Al finalizar el curso, los participantes serán capaces de:

• Aplicar el tipado estático, las clases de datos y la verificación de tipos para mejorar la fiabilidad del código.
• Utilizar patrones de diseño y principios arquitectónicos para estructurar aplicaciones sólidas.
• Implementar concurrencia y paralelismo correctamente mediante asyncio y multiprocessing.
• Desarrollar código bien probado utilizando pytest, pruebas basadas en propiedades y pipelines de CI.
• Profilar, optimizar y reforzar la seguridad de las aplicaciones Python destinadas a producción.
• Empaquetar, distribuir e implementar proyectos en Python mediante herramientas modernas y contenedores.

Formato del curso

• Clases interactivas y breves demostraciones prácticas.
• Laboratorios prácticos y ejercicios de codificación diarios.
• Un proyecto final que integre todos los patrones, pruebas e implementaciones vistos durante el curso.

Opciones de personalización del curso

• Para solicitar una capacitación adaptada a necesidades específicas o enfocada en áreas como datos, desarrollo web o infraestructura, no dude en contactarnos.

Este curso enseña técnicas prácticas de ingeniería para diseñar, construir, probar e implementar sistemas agentes (autónomos) mediante Python. Abarca el bucle del agente, la integración de herramientas, la gestión de memoria y estado, los patrones de orquestación, los controles de seguridad y aspectos clave para entornos de producción.

Se trata de una capacitación presencial o en línea, guiada por un instructor, dirigida a ingenieros de Machine Learning, desarrolladores de IA e ingenieros de software con nivel intermedio o avanzado que deseen crear agentes autónomos robustos y listos para producción utilizando Python.

Al finalizar este curso, los participantes podrán:

• Diseñar e implementar el bucle del agente y sus flujos de toma de decisiones.
• Integrar herramientas y APIs externas para ampliar las capacidades de los agentes.
• Implementar arquitecturas de memoria a corto y largo plazo para los agentes.
• Coordinar orquestaciones de múltiples pasos y facilitar la composabilidad entre agentes.
• Aplicar buenas prácticas en materia de seguridad, control de acceso y observabilidad para los agentes desplegados.

Formato del curso

• Clases interactivas con discusiones y ejercicios prácticos.
• Laboratorios prácticos donde se construyen agentes usando Python y SDKs populares.
• Ejercicios basados en proyectos que permiten desarrollar prototipos listos para implementación.

Opciones de personalización del curso

• Para solicitar una capacitación adaptada a sus necesidades, no dude en contactarnos.

Este curso profundiza en los enfoques prácticos para aplicar la Ciencia de Datos y la Inteligencia Artificial utilizando Python. Capacita a profesionales para explorar datos, desarrollar modelos de aprendizaje automático e implementar aplicaciones basadas en IA en entornos empresariales. Se abordan los flujos de trabajo CRISP-DM, el análisis estadístico, el aprendizaje supervisado y no supervisado, el aprendizaje profundo con Tensorflow, el procesamiento del lenguaje natural, el manejo de grandes volúmenes de datos mediante Spark y la narración basada en datos. Es ideal para principiantes que buscan obtener una certificación en ciencia de datos con Python y recibir capacitación orientada a su inserción laboral.

La Inteligencia Artificial con Python consiste en el desarrollo de sistemas inteligentes mediante el amplio ecosistema de bibliotecas de IA y aprendizaje automático que ofrece Python.

Este curso, dirigido por un instructor y impartido en vivo (en línea o presencial), está orientado a programadores de Python de nivel intermedio que deseen diseñar, implementar y desplegar soluciones de IA utilizando este lenguaje.

Al finalizar el curso, los participantes podrán:

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

Formato del curso

• Clases interactivas con discusión guiada.
• Numerosos ejercicios prácticos para consolidar los conocimientos.
• Aplicación directa en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Si desea solicitar una adaptación específica para su equipo, no dude en contactarnos.

Este curso, "Inteligencia Artificial aplicada desde cero en Python", proporciona a programadores y analistas de datos técnicas fundamentales para desarrollar soluciones de aprendizaje automático partiendo desde cero mediante el uso de Python. Se abordan los principios básicos del aprendizaje supervisado, tanto en clasificación como regresión, así como el aprendizaje no supervisado con técnicas de agrupamiento y detección de anomalías. Además, se estudian arquitecturas avanzadas de redes neuronales. El curso explora métodos probados para trabajar con herramientas como scikit-learn, Apache Spark MLlib y cuadernos de Jupyter en el desarrollo práctico de proyectos de IA. Asimismo, ayuda a los profesionales a implementar modelos de aprendizaje automático eficaces, evaluar las limitaciones de los algoritmos y completar proyectos aplicados orientados a resolver problemas reales.

Esta formación presencial o online, impartida por un instructor, va dirigida a desarrolladores de Python de nivel intermedio que deseen optimizar su proceso de desarrollo utilizando AWS Cloud9.

Al finalizar este curso, los participantes serán capaces de:

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

GitHub Copilot

Descripción del curso

Este taller práctico está dirigido a profesionales con experiencia en ingeniería de datos que deseen desarrollar habilidades aplicadas en inteligencia artificial, Python y modelos de lenguaje de gran escala. El programa se centra en aplicaciones reales, abordando el uso de modelos, la ingeniería de prompts y la creación de soluciones basadas en IA. Los participantes irán realizando ejercicios progresivos que les permitirán pasar desde los conceptos básicos hasta la implementación de flujos de trabajo inteligentes plenamente operativos.

Formato del entrenamiento

• Enseñanza presencial en aula

• Sesiones guiadas por un instructor con práctica supervisada

• Discusiones interactivas y análisis de casos reales

• Ejercicios diarios orientados a la acción

Objetivos del curso

• Comprender los principales conceptos de IA y aprendizaje automático relevantes para aplicaciones contemporáneas

• Potenciar las competencias en Python orientadas al desarrollo de software inteligente y a la gestión de flujos de datos

• Entender el funcionamiento de los modelos de lenguaje de gran escala y aprender a emplearlos eficazmente

• Diseñar y optimizar prompts para obtener resultados coherentes y fiables

• Crear soluciones inteligentes completas mediante el uso de APIs y diversos frameworks

• Incorporar la IA en los procesos de ingeniería de datos

Esta capacitación presencial guiada por un instructor en España (en línea o in situ) está orientada a profesionales avanzados que deseen perfeccionar sus conocimientos en visión por computadora y comprender mejor cómo TensorFlow facilita la creación de modelos visuales innovadores mediante Google Colab.

Al finalizar esta formación, los participantes habrán desarrollado las competencias necesarias para:

• Diseñar y entrenar redes neuronales convolucionales (CNN) con TensorFlow.
• Utilizar Google Colab como plataforma eficiente para desarrollar modelos escalables en la nube.
• Aplicar diversas técnicas de preprocesamiento y acondicionamiento de imágenes destinadas a fines específicos de visión por computadora.
• Implementar modelos visuales en escenarios prácticos y reales.
• Emplear el aprendizaje por transferencia como herramienta para potenciar los resultados de las redes CNN.
• Analizar visualmente y comprender con claridad los resultados obtenidos por modelos que clasifican imágenes.

Este taller dirigido por instructores en España (presencial o virtual) está orientado a desarrolladores de Python y analistas intermedios que deseen perfeccionar sus competencias en el procesamiento y análisis de datos mediante Pandas y Numpy.

Al concluir este taller, los alumnos podrán:

• Instalar y configurar un entorno de programación que integre Python, Pandas y Numpy.
• Diseñar programas de análisis informático aplicando Pandas y Numpy.
• Efectuar tareas sofisticadas de organización, ordenamiento y filtrado de datos.
• Realizar cálculos agregados y estudiar tendencias temporales.
• Diseñar gráficos descriptivos mediante Matplotlib y otras utilidades visuales.
• Depurar y mejorar su código de análisis de información.

Esta capacitación presencial o en línea España, impartida por un instructor, va dirigida a científicos de datos y desarrolladores de nivel intermedio que desean comprender y aplicar técnicas de aprendizaje profundo usando el entorno de Google Colab.

Al concluir esta formación, los participantes serán capaces de:

• Configurar y manejar Google Colab para llevar a cabo proyectos de aprendizaje profundo.
• Entender las bases teóricas de las redes neuronales.
• Desarrollar modelos de aprendizaje profundo empleando TensorFlow.
• Entrenar y medir el rendimiento de dichos modelos.
• Utilizar las capacidades avanzadas que ofrece TensorFlow en tareas de aprendizaje profundo.

Este curso presencial o en línea, guiado por instructores especializados, está destinado a desarrolladores que desean emplear el stack FARM (FastAPI, React y MongoDB) para crear aplicaciones web dinámicas, de alto rendimiento y fácilmente escalables.

Al término del entrenamiento, los participantes serán capaces de:

• Configurar el entorno necesario para integrar FastAPI, React y MongoDB.
• Entender a fondo la esencia del stack FARM: sus conceptos clave, funcionalidades y beneficios.
• Implementar APIs REST mediante FastAPI.
• Diseñar interfaces interactivas utilizando React.
• Crear, probar e implementar aplicaciones completas empleando el stack FARM.

Este entrenamiento presencial o virtual, dirigido por instructores, está pensado para desarrolladores que quieran usar FastAPI junto con Python a fin de crear, probar y desplegar APIs RESTful de forma sencilla y rápida.

Al finalizar el curso, los asistentes podrán:

• Configurar el entorno adecuado para desarrollar APIs con Python y FastAPI.
• Diseñar APIs de forma más ágil gracias a la biblioteca FastAPI.
• Aprender a crear modelos de datos y esquemas mediante Pydantic y OpenAPI.
• Conectar las APIs con bases de datos empleando SQLAlchemy.
• Integrar mecanismos de seguridad y autenticación usando utilidades integradas en FastAPI.
• Generar imágenes de contenedores e implementar APIs web en entornos cloud.

Este curso presencial o en línea, dirigido por un instructor, está orientado a desarrolladores y científicos de datos que deseen utilizar TensorFlow 2.x para crear predictores, clasificadores, modelos generativos, redes neuronales, entre otros.

Al término del curso, los participantes podrán:

• Instalar y configurar TensorFlow 2.x.
• Comprender las ventajas de esta versión respecto a ediciones anteriores.
• Diseñar modelos de aprendizaje profundo.
• Implementar un clasificador avanzado para imágenes.
• Desplegar sus modelos en entornos como la nube, dispositivos móviles y sistemas IoT.

Este curso comienza proporcionándole conocimientos conceptuales sobre redes neuronales, algoritmos de aprendizaje automático y el aprendizaje profundo (sus algoritmos y aplicaciones).

La primera parte del entrenamiento (40%) se centra en los fundamentos, pero le ayudará a seleccionar la tecnología adecuada: TensorFlow, Caffe, Theano, DeepDrive, Keras, etc.

En la segunda parte del curso (20%), se introduce Theano, una biblioteca de Python que facilita la creación de modelos de aprendizaje profundo.

La tercera parte del entrenamiento (40%) se basará ampliamente en TensorFlow, la API de la biblioteca de software de código abierto de Google para el aprendizaje profundo. Todos los ejemplos y prácticas se realizarán con TensorFlow.

Público objetivo

Este curso está dirigido a ingenieros que deseen utilizar TensorFlow en sus proyectos de aprendizaje profundo.

Al finalizar este curso, los participantes serán capaces de:

• comprender a fondo las redes neuronales profundas (DNN), las CNN y las RNN
• conocer la estructura y mecanismos de despliegue de TensorFlow
• realizar tareas de instalación, configuración del entorno de producción y definición de arquitecturas
• evaluar la calidad del código, depurarlo y supervisarlo
• implementar funcionalidades avanzadas en entornos productivos, como el entrenamiento de modelos, la creación de gráficos computacionales y el registro de datos