Detección de Fraude con Python y TensorFlow

Este curso intensivo y práctico abarca técnicas avanzadas de Python, mejores prácticas de ingeniería y patrones de diseño ampliamente utilizados para construir aplicaciones en Python mantenibles, probables y de alto rendimiento. Se enfatizan las herramientas modernas, la tipificación, los modelos de concurrencia, los patrones arquitectónicos y los flujos de trabajo listos para la producción.

Esta formación 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 de Python de grado industrial.

Al finalizar esta formación, los participantes podrán:

• Aplicar la tipificación en Python, las dataclasses y la verificación 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 con pytest, pruebas basadas en propiedades y pipelines de CI.
• Perfilar, optimizar y endurecer aplicaciones de Python para la producción.
• Empaquetar, distribuir e implementar proyectos de Python utilizando herramientas modernas y contenedores.

Formato del Curso

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

Opciones de Personalización del Curso

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

Este curso enseña técnicas prácticas de ingeniería para diseñar, construir, probar y desplegar sistemas agénticos (autónomos) utilizando Python. Cubre el bucle del agente, integraciones con herramientas, 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 bucle del agente y los flujos de trabajo de toma de decisiones.
• Integrar herramientas externas y APIs para ampliar las capacidades del agente.
• Implementar arquitecturas de memoria a corto y largo plazo para agentes.
• Coordinar orquestaciones de múltiples pasos y la compositabilidad de agentes.
• Aplicar mejores prácticas de seguridad, control de acceso y observabilidad para agentes desplegados.

Formato del curso

• Conferencia interactiva y discusión.
• Talleres 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 formación personalizada para este curso, por favor contáctenos para coordinarlo.

Explora enfoques prácticos para la Ciencia de Datos y la Inteligencia Artificial utilizando Python, proporcionando a los profesionales las habilidades necesarias para analizar datos, construir modelos de aprendizaje automático y desplegar aplicaciones impulsadas por inteligencia artificial en contextos empresariales. Cubre 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 de datos. Ideal para quienes buscan una certificación en ciencia de datos con Python y formación práctica para el entorno laboral.

La inteligencia artificial con Python se centra en el desarrollo de sistemas inteligentes utilizando la extensa biblioteca de bibliotecas de IA y aprendizaje automático que ofrece Python.

Esta formación presencial o a distancia, guiada por un instructor, está dirigida a programadores de Python de nivel intermedio que desean diseñar, implementar y desplegar soluciones de IA utilizando Python.

Al final de esta formación, los participantes serán capaces de:

• Implementar algoritmos de IA mediante las bibliotecas fundamentales 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 mayor precisión y eficiencia.

Formato del curso

• Clase interactiva y debates.
• Numersos 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, por favor contáctanos para organizarla.

IA aplicada desde cero en Python equipa a programadores y analistas de datos con técnicas fundamentales para construir soluciones de aprendizaje automático desde la base utilizando Python. Cubre los principios clave del aprendizaje supervisado (clasificación y regresión), el aprendizaje no supervisado (agrupamiento y detección de anomalías) y las arquitecturas avanzadas de redes neuronales. Examina métodos probados 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 resolver problemas del mundo real.

Esta capacitación en vivo, impartida por un instructor, en Peru (en línea o presencial), está dirigida a desarrolladores de Python con un nivel intermedio que desean mejorar su experiencia de desarrollo en Python mediante el uso de AWS Cloud9.

Al finalizar esta capacitación, 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

Visión general del curso

Esta capacitación práctica está diseñada para profesionales con formación en ingeniería de datos que desean adquirir habilidades prácticas en inteligencia artificial, Python y modelos lingüísticos grandes. El curso se centra en aplicaciones reales, cubriendo el uso de modelos, la ingeniería de instrucciones (prompt engineering) y la creación de soluciones impulsadas por IA. Los participantes realizarán ejercicios progresivos que van desde los conceptos fundamentales hasta la construcción de flujos de trabajo de IA listos para implementación.

Formato de la capacitación

• Capacitación presencial en aula

• Sesiones dirigidas por un instructor con práctica guiada

• Discusiones interactivas y estudios de casos del mundo real

• Ejercicios prácticos diarios

Objetivos del curso

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

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

• Aprender cómo funcionan los modelos lingüísticos grandes y cómo utilizarlos de manera efectiva

• Diseñar y optimizar instrucciones (prompts) para obtener resultados confiables

• Construir soluciones completas de IA utilizando API y frameworks

• Integrar la IA en los pipelines de ingeniería de datos

Esta capacitación en vivo con instructor en Peru (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 capacitación, los participantes podrán:

• Construir y entrenar redes neuronales convolucionales (CNN) usando TensorFlow.
• Aprovechar Google Colab para el desarrollo de modelos escalables y eficientes en la nube.
• 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 modelos de clasificación de imágenes.

Esta formación en vivo, impartida por un instructor, en <ubicación> (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 formación, los participantes serán capaces de:

• 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 manipulación, clasificación 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 Peru (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 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 deseen utilizar el stack FARM (FastAPI, React y MongoDB) para crear aplicaciones web dinámicas, de alto rendimiento y escalables.

Al finalizar esta capacitación, los participantes serán capaces de:

• Configurar el entorno de desarrollo necesario que integre FastAPI, React y MongoDB.
• Comprender los conceptos clave, las características y los 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.

Este entrenamiento en vivo dirigido por instructores en Peru (en línea o presencial) está dirigido a desarrolladores que desean utilizar FastAPI con Python para crear, probar e implementar APIs RESTful de manera más fácil y rápida.

Al finalizar este entrenamiento, los participantes serán capaces de:

• Configurar el entorno de desarrollo necesario para crear APIs con Python y FastAPI.
• Crear APIs con mayor rapidez y facilidad 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 usando las herramientas de FastAPI.
• Construir imágenes de contenedores e implementar APIs web en un servidor en la nube.

Este entrenamiento en vivo impartido por un instructor en Peru (en línea o presencial) está dirigido a desarrolladores y científicos de datos que desean utilizar Tensorflow 2.x para construir predictores, clasificadores, modelos generativos, redes neuronales, entre otros.

Al finalizar este entrenamiento, 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 dispositivos IoT.

Este curso comienza brindándote conocimientos conceptuales sobre redes neuronales y, en general, sobre algoritmos de aprendizaje automático, incluyendo el 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 Aprendizaje Profundo. Los ejemplos y las prácticas se realizarán todas en TensorFlow.

Audiencia

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

Después de completar este curso, los participantes:

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