Detección de Fraude con Python y TensorFlow

Este curso intensivo y práctico aborda técnicas avanzadas de Python, las mejores prácticas de ingeniería y los patrones de diseño más utilizados para construir aplicaciones de Python mantenibles, testeables y de alto rendimiento. Hace hincapié en la utilización de herramientas modernas, tipado, modelos de concurrencia, patrones de arquitectura y flujos de trabajo listos para producción.

Esta formación en vivo y dirigida por instructores (en línea o presencial) está orientada a desarrolladores de Python de nivel intermedio a avanzado que deseen adoptar prácticas y patrones profesionales para sistemas de Python de calidad de producción.

Al finalizar esta formación, los participantes serán capaces de:

• Aplicar el tipado de Python, 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 testeado con pytest, pruebas basadas en propiedades y pipelines de CI.
• Realizar perfilado, optimización y endurecimiento (hardening) de aplicaciones de Python para producción.
• Empaquetar, distribuir y desplegar 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 mini-integrador que combina patrones, pruebas y despliegue.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada o centrada en un área específica (datos, web o infraestructura), por favor contáctenos para coordinar los detalles.

Este curso enseña técnicas prácticas de ingeniería para diseñar, construir, probar y desplegar sistemas agénticos (autónomos) utilizando Python. Cubre el ciclo del agente, integraciones de 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 podrán:

• Diseñar e implementar el ciclo del agente y 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 multi-paso y la composabilidad entre agentes.
• Aplicar mejores prácticas de seguridad, control de acceso y observabilidad para agentes desplegados.

Formato del curso

• Clase interactiva y discusión.
• Laboratorios 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 organizarlo.

Explora métodos prácticos aplicados a la Ciencia de Datos e Inteligencia Artificial mediante Python, capacitando a los profesionales para analizar datos, construir modelos de aprendizaje automático y desplegar aplicaciones impulsadas por inteligencia artificial en entornos empresariales. Aborda metodologías como CRISP-DM, análisis estadístico, aprendizaje supervisado y no supervisado, deep learning con Tensorflow, procesamiento de lenguaje natural (NLP), big data con Spark, así como narrativas basadas en datos. Es ideal para quienes desean iniciarse en la certificación de ciencia de datos con Python y recibir formación analítica lista para el mercado laboral.

La Inteligencia Artificial con Python es el desarrollo de sistemas inteligentes utilizando la extensa biblioteca de bibliotecas de IA y aprendizaje automático de Python.

Esta formación dirigida por instructores, en línea o en sitio, está dirigida a programadores de Python de nivel intermedio que desean diseñar, implementar e implementar soluciones de IA con Python.

Al finalizar esta formación, los participantes serán capaces de:

• Implementar algoritmos de IA utilizando 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.
• Evaluate el rendimiento del modelo y optimizar para precisión y eficiencia.

Formato del Curso

• Lecciones interactivas y discusión.
• Many 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 organizarlo.

IA aplicada desde cero en Python proporciona a programadores y analistas de datos las 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 las arquitecturas avanzadas de redes neuronales. Examina métodos probados para trabajar con scikit-learn, Apache Spark MLlib y cuadernos de Jupyter en el desarrollo práctico de IA. Ayuda a los profesionales a implementar modelos de ML prácticos, evaluar las limitaciones de los algoritmos y completar proyectos aplicados para la resolución de problemas del mundo real.

Esta formación en vivo impartida por un instructor en Panama (en línea o presencial) está dirigida a desarrolladores de Python de nivel intermedio que desean mejorar su experiencia de desarrollo utilizando AWS Cloud9.

A finales de esta formación, los participantes serán capaces de:

• Configurar y establecer AWS Cloud9 para el desarrollo en Python.
• Comprender la interfaz y las funciones del IDE de AWS Cloud9.
• Escribir, depurar e implementar aplicaciones en 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 formación práctica está diseñada para profesionales con antecedentes 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 (indicaciones) y la creación de soluciones impulsadas por IA. Los participantes realizarán ejercicios progresivos que avanzan desde los conceptos fundamentales hasta el desarrollo de flujos de trabajo de IA desplegables.

Formato de la Formación

• Capacitación presencial en aula

• Sesiones dirigidas por instructores 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 de lenguaje grande y cómo utilizarlos de manera efectiva

• Diseñar y optimizar prompts para obtener resultados confiables

• Crear soluciones de IA de extremo a extremo utilizando APIs y marcos de trabajo

• Integrar la IA en pipelines (canales) de ingeniería de datos

Esta formación en vivo impartida por un instructor en Panama (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 serán capaces de:

• Construir y entrenar redes neuronales convolucionales (CNN) utilizando TensorFlow.
• Aprovechar Google Colab para el desarrollo escalable y eficiente de modelos 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 los modelos de clasificación de imágenes.

Esta formación en vivo con instructor en <ubic> (en línea o presencial) está dirigida a desarrolladores de Python y analistas de datos de nivel intermedio que deseen mejorar sus habilidades en el análisis y la manipulación de datos utilizando Pandas y NumPy.

A al final de esta capacitación, los participantes podrán:

• Configurar un entorno de desarrollo que incluya Python, Pandas y NumPy.
• Crear una aplicación de análisis de datos utilizando Pandas y NumPy.
• Realizar 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 su código de análisis de datos.

Esta formación impartida por instructores en Panama (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 con instructor (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 crear APIs REST con FastAPI.
• Aprender a diseñar aplicaciones interactivas con React.
• Desarrollar, probar y desplegar aplicaciones (frontend y backend) utilizando la pila FARM.

Esta formación en vivo con instrucción en Panama (en línea o presencial) está dirigida a desarrolladores que desean utilizar FastAPI junto con Python para crear, probar y desplegar APIs RESTful de manera más sencilla y rápida.

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 sencilla utilizando la biblioteca FastAPI.
• Aprender a generar modelos de datos y esquemas basados en Pydantic y OpenAPI.
• Conectar las APIs a una base de datos mediante SQLAlchemy.
• Implementar seguridad y autenticación en las APIs aprovechando las herramientas de FastAPI.
• Crear imágenes de contenedores y desplegar APIs web en un servidor en la nube.

Esta formación con instructor a cargo en Panama (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 y otros elementos.

Al final de esta formación, los participantes podrán:

• Instalar y configurar TensorFlow 2.x.
• Comprender las ventajas de TensorFlow 2.x respecto 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 de IoT.

Este curso comienza proporcionándote conocimientos conceptuales sobre redes neuronales y, en general, sobre algoritmos de aprendizaje automático e inteligencia artificial profunda (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 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.

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
• podrán realizar tareas de instalación, configuración del entorno de producción y arquitectura
• podrán evaluar la calidad del código, realizar depuración y monitoreo
• podrán implementar modelos de entrenamiento avanzados como en producción, construir grafos y registrar datos (logging)