Cursos de Machine Learning en Mérida

Esta formación en vivo impartida por un instructor en <ubicación> (en línea o presencial) está dirigida a profesionales con nivel básico que desean comprender el concepto de los modelos preentrenados y aprender a aplicarlos para resolver problemas del mundo real sin tener que construirlos desde cero.

Al finalizar esta formación, los participantes podrán:

• Comprender el concepto y las ventajas de utilizar modelos preentrenados.
• Explorar distintas arquitecturas de modelos preentrenados y sus casos de uso.
• Afinar un modelo preentrenado para tareas específicas.
• Implementar modelos preentrenados en proyectos sencillos de aprendizaje automático.

Esta formación en vivo impartida por un instructor en Mérida (en línea o presencial) está dirigida a participantes con distintos niveles de experiencia que deseen aprovechar la plataforma AutoML de Google para construir chatbots personalizados para diversas aplicaciones.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los fundamentos del desarrollo de chatbots.
• Navegar por Google Cloud Platform y acceder a AutoML.
• Preparar datos para entrenar modelos de chatbots.
• Entrenar y evaluar modelos de chatbots personalizados utilizando AutoML.
• Implementar e integrar chatbots en distintas plataformas y canales.
• Monitorear y optimizar el rendimiento del chatbot con el tiempo.

Esta capacitación en vivo impartida por un instructor en <ubic> (en línea o presencial) está dirigida a desarrolladores de IA de nivel intermedio, ingenieros de aprendizaje automático y arquitectos de sistemas que deseen optimizar modelos de IA para su implementación en el borde.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender los desafíos y requisitos para implementar modelos de IA en dispositivos edge.
• Aplicar técnicas de compresión de modelos para reducir el tamaño y la complejidad de los modelos de IA.
• Utilizar métodos de cuantización para mejorar la eficiencia del modelo en hardware edge.
• Implementar la poda y otras técnicas de optimización para mejorar el rendimiento del modelo.
• Implementar modelos de IA optimizados en diversos dispositivos edge.

Esta capacitación en vivo, dirigida por un instructor en Mérida (en línea o presencial), está dirigida a desarrolladores, científicos de datos y entusiastas de la tecnología de nivel intermedio que deseen adquirir habilidades prácticas para desplegar modelos de IA en dispositivos de borde para diversas aplicaciones.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender los principios de la IA en el Edge y sus beneficios.
• Configurar y ajustar el entorno de computación en el borde.
• Desarrollar, entrenar y optimizar modelos de IA para el despliegue en el edge.
• Implementar soluciones prácticas de IA en dispositivos de borde.
• Evaluar y mejorar el rendimiento de los modelos desplegados en el edge.
• Abordar las consideraciones éticas y de seguridad en las aplicaciones de IA en el Edge.

Este curso en vivo con instructores en Mérida (en línea o presencial) está dirigido a ingenieros de IA y científicos de datos de nivel avanzado que posean conocimientos intermedios a avanzados y deseen mejorar el rendimiento de los modelos DeepSeek, reducir la latencia e implementar soluciones de IA de forma eficiente mediante prácticas modernas de MLOps.

Al finalizar esta formación, los participantes podrán:

• Optimizar los modelos DeepSeek para mejorar su eficiencia, precisión y escalabilidad.
• Implementar las mejores prácticas de MLOps y control de versiones de modelos.
• Desplegar modelos DeepSeek tanto en infraestructura en la nube como on-premise.
• Monitorear, mantener y escalar soluciones de IA de manera efectiva.

Esta capacitación guiada por un instructor en Mérida dota a los profesionales avanzados de las habilidades para diseñar, optimizar e implementar pipelines completos de TinyML. Los participantes aprenderán a recolectar datos, entrenar modelos de bajo consumo y probar aplicaciones del mundo real utilizando laboratorios prácticos.

Esta formación en vivo impartida por un instructor en Mérida (en línea o presencial) está dirigida a desarrolladores intermedios, científicos de datos y profesionales de la IA que desean aprovechar TensorFlow Lite para aplicaciones de Edge AI.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los fundamentos de TensorFlow Lite y su papel en Edge AI.
• Desarrollar y optimizar modelos de IA utilizando TensorFlow Lite.
• Implementar modelos de TensorFlow Lite en diversos dispositivos de borde.
• Utilizar herramientas y técnicas para la conversión y optimización de modelos.
• Implementar aplicaciones prácticas de Edge AI utilizando TensorFlow Lite.

Esta formación en vivo impartida por un instructor en Mérida (en línea o presencial) está dirigida a profesionales de nivel avanzado que desean dominar las tecnologías detrás de los sistemas autónomos.

Al finalizar esta formación, los participantes podrán:

• Diseñar e implementar modelos de IA para la toma de decisiones autónoma.
• Desarrollar algoritmos de control para la navegación autónoma y evitación de obstáculos.
• Garantizar la seguridad y confiabilidad en los sistemas autónomos impulsados por IA.
• Integrar sistemas autónomos con marcos de trabajo existentes de robótica e IA.

Esta formación en vivo impartida por un instructor en Mérida (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 modelos de visión sofisticados 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 de modelos escalable y eficiente 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 (transfer learning) para mejorar el rendimiento de los modelos CNN.
• Visualizar e interpretar los resultados de los modelos de clasificación de imágenes.

Esta capacitación dirigida por un instructor en Mérida capacita a profesionales avanzados para asegurar las líneas de producción de TinyML en dispositivos de borde. Aprenderá a implementar técnicas de preservación de privacidad, endurecer modelos frente a amenazas adversarias y aplicar prácticas recomendadas para el manejo seguro de datos en entornos restringidos.

Esta formación en vivo impartida por un instructor en Mérida (en línea o presencial) está dirigida a profesionales de nivel avanzado que deseen mejorar su conocimiento sobre modelos de aprendizaje automático, perfeccionar sus habilidades en el ajuste de hiperparámetros y aprender cómo desplegar estos modelos de manera efectiva mediante Google Colab.

Al finalizar esta formación, los participantes serán capaces de:

• Implementar modelos avanzados de aprendizaje automático utilizando marcos de trabajo populares como Scikit-learn y TensorFlow.
• Optimizar el rendimiento de los modelos mediante el ajuste de hiperparámetros.
• Desplegar modelos de aprendizaje automático en aplicaciones del mundo real usando Google Colab.
• Colaborar y gestionar proyectos de aprendizaje automático a gran escala en Google Colab.

Esta formación en vivo con instrucción presencial en Mérida (en línea o presencial) está dirigida a profesionales de nivel intermedio que desean aplicar técnicas de inteligencia artificial para optimizar la gestión del rendimiento en la fabricación de semiconductores.

Al finalizar esta formación, los participantes podrán:

• Analizar los datos de producción para identificar los factores que afectan las tasas de rendimiento.
• Implementar algoritmos de IA para mejorar los procesos de gestión del rendimiento.
• Optimizar los parámetros de producción para reducir defectos y mejorar los rendimientos.
• Integrar la gestión del rendimiento impulsada por IA en los flujos de trabajo de producción existentes.

Esta formación en vivo dirigida por un instructor en Mérida (en línea o presencial) está orientada a profesionales de empresas e IA de nivel intermedio que desean aplicar el aprendizaje automático en entornos comerciales, pronósticos y sistemas impulsados por IA, utilizando estudios de caso reales y herramientas basadas en Python.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender cómo el aprendizaje automático se integra dentro de la estrategia empresarial e de IA.
• Aplicar técnicas de aprendizaje supervisado y no supervisado a problemas estructurados en el ámbito empresarial.
• Preprocesar y transformar datos para su modelado.
• Utilizar redes neuronales para tareas de clasificación y predicción.
• Realizar pronósticos de ventas utilizando métodos estadísticos y basados en aprendizaje automático.
• Implementar agrupamiento (clustering) y minería de reglas de asociación para la segmentación de clientes y el descubrimiento de patrones.

Este entrenamiento en vivo impartido por un instructor en Mérida (en línea o presencial) está dirigido a profesionales de nivel intermedio que desean aplicar técnicas de mantenimiento predictivo impulsadas por IA en la fabricación de semiconductores para mejorar la eficiencia de producción y reducir fallos inesperados en los equipos.

Al finalizar este entrenamiento, los participantes podrán:

• Implementar modelos de IA para predecir fallos en los equipos durante la fabricación de semiconductores.
• Analizar datos de mantenimiento para identificar patrones y tendencias que indiquen posibles problemas.
• Integrar el mantenimiento predictivo impulsado por IA en los flujos de trabajo de manufactura existentes.
• Reducir el tiempo de inactividad y los costos de mantenimiento mediante la gestión proactiva de los equipos.

Esta formación en vivo impartida por un instructor en Mérida (en línea o presencial) está dirigida a profesionales de nivel avanzado que desean aplicar técnicas de IA de última generación a la automatización del diseño de semiconductores, mejorando la eficiencia, precisión e innovación en el diseño y verificación de chips.

Al finalizar esta formación, los participantes serán capaces de:

• Aplicar técnicas avanzadas de IA para optimizar los procesos de diseño de semiconductores.
• Integrar modelos de aprendizaje automático en herramientas EDA para una verificación mejorada del diseño.
• Desarrollar soluciones basadas en IA para desafíos complejos de diseño en la fabricación de chips.
• Aprovechar las redes neuronales para mejorar la precisión y velocidad de la automatización del diseño.

Esta formación en vivo con instructores en Mérida (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 características avanzadas de TensorFlow para el aprendizaje profundo.

Esta capacitación en vivo impartida por un instructor en Mérida (en línea o presencial) está dirigida a profesionales de nivel intermedio que desean comprender y aplicar técnicas de IA para optimizar los procesos de fabricación de semiconductores.

Al finalizar esta capacitación, los participantes podrán:

• Comprender las metodologías de IA para la optimización de procesos en la fabricación de chips.
• Implementar modelos de IA para mejorar el rendimiento y reducir defectos.
• Analizar los datos del proceso para identificar parámetros clave que necesitan optimización.
• Aplicar técnicas de aprendizaje automático para ajustar finamente los procesos de fabricación de semiconductores.

Este curso práctico, impartido por un instructor en Mérida (en línea o presencial), está dirigido a participantes de nivel intermedio que desean automatizar y gestionar flujos de trabajo de machine learning, incluyendo el entrenamiento, validación y despliegue de modelos mediante Apache Airflow.

Al finalizar este curso, los participantes serán capaces de:

• Configurar Apache Airflow para la orquestación de flujos de trabajo de machine learning.
• Automatizar tareas de preprocesamiento de datos, entrenamiento y validación de modelos.
• Integrar Airflow con frameworks y herramientas de machine learning.
• Desplegar modelos de machine learning mediante pipelines automatizados.
• Supervisar y optimizar flujos de trabajo de machine learning en producción.

Este curso en vivo con instructores en Mérida (en línea o presencial) está dirigido a científicos de datos y desarrolladores de nivel intermedio que desean aplicar algoritmos de aprendizaje automático de manera eficiente utilizando el entorno de Google Colab.

Al finalizar este curso, los participantes podrán:

• Configurar y navegar por Google Colab para proyectos de aprendizaje automático.
• Comprender y aplicar varios algoritmos de aprendizaje automático.
• Utilizar bibliotecas como Scikit-learn para analizar y predecir datos.
• Implementar modelos de aprendizaje supervisado y no supervisado.
• Optimizar y evaluar modelos de aprendizaje automático de manera efectiva.

Esta capacitación en vivo dirigida por un instructor en Mérida prepara a los profesionales avanzados para optimizar modelos TinyML para dispositivos embebidos con recursos limitados. Los participantes aplicarán cuantización y poda, implementarán pipelines de inferencia de baja latencia y evaluarán el rendimiento frente a los límites de memoria y energía.

Esta formación en vivo con instructor en Mérida (en línea o presencial) está dirigida a profesionales de nivel avanzado que desean explorar las técnicas XAI de vanguardia para modelos de aprendizaje profundo, con un enfoque en la construcción de sistemas de IA interpretables.

Al finalizar esta formación, los participantes podrán:

• Comprender los desafíos de la explicabilidad en el aprendizaje profundo.
• Implementar técnicas XAI avanzadas para redes neuronales.
• Interpretar las decisiones tomadas por los modelos de aprendizaje profundo.
• Evaluar las compensaciones entre rendimiento y transparencia.

Esta formación en vivo impartida por un instructor en Mérida (en línea o presencial) está dirigida a profesionales con conocimientos básicos que desean comprender y aplicar las tecnologías de inteligencia artificial dentro de la industria de la fabricación de semiconductores.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los principios básicos de la IA y cómo se aplican a la fabricación de semiconductores.
• Identificar áreas dentro de la fabricación de semiconductores donde la IA puede implementarse de manera efectiva.
• Utilizar herramientas y técnicas de IA para mejorar la eficiencia de la producción y el control de calidad.
• Implementar modelos básicos de IA para optimizar los procesos de fabricación.

Esta formación en vivo impartida por un instructor en <ubicación> (en línea o presencial) está dirigida a científicos de datos y desarrolladores que desean utilizar modelos de aprendizaje automático de ML.NET para derivar automáticamente proyecciones a partir del análisis de datos ejecutado para aplicaciones empresariales.

Al finalizar esta formación, los participantes podrán:

• Instalar ML.NET e integrarlo en el entorno de desarrollo de aplicaciones.
• Comprender los principios del aprendizaje automático detrás de las herramientas y algoritmos de ML.NET.
• Construir y entrenar modelos de aprendizaje automático para realizar predicciones de manera eficiente con los datos proporcionados.
• Evaluar el rendimiento de un modelo de aprendizaje automático utilizando las métricas de ML.NET.
• Optimizar la precisión de los modelos de aprendizaje automático existentes basándose en el marco de trabajo de ML.NET.
• Aplicar los conceptos de aprendizaje automático de ML.NET a otras aplicaciones de ciencia de datos.

Esta capacitación en vivo impartida por un instructor en Mérida (en línea o presencial) está dirigida a profesionales de datos de nivel intermedio que desean aplicar técnicas de aprendizaje automático para resolver problemas empresariales basados en datos, incluida la previsión de ventas y el modelado predictivo utilizando redes neuronales.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los conceptos fundamentales y los tipos de aprendizaje automático.
• Aplicar algoritmos clave para clasificación, regresión, clustering y análisis de asociación.
• Realizar análisis exploratorio de datos y preparación de datos mediante Python.
• Utilizar redes neuronales para tareas de modelado no lineal.
• Implementar análisis predictivo para la previsión empresarial, incluidos los datos de ventas.
• Evaluar y optimizar el rendimiento del modelo utilizando técnicas visuales y estadísticas.

Esta formación en directo, impartida por instructores en Mérida (en línea o presencial), está dirigida a científicos de datos, ingenieros de aprendizaje automático, investigadores en aprendizaje profundo y expertos en visión por computadora de nivel intermedio a avanzado que desean ampliar sus conocimientos y habilidades en el uso del aprendizaje profundo para la generación de imágenes a partir de texto.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender las arquitecturas y técnicas avanzadas de aprendizaje profundo para la generación de imágenes a partir de texto.
• Implementar modelos complejos y optimizaciones para la síntesis de imágenes de alta calidad.
• Optimizar el rendimiento y la escalabilidad para conjuntos de datos grandes y modelos complejos.
• Afinar los hiperparámetros para mejorar el rendimiento del modelo y su capacidad de generalización.
• Integrar Stable Diffusion con otros marcos de aprendizaje profundo y herramientas.

Esta formación en vivo con instructor en Mérida (en línea o presencial) está dirigida a profesionales de ciberseguridad de nivel intermedio a avanzado que deseen mejorar sus habilidades en la detección de amenazas y la respuesta a incidentes impulsadas por IA.

Al finalizar esta capacitación, los participantes podrán:

• Implementar algoritmos avanzados de IA para la detección de amenazas en tiempo real.
• Personalizar modelos de IA para desafíos específicos de ciberseguridad.
• Desarrollar flujos de trabajo de automatización para la respuesta a amenazas.
• Proteger las herramientas de seguridad basadas en IA contra ataques adversarios.

Esta capacitación en vivo impartida por un instructor Mérida (en línea o presencial) está dirigida a ingenieros de sistemas embebidos y desarrolladores de IA de nivel intermedio que desean desplegar modelos de aprendizaje automático en microcontroladores utilizando TensorFlow Lite y Edge Impulse.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender los fundamentos de TinyML y sus beneficios para aplicaciones de IA en el borde.
• Configurar un entorno de desarrollo para proyectos de TinyML.
• Entrenar, optimizar y desplegar modelos de IA en microcontroladores de bajo consumo.
• Utilizar TensorFlow Lite y Edge Impulse para implementar aplicaciones reales de TinyML.
• Optimizar modelos de IA para lograr eficiencia energética y cumplir con las restricciones de memoria.

Esta formación en vivo impartida por un instructor en <ubicación> (en línea o presencial) está dirigida a profesionales de la ciberseguridad de nivel principiante que desean aprender cómo aprovechar la IA para mejorar las capacidades de detección y respuesta ante amenazas.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender las aplicaciones de la IA en ciberseguridad.
• Implementar algoritmos de IA para la detección de amenazas.
• Automatizar la respuesta ante incidentes con herramientas de IA.
• Integrar la IA en la infraestructura existente de ciberseguridad.

Esta formación en vivo impartida por instructores <ubicada> (en línea o presencial) está dirigida a biólogos que desean comprender el funcionamiento de AlphaFold y utilizar sus modelos como guía en sus estudios experimentales.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los principios básicos de AlphaFold.
• Aprender cómo funciona AlphaFold.
• Aprender a interpretar las predicciones y resultados de AlphaFold.

Esta formación en vivo impartida por un instructor en Mérida (en línea o presencial) está dirigida a analistas de datos de nivel intermedio que deseen aprender a utilizar RapidMiner para estimar y proyectar valores, así como aprovechar las herramientas analíticas para la previsión de series temporales.

Al finalizar esta formación, los participantes serán capaces de:

• Aprender a aplicar la metodología CRISP-DM, seleccionar algoritmos de aprendizaje automático adecuados y mejorar la construcción y el rendimiento de los modelos.
• Utilizar RapidMiner para estimar y proyectar valores, y aprovechar las herramientas analíticas para la previsión de series temporales.

Esta formación en vivo con instructores (en línea o presencial) está dirigida a científicos de datos, ingenieros de aprendizaje automático e investigadores en visión por computadora que desean aprovechar Stable Diffusion para generar imágenes de alta calidad para una variedad de casos de uso.

Al finalizar esta formación, los participantes podrán:

• Comprender los principios de Stable Diffusion y cómo funciona para la generación de imágenes.
• Construir y entrenar modelos de Stable Diffusion para tareas de generación de imágenes.
• Aplicar Stable Diffusion en diversos escenarios de generación de imágenes, como inpainting, outpainting y traducción de imagen a imagen.
• Optimizar el rendimiento y la estabilidad de los modelos de Stable Diffusion.

Este programa de 8 días ofrece un recorrido completo, desde bases sólidas de ingeniería en Python hasta el diseño avanzado de sistemas de IA. Los participantes desarrollan prácticas de codificación disciplinadas, dominan métodos de aprendizaje estadístico y profundo, y construyen sistemas de IA generativa y basados en agentes listos para producción. El enfoque está en la confiabilidad, evaluación, seguridad y despliegue en el mundo real, más allá de la experimentación.

Esta formación en vivo impartida por un instructor en Mérida (en línea o presencial) ofrece una introducción al campo del reconocimiento de patrones y el aprendizaje automático. Aborda aplicaciones prácticas en estadística, ciencias de la computación, procesamiento de señales, visión por computadora, minería de datos y bioinformática.

Al finalizar esta formación, los participantes podrán:

• Aplicar métodos estadísticos fundamentales al reconocimiento de patrones.
• Utilizar modelos clave como redes neuronales y métodos de núcleo para el análisis de datos.
• Implementar técnicas avanzadas para la resolución de problemas complejos.
• Mejorar la precisión de las predicciones combinando diferentes modelos.

Esta formación en vivo, impartida por un instructor, en Mérida (en línea o presencial), está dirigida a científicos de datos que deseen utilizar TensorFlow para analizar datos de posibles fraudes.

Al finalizar esta formación, los participantes serán capaces de:

• Crear un modelo de detección de fraude en Python y TensorFlow.
• Construir regresiones lineales y modelos de regresión lineal para predecir fraudes.
• Desarrollar una aplicación de inteligencia artificial de extremo a extremo para analizar datos de fraude.

Esta práctica formación impartida por un instructor está diseñada como una continuación natural del curso Python para Análisis de Datos.

Introduce a los participantes en los conceptos fundamentales del Aprendizaje Automático y muestra cómo pueden aplicarse directamente a tareas de análisis de datos, como predicción, clasificación y segmentación.

El enfoque está en comprender cómo funciona el Aprendizaje Automático en la práctica, utilizando herramientas familiares como Python, Pandas y Jupyter Notebook, sin requerir una base matemática avanzada.

Esta capacitación en vivo con instructor en Mérida (en línea o presencial) está dirigida a desarrolladores y científicos de datos que desean construir, desplegar y gestionar flujos de trabajo de aprendizaje automático en Kubernetes.

Al finalizar esta capacitación, los participantes podrán:

• Instalar y configurar Kubeflow en entornos locales (on-premise) y en la nube.
• Construir, desplegar y gestionar flujos de trabajo de ML basados en contenedores Docker y Kubernetes.
• Ejecutar flujos de trabajo completos de aprendizaje automático en arquitecturas diversas y entornos cloud.
• Utilizar Kubeflow para generar y gestionar notebooks de Jupyter.
• Construir cargas de trabajo de entrenamiento de ML, ajuste de hiperparámetros y servicio en múltiples plataformas.

Esta formación práctica, impartida por un instructor en <ubicación> (en línea o presencial), está dirigida a ingenieros que desean evaluar los enfoques y herramientas disponibles actualmente para tomar una decisión informada sobre cómo avanzar hacia la adopción de MLOps en su organización.

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

• Instalar y configurar diversos marcos de trabajo y herramientas de MLOps.
• Formar el equipo adecuado con las habilidades necesarias para construir y mantener un sistema de MLOps.
• Preparar, validar y versionar datos para su uso en modelos de aprendizaje automático.
• Comprender los componentes de una tubería (pipeline) de aprendizaje automático y las herramientas necesarias para construirla.
• Experimentar con distintos marcos de trabajo de aprendizaje automático y servidores para el despliegue en producción.
• Operacionalizar todo el proceso de aprendizaje automático para que sea reproducible y mantenible.

Esta formación en vivo dirigida por un instructor en Mérida (en línea o presencial) está dirigida a analistas de datos, desarrolladores o aspirantes a científicos de datos con un nivel intermedio que desean aplicar técnicas de aprendizaje automático en Python para extraer información valiosa, realizar predicciones y automatizar decisiones basadas en datos.

Al finalizar este curso, los participantes podrán:

• Comprender y diferenciar los principales paradigmas del aprendizaje automático.
• Explorar técnicas de preprocesamiento de datos y métricas de evaluación de modelos.
• Aplicar algoritmos de aprendizaje automático para resolver problemas reales de datos.
• Utilizar bibliotecas de Python y cuadernos Jupyter para el desarrollo práctico.
• Construir modelos para predicción, clasificación, recomendación y agrupamiento.

Esta formación presencial y dirigida por un instructor en Mérida (en línea o presencial) está dirigida a desarrolladores y científicos de datos que deseen utilizar TensorFlow 2.x para construir predictores, clasificadores, modelos generativos, redes neuronales, entre otros.

Al finalizar esta formación, los participantes podrán:

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