Detección de fraude con Python y TensorFlow

Este curso intensivo y práctico aborda técnicas avanzadas de Python, mejores prácticas de ingeniería y patrones de diseño comúnmente utilizados para construir aplicaciones en Python que sean mantenibles, verificables y de alto rendimiento. Hace hincapié en herramientas modernas, tipado, modelos de concurrencia, patrones arquitectónicos y flujos de trabajo listos para producción.

Esta formación en vivo con instrucción (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 calidad industrial.

Al finalizar esta capacitación, los participantes podrán:

• Aplicar el tipado en Python, dataclasses y verificación de tipos para aumentar la fiabilidad del código.
• Utilizar patrones de diseño y principios arquitectónicos para estructurar aplicaciones robustas.
• Implementar concurrencia y paralelismo correctamente mediante asyncio y multiprocessing.
• Construir código bien probado con pytest, pruebas basadas en propiedades e integración continua (CI).
• Perfilar, optimizar y endurecer aplicaciones de Python para su despliegue en producción.
• Empaquetar, distribuir e implementar proyectos de Python utilizando herramientas modernas y contenedores.

Formato del curso

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

Opciones de personalización del curso

• Para solicitar una capacitación personalizada o un área de enfoque específica (datos, web o infraestructura), contáctanos para coordinarlo.

Este curso enseña técnicas prácticas de ingeniería para diseñar, construir, probar y desplegar sistemas agénticos (autónomos) utilizando Python. Aborda 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 dirigida por un instructor (en línea o presencial) está orientada a ingenieros de ML, desarrolladores de IA e ingenieros de software de nivel intermedio a avanzado que deseen construir agentes autónomos robustos y listos para producción usando Python.

Al finalizar esta formación, los participantes serán capaces de:

• Diseñar e implementar el ciclo del agente y flujos de trabajo de toma de decisiones.
• Integrar herramientas y APIs externas para ampliar las capacidades del agente.
• Implementar arquitecturas de memoria a corto y largo plazo para los agentes.
• Coordinar orquestaciones en múltiples pasos y la composabilidad de 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, contáctenos para organizarla.

Se adentra en enfoques prácticos de Ciencia de Datos e IA mediante el uso de Python, proporcionando a los profesionales las habilidades necesarias para explorar datos, construir modelos de aprendizaje automático y desplegar aplicaciones impulsadas por inteligencia artificial en entornos empresariales. Aborda flujos de trabajo CRISP-DM, análisis estadístico, aprendizaje supervisado y no supervisado, aprendizaje profundo con TensorFlow, procesamiento de lenguaje natural, big data con Spark y narrativa basada en datos. Es ideal para principiantes que buscan una certificación en ciencia de datos con Python y formación analítica orientada a la inserción laboral.

La Inteligencia Artificial con Python consiste en el desarrollo de sistemas inteligentes utilizando la amplia ecología de bibliotecas de IA y aprendizaje automático que ofrece Python.

Esta formación presencial impartida por un instructor (en línea o en las instalaciones) está dirigida a programadores de Python con nivel intermedio que deseen diseñar, implementar y desplegar soluciones de IA utilizando Python.

Al finalizar esta formación, los participantes serán capaces de:

• Implementar algoritmos de IA utilizando las bibliotecas centrales 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 de los modelos y optimizarlos para lograr mayor precisión y eficiencia.

Formato del curso

• Clases interactivas y discusión.
• Un gran número de 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 contáctenos para coordinarlo.

El curso de Inteligencia artificial aplicada desde cero en Python proporciona a los programadores y analistas de datos las técnicas fundamentales necesarias para construir soluciones de aprendizaje automático desde su base utilizando Python. Cubre los principios centrales del aprendizaje supervisado (clasificación y regresión), el aprendizaje no supervisado (agrupamiento y detección de anomalías) y arquitecturas avanzadas de redes neuronales. Examina métodos probados para trabajar con scikit-learn, Apache Spark MLlib y cuadernos de Jupyter, facilitando el desarrollo práctico de inteligencia artificial. Ayuda a los profesionales a implementar modelos prácticos de aprendizaje automático, evaluar las limitaciones de los algoritmos y completar proyectos aplicados orientados a la resolución de problemas del mundo real.

Esta formación en vivo y con instructor en México (en línea o presencial) está dirigida a desarrolladores de Python de nivel intermedio que deseen mejorar su experiencia de desarrollo mediante el uso de AWS Cloud9.

Al finalizar este curso, los participantes serán capaces de:

• Configurar y ajustar AWS Cloud9 para el desarrollo en Python.
• Comprender la interfaz y las funciones del IDE AWS Cloud9.
• Escribir, depurar e implementar aplicaciones de 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 experiencia en ingeniería de datos que desean adquirir habilidades aplicadas en inteligencia artificial, Python y modelos de lenguaje grandes. El curso se centra en aplicaciones del mundo real, incluyendo el uso de modelos, la ingeniería de prompts y la creación de soluciones impulsadas por IA. Los participantes trabajarán en ejercicios progresivos que van desde los conceptos fundamentales hasta la construcción de flujos de trabajo de IA listos para su implementación.

Formato de la capacitación

• Capacitación presencial en un 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 clave de inteligencia artificial y aprendizaje automático relevantes para las aplicaciones modernas

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

• Aprender cómo funcionan los modelos de lenguaje grandes (LLM) y cómo utilizarlos de manera efectiva

• Diseñar y optimizar prompts para obtener resultados confiables

• Construir soluciones integrales de IA utilizando APIs y marcos de trabajo

• Integrar la IA en las tuberías de ingeniería de datos

Esta formación en vivo impartida por un instructor en México (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 formación impartida por un instructor, en vivo 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 mediante el uso de 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 mediante el uso de Pandas y NumPy.
• Ejecutar operaciones avanzadas de limpieza, clasificación y filtrado de datos.
• Llevar a cabo operaciones de agregación y analizar series temporales.
• Visualizar datos utilizando Matplotlib y otras bibliotecas de visualización.
• Depurar y optimizar su código de análisis de datos.

Esta formación en vivo con instructores en México (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 formación presencial impartida por un instructor (en línea o in situ) 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 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 del stack FARM.
• Aprender a construir APIs REST con FastAPI.
• Descubrir cómo diseñar aplicaciones interactivas con React.
• Desarrollar, probar e implementar aplicaciones (tanto front-end como back-end) utilizando el stack FARM.

Esta formación en vivo con instructor en <ubicación> (en línea o presencial) está dirigida a desarrolladores que desean utilizar FastAPI junto con Python para crear, probar e implementar APIs RESTful de manera más fácil 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 crear modelos de datos y esquemas basados en Pydantic y OpenAPI.
• Conectar APIs a una base de datos mediante SQLAlchemy.
• Implementar seguridad y autenticación en las APIs usando las herramientas de FastAPI.
• Crear imágenes de contenedores e implementar APIs web en un servidor en la nube.

Esta formación en vivo impartida por un instructor en México (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, entre otros.

Al finalizar esta formación, 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 proporcionándote conocimientos conceptuales sobre redes neuronales y, en general, sobre algoritmos de aprendizaje automático, así como el aprendizaje profundo (algoritmos y aplicaciones).

La parte 1 (40%) de esta capacitación 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 capacitación introduce Theano, una biblioteca de Python que facilita la escritura de modelos de aprendizaje profundo.

La parte 3 (40%) de la capacitación se basará extensamente en TensorFlow, la API de la biblioteca de software de código abierto de Google para el aprendizaje profundo. Los ejemplos y las prácticas se realizarán todo 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 serán capaces de:

• comprender bien las redes neuronales profundas (DNN), CNN y RNN.
• entender la estructura y los mecanismos de implementación de TensorFlow.
• realizar tareas e instalación, configuración del entorno de producción y la arquitectura.
• evaluar la calidad del código, realizar depuración y monitoreo.
• implementar modelos de entrenamiento avanzados como los producidos, construcción de gráficos y registro (logging).