Curso de Aprendizaje profundo

Curso de Aprendizaje profundo

Capacitación en conjunto de algoritmos en aprendizaje automático (en inglés, machine learning). Los cursos locales de aprendizaje profundo de Aprendizaje Profundo (DL, por sus siglas en inglés) demuestran a través de la práctica práctica los fundamentos y aplicaciones del Aprendizaje Profundo y abarcan temas como el aprendizaje automático profundo, el aprendizaje estructurado profundo y el aprendizaje jerárquico La capacitación de Deep Learning está disponible como "capacitación en vivo en el sitio" o "capacitación remota en vivo" El entrenamiento en vivo in situ se puede llevar a cabo localmente en las instalaciones del cliente en México o en los centros de capacitación corporativa de NobleProg en México La capacitación remota en vivo se lleva a cabo a través de un escritorio remoto interactivo NobleProg Su proveedor local de capacitación.

Testimonios

★★★★★
★★★★★

Aprendizaje profundo Subcategorías

Programa del curso Aprendizaje profundo

CódigoNombreDuraciónInformación General
annmldtArtificial Neural Networks, Machine Learning, Deep Thinking21 horasArtificial Neural Network es un modelo de datos computacionales utilizado en el desarrollo de sistemas de Inteligencia Artificial (IA) capaces de realizar tareas "inteligentes" Las redes neuronales se usan comúnmente en aplicaciones de aprendizaje automático (Machine Learning, ML), que a su vez son una implementación de AI Aprendizaje profundo es un subconjunto de ML .
deeplearning1Introduction to Deep Learning21 horasEste curso es una descripción general para Deep Learning sin profundizar en ningún método específico Es adecuado para las personas que desean comenzar a utilizar Deep learning para mejorar su precisión de predicción .
bspkannmldtArtificial Neural Networks, Machine Learning and Deep Thinking21 horasArtificial Neural Network es un modelo de datos computacionales utilizado en el desarrollo de sistemas de Inteligencia Artificial (IA) capaces de realizar tareas "inteligentes" Las redes neuronales se usan comúnmente en aplicaciones de aprendizaje automático (Machine Learning, ML), que a su vez son una implementación de AI Aprendizaje profundo es un subconjunto de ML .
dladvAdvanced Deep Learning28 horasEl aprendizaje automático es una rama de la Inteligencia Artificial en la que las computadoras tienen la capacidad de aprender sin estar programadas explícitamente El aprendizaje profundo es un subcampo del aprendizaje automático que utiliza métodos basados ​​en el aprendizaje de representaciones de datos y estructuras tales como redes neuronales .
dl4jirDeepLearning4J for Image Recognition21 horasDeeplearning4j es un software OpenSource DeepLearning para Java y Scala en Hadoop y Spark Audiencia Este curso está dirigido a ingenieros y desarrolladores que deseen utilizar DeepLearning4J en sus proyectos de reconocimiento de imágenes .
tf101Deep Learning with TensorFlow21 horasTensorFlow es una API de segunda generación de la biblioteca de software de código abierto de Google para Deep Learning El sistema está diseñado para facilitar la investigación en el aprendizaje automático y para hacer que la transición del prototipo de investigación al sistema de producción sea rápida y fácil Audiencia Este curso está dirigido a ingenieros que buscan utilizar TensorFlow para sus proyectos de aprendizaje profundo Después de completar este curso, los delegados: comprender la estructura y los mecanismos de despliegue de TensorFlow ser capaz de llevar a cabo las tareas y configuraciones de entorno / producción / arquitectura ser capaz de evaluar la calidad del código, realizar la depuración, el monitoreo ser capaz de implementar producción avanzada como modelos de entrenamiento, construcción de gráficos y registro .
dlvDeep Learning for Vision21 horasAudiencia Este curso es adecuado para investigadores e ingenieros de Deep Learning interesados ​​en utilizar las herramientas disponibles (en su mayoría de código abierto) para analizar imágenes de computadora Este curso proporciona ejemplos de trabajo .
tfirTensorFlow for Image Recognition28 horasEste curso explora, con ejemplos específicos, la aplicación de Tensor Flow a los fines del reconocimiento de imágenes Audiencia Este curso está dirigido a ingenieros que buscan utilizar TensorFlow con el propósito de reconocimiento de imágenes Después de completar este curso, los delegados podrán: comprender la estructura y los mecanismos de despliegue de TensorFlow llevar a cabo las tareas y la configuración del entorno de producción / producción / arquitectura evaluar la calidad del código, realizar la depuración, el monitoreo implementar producción avanzada como modelos de capacitación, construcción de gráficos y registro .
NeuralnettfNeural Networks Fundamentals using TensorFlow as Example28 horasEste curso le proporcionará conocimientos en redes neuronales y, en general, en algoritmos de aprendizaje automático, aprendizaje profundo (algoritmos y aplicaciones) Este entrenamiento se enfoca más en los fundamentos, pero lo ayudará a elegir la tecnología adecuada: TensorFlow, Caffe, Teano, DeepDrive, Keras, etc Los ejemplos están hechos en TensorFlow .
tsflw2vNatural Language Processing with TensorFlow35 horasTensorFlow ™ es una biblioteca de software de código abierto para el cálculo numérico utilizando gráficos de flujo de datos SyntaxNet es un marco de procesamiento de lenguaje natural de red neuronal para TensorFlow Word2Vec se utiliza para aprender representaciones de palabras en vectores, llamadas "incrustaciones de palabras" Word2vec es un modelo predictivo particularmente computacionalmente eficiente para el aprendizaje de incrustaciones de palabras a partir de texto sin formato Se presenta en dos formas: el modelo Continuous BagofWords (CBOW) y el modelo SkipGram (Capítulo 31 y 32 en Mikolov et al) Utilizado en tándem, SyntaxNet y Word2Vec permiten a los usuarios generar modelos de Incrustación aprendidos a partir de la entrada de Lenguaje natural Audiencia Este curso está dirigido a Desarrolladores e ingenieros que tienen la intención de trabajar con los modelos SyntaxNet y Word2Vec en sus gráficos TensorFlow Después de completar este curso, los delegados: comprender la estructura y los mecanismos de despliegue de TensorFlow ser capaz de llevar a cabo las tareas y configuraciones de entorno / producción / arquitectura ser capaz de evaluar la calidad del código, realizar la depuración, el monitoreo ser capaz de implementar producción avanzada como modelos de capacitación, incorporación de términos, construcción de gráficos y registro .
mldtMachine Learning and Deep Learning21 horasEste curso cubre IA (enfatizando Aprendizaje automático y Aprendizaje profundo) .
Nue_LBGNeural computing – Data science14 horasEsta sesión de capacitación basada en el aula contendrá presentaciones y ejemplos basados ​​en computadora y ejercicios de estudio de caso para emprender con bibliotecas de redes neurales y profundas relevantes .
w2vdl4jNLP with Deeplearning4j14 horasDeeplearning4j es una biblioteca de creación de fuentes abiertas distribuida para Java y Scala Integrado con Hadoop y Spark, DL4J está diseñado para ser utilizado en entornos de negocios en GPU y CPU distribuidas Word2Vec es un método de cálculo de representaciones de vectores de palabras presentado por un equipo de investigadores en Google dirigido por Tomas Mikolov Audiencia Este curso está dirigido a investigadores, ingenieros y desarrolladores que buscan utilizar Deeplearning4J para construir modelos Word2Vec .
dl4jMastering Deeplearning4j21 horasDeeplearning4j es la primera biblioteca de deepplearning distribuida, open source y de grado comercial, escrita para Java y Scala Integrado con Hadoop y Spark, DL4J está diseñado para ser utilizado en entornos de negocios en GPU y CPU distribuidas Audiencia Este curso está dirigido a ingenieros y desarrolladores que buscan utilizar Deeplearning4j en sus proyectos Después de este curso, los delegados podrán: .
singaMastering Apache SINGA21 horasSINGA es una plataforma general de aprendizaje profundo distribuido para el entrenamiento de modelos de aprendizaje profundo en grandes conjuntos de datos Está diseñado con un modelo de programación intuitiva basado en la abstracción de capas Se admite una variedad de modelos populares de aprendizaje profundo, a saber, modelos predictivos que incluyen redes neuronales convolucionales (CNN), modelos de energía como la máquina Boltzmann restringida (RBM) y redes neuronales recurrentes (RNN) Muchas capas integradas se proporcionan para los usuarios La arquitectura de SINGA es lo suficientemente flexible para ejecutar marcos de capacitación síncronos, asíncronos e híbridos SINGA también es compatible con diferentes esquemas de partición de red neuronal para paralelizar el entrenamiento de modelos grandes, a saber, particiones en la dimensión de lote, dimensión de característica o partición híbrida Audiencia Este curso está dirigido a investigadores, ingenieros y desarrolladores que buscan utilizar Apache SINGA como un marco de aprendizaje profundo Después de completar este curso, los delegados: entender la estructura y los mecanismos de implementación de SINGA ser capaz de llevar a cabo las tareas y configuraciones de entorno / producción / arquitectura ser capaz de evaluar la calidad del código, realizar la depuración, el monitoreo ser capaz de implementar producción avanzada como modelos de capacitación, incorporación de términos, construcción de gráficos y registro .
caffeDeep Learning for Vision with Caffe21 horasCaffe es un marco de aprendizaje profundo hecho con expresión, velocidad y modularidad en mente Este curso explora la aplicación de Caffe como un marco de aprendizaje profundo para el reconocimiento de imágenes utilizando MNIST como ejemplo Audiencia Este curso es adecuado para investigadores e ingenieros de Deep Learning interesados ​​en utilizar Caffe como marco Después de completar este curso, los delegados podrán: comprender la estructura de Caffe y los mecanismos de despliegue llevar a cabo las tareas y la configuración del entorno de producción / producción / arquitectura evaluar la calidad del código, realizar la depuración, el monitoreo implementar producción avanzada como modelos de capacitación, implementación de capas y registro .
TorchTorch: Getting started with Machine and Deep Learning21 horasTorch es una biblioteca de aprendizaje de máquina de código abierto y un marco informático científico basado en el lenguaje de programación Lua Proporciona un entorno de desarrollo para numéricos, aprendizaje automático y visión por computadora, con un énfasis particular en aprendizaje profundo y redes convolucionales Es uno de los marcos más rápidos y flexibles para Machine and Deep Learning y lo utilizan compañías como Facebook, Google, Twitter, NVIDIA, AMD, Intel y muchas otras En este curso, cubrimos los principios de Torch, sus características únicas y cómo se puede aplicar en aplicaciones del mundo real Pasamos por numerosos ejercicios manuales a lo largo de todo el proceso, demostrando y practicando los conceptos aprendidos Al final del curso, los participantes comprenderán a fondo las características y capacidades subyacentes de Torch, así como su rol y contribución dentro del espacio de IA en comparación con otros marcos y bibliotecas Los participantes también habrán recibido la práctica necesaria para implementar Torch en sus propios proyectos Audiencia Desarrolladores de software y programadores que deseen habilitar Machine and Deep Learning dentro de sus aplicaciones Formato del curso Descripción general de Machine and Deep Learning Inclass de codificación y ejercicios de integración Preguntas de prueba salpicadas en el camino para verificar la comprensión .
OpenNNOpenNN: Implementing Neural Networks14 horasOpenNN es una biblioteca de clase de código abierto escrita en C ++ que implementa redes neuronales para su uso en el aprendizaje automático En este curso repasaremos los principios de las redes neuronales y utilizaremos OpenNN para implementar una aplicación de muestra Audiencia Desarrolladores de software y programadores que deseen crear aplicaciones de Deep Learning Formato del curso Conferencia y discusión junto con ejercicios manuales .
mlentreMachine Learning Concepts for Entrepreneurs and Managers21 horasEste curso de capacitación es para las personas que deseen aplicar Machine Learning en aplicaciones prácticas para su equipo La capacitación no se sumergirá en tecnicismos y girará en torno a conceptos básicos y aplicaciones comerciales / operativas de la misma Público objetivo Inversores y empresarios de IA Gerentes e ingenieros cuya empresa se está aventurando en el espacio de IA Analistas e inversores comerciales .
opennmtOpenNMT: Setting Up a Neural Machine Translation System7 horasOpenNMT es un sistema de traducción automática neural full-source, opensource (MIT) que utiliza el kit de herramientas matemáticas Torch En esta capacitación, los participantes aprenderán a configurar y usar OpenNMT para llevar a cabo la traducción de varios conjuntos de datos de muestra El curso comienza con una descripción general de las redes neuronales según se aplican a la traducción automática Los participantes realizarán ejercicios en vivo a lo largo del curso para demostrar su comprensión de los conceptos aprendidos y obtener retroalimentación del instructor Al final de esta capacitación, los participantes tendrán el conocimiento y la práctica necesarios para implementar una solución OpenNMT en vivo Las muestras del idioma de origen y de destino se organizarán de antemano según los requisitos de la audiencia Audiencia Especialistas en localización con experiencia técnica Gerentes de contenido global Ingenieros de localización Desarrolladores de software a cargo de implementar soluciones de contenido global Formato del curso Conferencia de la parte, discusión de la parte, práctica pesada del handson .
FairseqFairseq: Setting up a CNN-based machine translation system7 horasFairseq is an open-source sequence-to-sequence learning toolkit created by Facebok for use in Neural Machine Translation (NMT).

In this training participants will learn how to use Fairseq to carry out translation of sample content.

By the end of this training, participants will have the knowledge and practice needed to implement a live Fairseq based machine translation solution.

Audience

- Localization specialists with a technical background
- Global content managers
- Localization engineers
- Software developers in charge of implementing global content solutions

Format of the course
Part lecture, part discussion, heavy hands-on practice

Note

- If you wish to use specific source and target language content, please contact us to arrange.
facebooknmtFacebook NMT: Setting up a Neural Machine Translation System7 horasFairseq es un conjunto de herramientas de secuencia de secuencia abierto de código abierto creado por Facebok para su uso en la traducción automática neuronal (NMT) En esta capacitación, los participantes aprenderán a usar Fairseq para llevar a cabo la traducción del contenido de muestra Al final de esta capacitación, los participantes tendrán el conocimiento y la práctica necesarios para implementar una solución de traducción automática basada en Fairseq Audiencia Especialistas en localización con experiencia técnica Gerentes de contenido global Ingenieros de localización Desarrolladores de software a cargo de implementar soluciones de contenido global Formato del curso Conferencia de la parte, discusión de la parte, práctica pesada del handson Nota Si desea utilizar contenido específico en el idioma de origen y de destino, contáctenos para organizarlo .
tpuprogrammingTPU Programming: Building Neural Network Applications on Tensor Processing Units7 horasLa Unidad de Procesamiento de Tensor (TPU) es la arquitectura que Google ha utilizado internamente durante varios años y ahora está disponible para el público en general Incluye varias optimizaciones específicamente para su uso en redes neuronales, incluida la multiplicación simplificada de matrices, y enteros de 8 bits en lugar de 16 bits para devolver niveles apropiados de precisión En este entrenamiento en vivo instruido, los participantes aprenderán cómo aprovechar las innovaciones en los procesadores de TPU para maximizar el rendimiento de sus propias aplicaciones de IA Al final de la capacitación, los participantes podrán: Entrenar varios tipos de redes neuronales en grandes cantidades de datos Use TPU para acelerar el proceso de inferencia hasta en dos órdenes de magnitud Utilice TPU para procesar aplicaciones intensivas, como búsqueda de imágenes, visión en la nube y fotos Audiencia Desarrolladores Investigadores Ingenieros Científicos de datos Formato del curso Conferencia de parte, parte de discusión, ejercicios y práctica manual .
MicrosoftCognitiveToolkitMicrosoft Cognitive Toolkit 2.x21 horasMicrosoft Cognitive Toolkit 2x (anteriormente CNTK) es un kit de herramientas de código abierto de fuente abierta que entrena algoritmos de aprendizaje profundo para aprender como el cerebro humano Según Microsoft, CNTK puede ser 510 veces más rápido que TensorFlow en redes recurrentes, y de 2 a 3 veces más rápido que TensorFlow para tareas relacionadas con imágenes En este entrenamiento en vivo con instructor, los participantes aprenderán a usar Microsoft Cognitive Toolkit para crear, entrenar y evaluar algoritmos de aprendizaje profundo para su uso en aplicaciones de AI comerciales que involucren múltiples tipos de datos tales como datos, voz, texto e imágenes Al final de esta capacitación, los participantes podrán: Acceda a CNTK como una biblioteca desde un programa de Python, C # o C ++ Use CNTK como una herramienta independiente de aprendizaje automático a través de su propio lenguaje de descripción de modelo (BrainScript) Utilice la funcionalidad de evaluación del modelo CNTK de un programa Java Combinar DNN de avance, redes convolucionales (CNN) y redes recurrentes (RNN / LSTM) Escala de capacidad de cálculo en CPU, GPU y múltiples máquinas Acceda a conjuntos de datos masivos utilizando los lenguajes de programación y algoritmos existentes Audiencia Desarrolladores Científicos de datos Formato del curso Conferencia de parte, parte de discusión, ejercicios y práctica manual Nota Si desea personalizar cualquier parte de esta capacitación, incluido el lenguaje de programación que prefiera, contáctenos para organizarlo .
PaddlePaddlePaddlePaddle21 horasPaddlePaddle (PArallel Distributed Deep LEarning) es una plataforma de aprendizaje profundo escalable desarrollada por Baidu En este entrenamiento en vivo instruido, los participantes aprenderán a usar PaddlePaddle para permitir el aprendizaje profundo en sus aplicaciones de productos y servicios Al final de esta capacitación, los participantes podrán: Configurar y configurar PaddlePaddle Configurar una red neuronal convolucional (CNN) para el reconocimiento de imágenes y la detección de objetos Configurar una Red Neuronal Recurrente (RNN) para el análisis de sentimientos Establecer un aprendizaje profundo sobre los sistemas de recomendación para ayudar a los usuarios a encontrar respuestas Predecir porcentajes de clics (CTR), clasificar conjuntos de imágenes a gran escala, realizar reconocimiento óptico de caracteres (OCR), buscar rangos, detectar virus informáticos e implementar un sistema de recomendaciones Audiencia Desarrolladores Científicos de datos Formato del curso Conferencia de parte, parte de discusión, ejercicios y práctica manual .
dsstneAmazon DSSTNE: Build a recommendation system7 horasAmazon DSSTNE es una biblioteca de código abierto para el entrenamiento y la implementación de modelos de recomendación Permite modelos con matrices de peso que son demasiado grandes para que una sola GPU se entrene en un solo host En este entrenamiento en vivo instruido, los participantes aprenderán a usar DSSTNE para construir una aplicación de recomendación Al final de esta capacitación, los participantes podrán: Entrene un modelo de recomendación con conjuntos de datos dispersos como entrada Escala de entrenamiento y modelos de predicción en múltiples GPU Extienda el cómputo y el almacenamiento de una manera paralela modelo Genere recomendaciones de productos personalizadas de Amazonlike Implemente una aplicación preparada para la producción que pueda escalar a cargas de trabajo pesadas Audiencia Desarrolladores Científicos de datos Formato del curso Conferencia de parte, parte de discusión, ejercicios y práctica manual .
t2tT2T: Creating Sequence to Sequence models for generalized learning7 horasTensor2Tensor (T2T) es una biblioteca modular y extensible para el entrenamiento de modelos AI en diferentes tareas, utilizando diferentes tipos de datos de entrenamiento, por ejemplo: reconocimiento de imágenes, traducción, análisis sintáctico, subtítulos de imágenes y reconocimiento de voz Lo mantiene el equipo de Google Brain En este entrenamiento en vivo instruido, los participantes aprenderán cómo preparar un modelo de deeplearning para resolver múltiples tareas Al final de esta capacitación, los participantes podrán: Instalar tensor2tensor, seleccionar un conjunto de datos y entrenar y evaluar un modelo de IA Personalice un entorno de desarrollo utilizando las herramientas y los componentes incluidos en Tensor2Tensor Cree y use un único modelo para aprender de forma simultánea varias tareas de varios dominios Utilice el modelo para aprender de tareas con una gran cantidad de datos de entrenamiento y aplicar ese conocimiento a tareas donde los datos son limitados Obtenga resultados de procesamiento satisfactorios con una sola GPU Audiencia Desarrolladores Científicos de datos Formato del curso Conferencia de parte, parte de discusión, ejercicios y práctica manual .
embeddingprojectorEmbedding Projector: Visualizing your Training Data14 horasEmbedding Projector es una aplicación web de código abierto para visualizar los datos utilizados para entrenar sistemas de aprendizaje automático Creado por Google, es parte de TensorFlow Este entrenamiento en vivo instruido introduce los conceptos detrás de Embedding Projector y guía a los participantes a través de la configuración de un proyecto de demostración Al final de esta capacitación, los participantes podrán: Explore cómo los datos se interpretan mediante modelos de aprendizaje automático Navegue a través de vistas 3D y 2D de datos para comprender cómo lo interpreta un algoritmo de aprendizaje automático Comprenda los conceptos detrás de Embeddings y su papel en la representación de vectores matemáticos para imágenes, palabras y números Explore las propiedades de una incrustación específica para comprender el comportamiento de un modelo Aplicar Embedding Project a casos de uso reales como crear un sistema de recomendación de canciones para amantes de la música Audiencia Desarrolladores Científicos de datos Formato del curso Conferencia de parte, parte de discusión, ejercicios y práctica manual .
openfaceOpenFace: Creating Facial Recognition Systems14 horasOpenFace es un software de reconocimiento facial en tiempo real basado en Python y Torch basado en la investigación FaceNet de Google En este entrenamiento en vivo instruido, los participantes aprenderán a usar los componentes de OpenFace para crear y desplegar una aplicación de reconocimiento facial de muestra Al final de esta capacitación, los participantes podrán: Trabajar con los componentes de OpenFace, incluidos dlib, OpenVC, Torch y nn4 para implementar la detección de rostros, la alineación y la transformación Aplicar OpenFace a aplicaciones del mundo real tales como vigilancia, verificación de identidad, realidad virtual, juegos e identificación de clientes habituales, etc Audiencia Desarrolladores Científicos de datos Formato del curso Conferencia de parte, parte de discusión, ejercicios y práctica manual .
pythonadvmlPython for Advanced Machine Learning21 horasIn this instructor-led, live training, participants will learn the most relevant and cutting-edge machine learning techniques in Python as they build a series of demo applications involving image, music, text, and financial data.

By the end of this training, participants will be able to:

- Implement machine learning algorithms and techniques for solving complex problems
- Apply deep learning and semi-supervised learning to applications involving image, music, text, and financial data
- Push Python algorithms to their maximum potential
- Use libraries and packages such as NumPy and Theano

Audience

- Developers
- Analysts
- Data scientists

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice

Próximos Cursos Aprendizaje profundo

CursoFechaPrecio del Curso [A distancia / Presencial]
Aprendizaje Profundo (Deep Learning) Avanzado - Ciudad de Mexico - Colonia Del ValleLun, 2018-09-03 09:30133000MXN / 161000MXN
Aprendizaje de refuerzo profundo con Python - Guadalajara - Country Club FinancialLun, 2018-09-03 09:3085000MXN / 108600MXN
Programación de TPU: Construcción de Aplicaciones de Redes Neuronales en Unidades de Procesamiento de Tensiones - Guadalajara - Puerta del HierroLun, 2018-09-03 09:3029500MXN / 52100MXN
TensorFlow para Reconocimiento de Imágenes - Monterrey - DatafluxMar, 2018-09-04 09:30133000MXN / 157800MXN
Curso de TensorFlow Serving - Monterrey - Oficinas en el ParqueMié, 2018-09-19 09:3029500MXN / 51800MXN
Cursos de Fin de Semana de Aprendizaje profundo, Capacitación por la Tarde de Aprendizaje profundo, Aprendizaje profundo boot camp, Clases de Aprendizaje profundo, Capacitación de Fin de Semana de Aprendizaje profundo, Cursos por la Tarde de Aprendizaje profundo, Aprendizaje profundo coaching, Instructor de Aprendizaje profundo, Capacitador de Aprendizaje profundo, Aprendizaje profundo con instructor, Cursos de Formación de Aprendizaje profundo, Aprendizaje profundo en sitio, Cursos Privados de Aprendizaje profundo, Clases Particulares de Aprendizaje profundo, Capacitación empresarial de Aprendizaje profundo, Talleres para empresas de Aprendizaje profundo, Cursos en linea de Aprendizaje profundo, Programas de capacitación de Aprendizaje profundo, Clases de Aprendizaje profundo

Promociones

Curso Ubicación Fecha Precio del Curso [A distancia / Presencial]
Haskell Avanzado Ciudad de Mexico - Colonia Del Valle Jue, 2018-08-23 09:30 52110MXN / 76110MXN
Haskell Avanzado Puebla - Triangulo Las Animas Mar, 2018-09-11 09:30 52110MXN / 72410MXN
Fundamentos de Haskell Monterrey - Dataflux Mié, 2018-09-19 09:30 52110MXN / 74510MXN
Gestión de Reglas de Negocios (BRMS) con Drools Puebla - Triangulo Las Animas Mié, 2018-10-31 09:30 34110MXN / 54260MXN
Introducción MoDAF/NAF Puebla - Triangulo Las Animas Jue, 2018-12-13 09:30 26550MXN / 46700MXN

Descuentos en los Cursos

Respetamos la privacidad de su dirección de correo electrónico. No transmitiremos ni venderemos su dirección a otras personas.
En cualquier momento puede cambiar sus preferencias o cancelar su suscripción por completo.

Algunos de nuestros clientes