Cursos de Inteligencia Artificial - La Materia más Aplicada - Análisis de Datos + AI Distribuido + PNL

Esta capacitación en vivo dirigida por un instructor en los Estados Unidos (en el sitio o remota) está dirigida a científicos de datos, profesionales de aprendizaje automático e investigadores y entusiastas de PNL que desean utilizar Hugging Face para tareas de PNL de manera efectiva.

Al final de esta capacitación, los participantes podrán:

Utilice un modelo de transformador Hugging Face y ajústelo en un conjunto de datos específico. Obtenga la capacidad de abordar de forma independiente los desafíos comunes de la PNL. Cree y comparta sus demostraciones de modelos de manera efectiva. Agilice la optimización de sus modelos para la producción. Emplee Hugging Face Transformers para resolver una amplia gama de problemas de aprendizaje automático.

Esta capacitación en vivo dirigida por un instructor en los Estados Unidos (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores que deseen usar TextBlob para implementar y simplificar tareas de NLP, como análisis de sentimientos, correcciones ortográficas, modelado de clasificación de texto, etc.

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

• Configure el entorno de desarrollo necesario para comenzar a implementar tareas de NLP con TextBlob.
• Comprenda las características, la arquitectura y las ventajas de TextBlob.
• Aprenda a crear sistemas de clasificación de texto con TextBlob.
• Realizar tareas comunes de NLP (Tokenización, WordNet, Análisis de sentimientos, Corrección ortográfica, etc.)
• Ejecute implementaciones avanzadas con API simples y unas pocas líneas de código.

Esta capacitación en vivo dirigida por un instructor en los Estados Unidos (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores que deseen usar Spark NLP, construido sobre Apache Spark, para desarrollar, implementar y escalar modelos y canalizaciones de procesamiento de texto en lenguaje natural.

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

• Configure el entorno de desarrollo necesario para comenzar a crear canalizaciones de NLP con Spark NLP.
• Comprender las características, la arquitectura y los beneficios del uso de Spark NLP.
• Utilice los modelos previamente entrenados disponibles en Spark NLP para implementar el procesamiento de texto.
• Aprenda a crear, entrenar y escalar modelos Spark NLP para proyectos de producción.
• Aplique la clasificación, la inferencia y el análisis de sentimientos en casos de uso del mundo real (datos clínicos, información sobre el comportamiento de los clientes, etc.).

Esta capacitación en vivo dirigida por un instructor en los Estados Unidos (en línea o en el sitio) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento público de varias fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.

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

• Comprender los principios del análisis de sentimientos y su aplicación mediante LLM.
• Preprocese y prepare conjuntos de datos para el análisis de sentimientos.
• Entrene y ajuste los LLM para reflejar con precisión el sentimiento en el texto.
• Analice el sentimiento en tiempo real de las redes sociales y otras fuentes de texto.
• Integre los resultados del análisis de sentimientos en las estrategias empresariales y los procesos de toma de decisiones.

Este curso ha sido diseñado para personas interesadas en extraer significado del texto escrito en inglés, aunque el conocimiento se puede aplicar a otros lenguajes humanos.

El curso cubrirá cómo hacer uso de textos escritos por humanos, como blogs, tweets, etc ...

Por ejemplo, un analista puede configurar un algoritmo que llegará a una conclusión automática basada en una fuente de datos extensa.

MLlib es la biblioteca de aprendizaje automático (ML) de Spark. Su objetivo es hacer que el aprendizaje práctico de la máquina sea escalable y fácil. Consiste en algoritmos comunes de aprendizaje y utilidades, incluyendo clasificación, regresión, agrupación, filtrado colaborativo, reducción de dimensionalidad, así como primitivas de optimización de nivel más bajo y API de oleoducto de nivel superior.

Se divide en dos paquetes:

• spark.mllib contiene la API original construida sobre RDDs.
• spark.ml proporciona una API de nivel superior construida en la parte superior de DataFrames para la construcción de tuberías de ML.
   

Audiencia

Este curso está dirigido a ingenieros y desarrolladores que buscan utilizar una biblioteca de máquinas construida para Apache Spark

Este curso ha sido creado para gerentes, arquitectos de soluciones, oficiales de innovación, CTO, arquitectos de software y todos los interesados en la visión general de la inteligencia artificial aplicada y el pronóstico más cercano para su desarrollo.

ChatBots son programas de computadora que simulan automáticamente las respuestas humanas a través de las interfaces de chat. ChatBots ayuda a las organizaciones a maximizar la eficiencia de sus operaciones al proporcionar opciones más fáciles y rápidas para sus interacciones con los usuarios.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo construir chatbots en Python.

Al final de esta capacitación, los participantes podrán:

• Comprenda los fundamentos de la construcción de chatbots
• Cree, pruebe, implemente y solucione problemas de varios chatbots utilizando Python

Audiencia

• Desarrolladores

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Nota

• Para solicitar una capacitación personalizada para este curso, contáctenos para hacer arreglos.

En esta capacitación en vivo dirigida por un instructor en los Estados Unidos, los participantes aprenderán a usar Python bibliotecas para NLP a medida que crean una aplicación que procesa un conjunto de imágenes y genera subtítulos. 

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

• Diseñe y codifique DL para NLP usando bibliotecas Python. 
• Cree Python código que lea una colección sustancialmente grande de imágenes y genere palabras clave.
• Cree Python Código que genere subtítulos a partir de las palabras clave detectadas.

Esta capacitación en vivo dirigida por un instructor (en el sitio o en el sitio) está dirigida a científicos de datos, ingenieros de aprendizaje automático, investigadores de PNL y entusiastas de la IA que desean comprender el funcionamiento interno de los modelos GPT, explorar las capacidades de GPT-3 y GPT-4, y aprender cómo aprovechar estos modelos para sus tareas de PNL.

Al final de esta capacitación, los participantes podrán:

Comprender los conceptos y principios clave detrás de los transformadores generativos preentrenados. Comprender la arquitectura y el proceso de entrenamiento de los modelos GPT. Utilice GPT-3 para tareas como la generación, finalización y traducción de texto. Explore los últimos avances en GPT-4 y sus posibles aplicaciones. Aplicar modelos GPT a sus propios proyectos y tareas de PNL.

Esta capacitación en vivo dirigida por un instructor en los Estados Unidos (en línea o en el sitio) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que deseen utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso para diferentes propósitos.

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

• Establecer un entorno de desarrollo con LLM y herramientas esenciales.
• Realice de manera experta tareas de NLU y NLI con LLM.
• Extraiga, infiera y utilice gráficos de conocimiento de manera efectiva.
• Genere y gestione diálogos utilizando LLM para aplicaciones conversacionales.
• Evalúe la calidad y la diversidad del contenido generado por los LLM y la IA generativa.
• Aplicar principios éticos, garantizando la equidad y el uso responsable de los LLM.

La generación de lenguaje natural (NLG) se refiere a la producción de texto o discurso en lenguaje natural por una computadora.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo usar Python para producir texto en lenguaje natural de alta calidad construyendo su propio sistema NLG desde cero. También se examinarán los casos de estudio y los conceptos relevantes se aplicarán a los proyectos de laboratorio en vivo para generar contenido.

Al final de esta capacitación, los participantes podrán:

• Utilice NLG para generar automáticamente contenido para diversas industrias, desde periodismo, a bienes raíces, a informes meteorológicos y deportivos.
• Seleccione y organice el contenido fuente, planifique oraciones y prepare un sistema para la generación automática de contenido original
• Comprender la tubería NLG y aplicar las técnicas correctas en cada etapa
• Comprender la arquitectura de un sistema de generación de lenguaje natural (NLG)
• Implementar los algoritmos y modelos más adecuados para análisis y pedidos
• Extraiga datos de fuentes de datos disponibles públicamente, así como bases de datos seleccionadas para usar como material para el texto generado
• Reemplazar procesos de escritura manuales y laboriosos con creación de contenido automatizado y generado por computadora

Audiencia

• Desarrolladores
• Científicos de datos

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Se estima que los datos no estructurados representan más del 90 por ciento de todos los datos, gran parte de ellos en forma de texto. Las publicaciones del blog, los tweets, los medios sociales y otras publicaciones digitales añaden continuamente a este creciente cuerpo de datos.

Este curso se centra en la extracción de información y significado de estos datos. Utilizando las bibliotecas de lenguaje y procesamiento de lenguaje natural (NLP), combinamos conceptos y técnicas de la informática, la inteligencia artificial y la lingüística computacional para entender algorítmicamente el significado detrás de los datos de texto. Las muestras de datos están disponibles en varios idiomas según los requisitos del cliente.

Al final de este entrenamiento los participantes serán capaces de preparar conjuntos de datos (grandes y pequeños) de fuentes dispares, a continuación, aplicar los algoritmos adecuados para analizar e informar sobre su significado.

Audiencia
Lingüistas y programadores

Formato del curso
Parte conferencia, discusión de la parte, práctica práctica pesada, pruebas ocasionales para calibrar la comprensión

Esta sesión de capacitación basada en el aula explorará las técnicas de PNL junto con la aplicación de inteligencia artificial y robótica en los negocios. Los delegados realizarán ejemplos basados en computadora y ejercicios de resolución de casos de estudio usando Python

La biblioteca OpenNLP de Apache es un kit de herramientas basado en el aprendizaje automático para procesar texto en lenguaje natural. Es compatible con las tareas NLP más comunes, como detección de lenguaje, tokenización, segmentación de oraciones, etiquetado de voz parcial, extracción de entidad nombrada, fragmentación, análisis sintáctico y resolución de correferencia.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo crear modelos para procesar datos basados en texto usando OpenNLP. Los datos de entrenamiento de muestra y los conjuntos de datos personalizados se usarán como base para los ejercicios de laboratorio.

Al final de esta capacitación, los participantes podrán:

• Instalar y configurar OpenNLP
• Descargue modelos existentes y cree sus propios
• Entrene a los modelos en varios conjuntos de datos de muestra
• Integra OpenNLP con aplicaciones Java existentes

Audiencia

• Desarrolladores
• Científicos de datos

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica