Cursos de Machine Learning with Random Forest

¿Cómo serán las ciudades en el futuro? ¿Cómo se puede usar Artificial Intelligence (AI) para mejorar la planificación de la ciudad? ¿Cómo se puede usar la IA para hacer que las ciudades sean más eficientes, habitables, más seguras y respetuosas con el medio ambiente?

En este entrenamiento en vivo dirigido por un instructor (en el sitio o remoto), examinamos las diversas tecnologías que componen la IA, así como los conjuntos de habilidades y el marco mental necesarios para ponerlos en práctica en la planificación de la ciudad. También cubrimos herramientas y enfoques para recopilar y organizar datos relevantes para su uso en IA, incluida la minería de datos.

Audiencia

• Planificadores de la ciudad
• Arquitectos
• Desarrolladores
• Oficiales de transporte

Formato del curso

• Conferencia parcial, discusión parcial y una serie de ejercicios interactivos.

Nota

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

Building Intelligent Systems es una colección de tecnologías capaces de comprender y tomar decisiones inteligentes. Para los proveedores de telecomunicaciones, crear aplicaciones y servicios que puedan usarse para mejorar la operación de los servicios y servicios.

En esta carrera examinamos las diversas tecnologías que componen la IA y los conjuntos de habilidades. A lo largo de la carrera, examinamos las aplicaciones específicas de AI dentro de la industria de las telecomunicaciones.

Audiencia

• Ingenieros de red
• Personal de operaciones de red
• Gerentes técnicos de telecomunicaciones

Formato de la carrera

• Parte de lectura, parte de discusión, ejercicios prácticos

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.

Este curso se crea para personas que no tienen experiencia previa en probabilidades y estadísticas.

El álgebra lineal es una rama de las matemáticas que trata con vectores, matrices y transformaciones lineales. El conocimiento del álgebra lineal ayuda a los ingenieros y desarrolladores a mejorar sus capacidades de aprendizaje automático. Comprender los conceptos de álgebra lineal les permite comprender mejor los principios detrás de las técnicas de aprendizaje automático y así resolver los problemas más rápidamente.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán los fundamentos del álgebra lineal a medida que avanzan en la resolución de un problema de aprendizaje automático utilizando métodos de álgebra lineal.

Al final de esta capacitación, los participantes podrán:

• Comprender los conceptos fundamentales de álgebra lineal
• Aprende las habilidades de álgebra lineal necesarias para el aprendizaje automático
• Use estructuras y conceptos de álgebra lineal cuando trabaje con datos, imágenes, algoritmos, etc.
• Resuelva un problema de aprendizaje automático usando álgebra lineal

Audiencia

• Desarrolladores
• Ingenieros

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.

Esta formación en directo dirigida por un instructor en los Estados Unidos (en línea o in situ) está dirigida a ingenieros que desean usar la plataforma de arrastrar y colocar de Azure ML para implementar Machine Learning cargas de trabajo sin tener que comprar software y hardware y sin tener que preocuparse por el mantenimiento y la implementación.

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

• Escriba modelos de aprendizaje automático de alta precisión con herramientas de Python, R o código cero.
• Aproveche los conjuntos de datos y algoritmos disponibles de Azure para entrenar y realizar un seguimiento del aprendizaje automático y los modelos de aprendizaje profundo.
• Use el área de trabajo interactiva de Azure para desarrollar modelos de aprendizaje automático de forma colaborativa.
• Elija entre diferentes marcos de aprendizaje automático compatibles con Azure, como PyTorch, TensorFlow y scikit-learn.

Artificial Neural Network es un modelo de datos computacional usado en el desarrollo de sistemas de Artificial Intelligence (AI) capaces de realizar tareas "inteligentes". Neural Networks se usan comúnmente en aplicaciones de Machine Learning (ML), que son en sí mismas una implementación de AI. Deep Learning es un subconjunto de ML.

Este es un curso de 4 días que presenta la IA y su aplicación. Existe la opción de tener un día adicional para realizar un proyecto de IA al finalizar este curso. 

Este es un curso de 4 días que introduce la AI y la aplicación que utiliza el lenguaje de programación Python. Hay una opción para tener un día adicional para emprender un proyecto de inteligencia artificial al completar este curso. 

Este curso de capacitación es para personas que deseen aplicar Aprendizaje de la Máquina en aplicaciones prácticas.

Audiencia

Este curso es para científicos de datos y estadísticos que tienen cierta familiaridad con las estadísticas y saben cómo programar R (o Python u otro idioma elegido). El énfasis de este curso está en los aspectos prácticos de la preparación de datos / modelos, la ejecución, el análisis post hoc y la visualización.

El propósito es dar aplicaciones prácticas al Aprendizaje Automático a los participantes interesados en aplicar los métodos en el trabajo.

Se utilizan ejemplos específicos del sector para hacer que la formación sea relevante para el público.

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 desean crear y entrenar modelos de aprendizaje automático para su implementación en entornos de alojamiento listos para producción.

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

• Utilice instancias de bloc de notas para preparar y cargar datos para el entrenamiento.
• Entrene modelos de aprendizaje automático mediante conjuntos de datos de entrenamiento.
• Implemente modelos entrenados en un punto de conexión para crear predicciones.

Esta capacitación en vivo dirigida por un instructor en los Estados Unidos (en línea o en el sitio) está dirigida a científicos de datos que deseen usar Azure Machine Learning para crear modelos de aprendizaje automático de extremo a extremo para el análisis predictivo.

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

• Cree modelos de aprendizaje automático sin experiencia en programación.
• Cree algoritmos predictivos con Azure Machine Learning.
• Implemente algoritmos de aprendizaje automático listos para producción.

Este curso será una combinación de teoría y trabajo práctico con ejemplos específicos utilizados a lo largo del evento.

Esta capacitación en vivo dirigida por un instructor en los Estados Unidos (en línea o presencial) está dirigida a desarrolladores web que desean crear modelos de aprendizaje automático con Core ML para iOS 11 y desarrollo de macOS High Sierra.

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

• Cree aplicaciones impulsadas por IA que utilicen el aprendizaje automático.
• Implemente modelos de aprendizaje automático que clasifiquen las imágenes.
• Usar la API de Core ML para admitir flujos de trabajo personalizados y casos de uso avanzados
• Analice texto en lenguaje natural con modelos de aprendizaje automático.

Esta capacitación en vivo dirigida por un instructor en los Estados Unidos (en línea o en el sitio) está dirigida a ingenieros, científicos de datos y analistas de datos que deseen utilizar Dataiku DSS para el desarrollo de canalizaciones de aprendizaje automático y aprovechar los procesos de IA para generar iniciativas organizacionales estratégicas.

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

• Instale y configure Dataiku DSS en su sistema operativo preferido.
• Comprenda los conceptos y principios de IA/ML que son fundamentales para las funciones de Dataiku.
• Crear e implementar sus propios códigos de visualización de datos en proyectos Dataiku DSS.
• Implemente modelos y canalizaciones de ML en entornos de producción creados en torno a Dataiku DSS.
• Optimice la agilidad y flexibilidad de los métodos de análisis de datos de sus aplicaciones empresariales.
• Utilice Dataiku DSS para proteger y gestionar la forma en que fluyen los datos a través de otros sistemas empresariales.