Cursos de Aprendizaje profundo para NLP (procesamiento de lenguaje natural)

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.

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. 

Audiencia

Este curso es adecuado para los 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 prácticos.

Embedding 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.

Esta capacitación en vivo dirigida por un instructor presenta 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 del mundo real, como crear un sistema de recomendación de canciones para amantes de la música

Audiencia

• Desarrolladores
• Científicos de datos

Formato del curso

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

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 desean utilizar TensorFlow para analizar datos de posibles fraudes.

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

• Crear un modelo de detección de fraude en Python y TensorFlow.
• Cree regresiones lineales y modelos de regresión lineal para predecir el fraude.
• Desarrolle una aplicación de IA de extremo a extremo para analizar datos de fraude.

Esta capacitación en vivo dirigida por un instructor (en línea o en el sitio) está dirigida a ingenieros que desean implementar cargas de trabajo de aprendizaje automático en una OpenShift nube local o híbrida.

• Al final de esta capacitación, los participantes serán capaces de:
• Instale y configure Kubernetes y Kubeflow en un clúster de OpenShift.
• Utilice OpenShift para simplificar el trabajo de inicialización de un clúster de Kubernetes.
• Cree e implemente una canalización de Kubernetes para automatizar y administrar modelos de ML en producción.
• Entrene e implemente TensorFlow modelos de ML en varias GPU y máquinas que se ejecutan en paralelo.
• Llame a servicios de nube pública (por ejemplo, servicios de AWS) desde OpenShift para ampliar una aplicación de ML

Este curso te dará conocimientos en redes neuronales y en general en algoritmos de aprendizaje automático, aprendizaje profundo (algoritmos y aplicaciones).

Esta formación se centra más en los fundamentos, pero le ayudará a elegir la tecnología adecuada: TensorFlow, Caffe, Teano, DeepDrive, Keras, etc. Los ejemplos se hacen en TensorFlow.

Esta capacitación en vivo dirigida por un instructor en los Estados Unidos (en línea o presencial) está dirigida a desarrolladores y científicos de datos que deseen usar Tensorflow 2.x para crear predictores, clasificadores, modelos generativos, redes neuronales, etc.

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

• Instale y configure TensorFlow 2.x.
• Comprenda las ventajas de TensorFlow 2.x con respecto a las versiones anteriores.
• Cree modelos de aprendizaje profundo.
• Implemente un clasificador de imágenes avanzado.
• Implemente un modelo de aprendizaje profundo en la nube, dispositivos móviles y dispositivos IoT.

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 utilizar TensorFlow.js para identificar patrones y generar predicciones a través de modelos de aprendizaje automático.

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

• Cree y entrene modelos de aprendizaje automático con TensorFlow.js.
• Ejecute modelos de aprendizaje automático existentes en el explorador o en Node.js.
• Vuelva a entrenar el aprendizaje automático preexistente con datos personalizados.

En esta capacitación en vivo dirigida por un instructor en los Estados Unidos (en línea o en el sitio), los participantes aprenderán a configurar y usar TensorFlow Serving para implementar y administrar modelos de ML en un entorno de producción.

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

• Entrena, exporta y da servicio a varios modelos de TensorFlow.
• Pruebe e implemente algoritmos utilizando una única arquitectura y un conjunto de API.
• Amplíe TensorFlow Serving para servir a otros tipos de modelos más allá de los modelos de TensorFlow.

TensorFlow 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 aprendizaje de máquina, y para hacer rápida y fácil la transición del prototipo de investigación al sistema de producción.

Audiencia

Este curso está dirigido a ingenieros que buscan usar TensorFlow para sus proyectos de Aprendizaje Profundo

Después de completar este curso, los delegados:

• entender la estructura y los mecanismos de despliegue de TensorFlow
• ser capaz de llevar a cabo las tareas de instalación / producción de entorno / arquitectura y configuración
• ser capaz de evaluar la calidad del código, realizar depuración,
• ser capaz de implementar producción avanzada como los modelos de entrenamiento, la construcción de gráficos y registro