Cursos de NLP (es. PLN) en Pierre

Esta capacitación en vivo dirigida por un instructor en Pierre (en línea o presencial) está dirigida a investigadores de IA de nivel avanzado y responsables políticos que deseen explorar las implicaciones éticas del desarrollo de la IA y aprender a aplicar las pautas éticas al crear soluciones de IA con LangChain.

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

• Identifique los problemas éticos clave en el desarrollo de la IA con LangChain.
• Comprender el impacto de la IA en la sociedad y en los procesos de toma de decisiones.
• Desarrollar estrategias para crear sistemas de IA justos y transparentes.
• Implemente directrices éticas de IA en proyectos basados en LangChain.

Esta capacitación en vivo dirigida por un instructor en Pierre (en línea o en el sitio) está dirigida a desarrolladores web de nivel intermedio y diseñadores de UX que desean aprovechar LangChain para crear aplicaciones web intuitivas y fáciles de usar.

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

• Comprender los conceptos fundamentales de LangChain y su papel en la mejora de la experiencia del usuario web.
• Implemente LangChain en aplicaciones web para crear interfaces dinámicas y receptivas.
• Integre las API en las aplicaciones web para mejorar la interactividad y la participación de los usuarios.
• Optimice la experiencia del usuario utilizando las funciones de personalización avanzadas de LangChain.
• Analice los datos de comportamiento de los usuarios para ajustar el rendimiento y la experiencia de las aplicaciones web.

Esta capacitación en vivo dirigida por un instructor en Pierre (en línea o presencial) está dirigida a analistas de negocios e ingenieros de automatización de nivel principiante que deseen comprender cómo usar LangChain y las API para automatizar tareas y flujos de trabajo repetitivos.

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

• Comprenda los conceptos básicos de la integración de API con LangChain.
• Automatice los flujos de trabajo repetitivos con LangChain y Python.
• Utilice LangChain para conectar varias API para procesos empresariales eficientes.
• Cree y automatice flujos de trabajo personalizados utilizando las API y las capacidades de automatización de LangChain.

LangGraph es un marco para construir aplicaciones LLM multiactor con estado, como gráficos componibles con un estado persistente y un control preciso sobre la ejecución.

Este entrenamiento en vivo dirigido por un instructor (en línea o presencial) está destinado a profesionales de nivel intermedio a avanzado que desean diseñar, implementar y operar soluciones legales basadas en LangGraph con los controles necesarios de cumplimiento, trazabilidad y gobernanza.

Al finalizar este entrenamiento, los participantes podrán:

• Diseñar flujos de trabajo específicos para la legalidad en LangGraph que preserven la auditoría y el cumplimiento.
• Integrar ontologías legales y estándares de documentos en el estado del gráfico y su procesamiento.
• Implementar barreras de seguridad, aprobaciones con intervención humana y caminos de decisiones trazables.
• Desplegar, monitorear y mantener servicios LangGraph en producción con observabilidad y controles de costos.

Formato del Curso

• Sesiones interactivas de lectura y discusión.
• Numerosos ejercicios y prácticas.
• 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 coordinar.

El SDK CANN (Arquitectura de Computación para Neural Networks) proporciona herramientas poderosas de implementación y optimización para aplicaciones de IA en tiempo real en visión por computadora y PLN, especialmente en hardware Huawei Ascend.

Este entrenamiento guiado por un instructor (en línea o presencial) está dirigido a practicantes intermedios de IA que desean construir, implementar y optimizar modelos de visión y lenguaje utilizando el SDK CANN para casos de uso en producción.

Al finalizar este entrenamiento, los participantes podrán:

• Implementar y optimizar modelos CV y NLP usando CANN y AscendCL.
• Utilizar las herramientas de CANN para convertir modelos e integrarlos en tuberías en vivo.
• Optimizar el rendimiento de la inferencia para tareas como detección, clasificación y análisis de sentimientos.
• Construir pipelines de CV/NLP en tiempo real para escenarios de implementación basados en dispositivos de borde o nube.

Formato del Curso

• Conferencia interactiva y demostración.
• Laboratorio práctico con implementación de modelos y perfilado de rendimiento.
• Diseño en vivo de tuberías utilizando casos reales de CV y PLN.

Opciones de Personalización del Curso

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

Esta capacitación en vivo dirigida por un instructor en Pierre (en línea o presencial) está dirigida a profesionales de datos de nivel intermedio que desean utilizar LangChain para mejorar sus capacidades de análisis y visualización de datos.

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

• Automatice la recuperación y limpieza de datos mediante LangChain.
• Realice análisis de datos avanzados utilizando Python y LangChain.
• Cree visualizaciones con Matplotlib y otras bibliotecas Python integradas con LangChain.
• Aproveche LangChain para generar información sobre el lenguaje natural a partir del análisis de datos.

LangGraph es un marco para construir aplicaciones LLM multiactor con estado como gráficos componibles con estado persistente y control sobre la ejecución.

Esta formación en vivo (en línea u on-site) dirigida por instructores está destinada a profesionales de nivel intermedio a avanzado que desean diseñar, implementar y operar soluciones financieras basadas en LangGraph con una adecuada gobernanza, observabilidad y cumplimiento.

Al finalizar esta formación, los participantes podrán:

• Diseñar flujos de trabajo específicos de finanzas de LangGraph alineados con requisitos regulatorios y de auditoría.
• Integrar estándares de datos financieros y ontologías en el estado del gráfico y las herramientas.
• Implementar confiabilidad, seguridad y controles human-in-the-loop para procesos críticos.
• Deploy, monitorizar y optimizar sistemas LangGraph para rendimiento, costo y SLAs.

Formato del Curso

• Conferencias interactivas y discusiones.
• Muchos 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 organizarlo.

Esta formación en vivo y guiada por un instructor (en línea o presencial) está dirigida a científicos de datos y desarrolladores intermedios que desean aplicar técnicas de procesamiento del lenguaje natural utilizando Python en Google Colab.

Al finalizar este curso, los participantes podrán:

• Comprender los conceptos fundamentales del procesamiento del lenguaje natural.
• Preprocesar y limpiar datos de texto para tareas de PLN.
• Realizar análisis de sentimiento utilizando las bibliotecas NLTK y SpaCy.
• Trabajar con datos de texto usando Google Colab para un desarrollo escalable y colaborativo.

Advanced Ollama Model Debugging & Evaluation es un curso detallado centrado en el diagnóstico, la prueba y la medición del comportamiento de los modelos al ejecutar implementaciones locales o privadas de Ollama.

Esta formación en vivo dirigida por instructores (en línea o presencial) se dirige a ingenieros de IA avanzados, profesionales de ML Ops y practicantes de QA que desean garantizar la fiabilidad, la fidelidad y la preparación operativa de los modelos basados en Ollama en producción.

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

• Ejecutar un depurado sistemático de modelos alojados en Ollama y reproducir modos de fallo de manera confiable.
• Diseñar y ejecutar pipelines de evaluación robusta con métricas cuantitativas y cualitativas.
• Implementar la observabilidad (logs, trazas, métricas) para monitorear la salud del modelo y el deriva.
• Automatizar pruebas, validaciones y controles de regresión integrados en los pipelines CI/CD.

Formato del Curso

• Conferencia interactiva y discusión.
• Laboratorios prácticos y ejercicios de depuración utilizando implementaciones de Ollama.
• Casos de estudio, sesiones grupales de solución de problemas y talleres de automatización.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para arreglarlo.

Este entrenamiento en vivo dirigido por instructores en Pierre (en línea o presencial) está destinado a investigadores, analistas y trabajadores de conocimiento de nivel intermedio que desean aprovechar Claude AI para procesar grandes cantidades de datos, sintetizar información y automatizar tareas de investigación.

Al final de este entrenamiento, los participantes podrán:

• Utilizar Claude AI para revisiones de literatura y síntesis de investigación.
• Resumir informes, artículos de investigación y documentos extensos.
• Extraer insights clave y tendencias de datos estructurados e inestructurados.
• Integrar Claude AI en flujos de trabajo de investigación y gestión del conocimiento.

Esta capacitación en vivo dirigida por un instructor en Pierre (en línea o presencial) está dirigida a ingenieros de datos de nivel avanzado y DevOps profesionales que deseen aprovechar las capacidades de LangChain integrándola con varios servicios en la nube.

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

• Integre LangChain con las principales plataformas en la nube, como AWS, Azure y Google Cloud.
• Utilice API y servicios basados en la nube para mejorar las aplicaciones con tecnología LangChain.
• Escale e implemente agentes conversacionales en la nube para la interacción en tiempo real.
• Implemente las mejores prácticas de supervisión y seguridad en entornos de nube.

LangGraph habilita flujos de trabajo multiactor y con estado, impulsados por LLMs, con un control preciso sobre las rutas de ejecución y la persistencia del estado. En el ámbito de la salud, estas capacidades son cruciales para cumplir con los requisitos normativos, garantizar la interoperabilidad y desarrollar sistemas de apoyo a la toma de decisiones que se alineen con los flujos de trabajo médicos.

Esta formación en vivo dirigida por un instructor (en línea o presencial) está destinada a profesionales de nivel intermedio a avanzado que deseen diseñar, implementar y gestionar soluciones basadas en LangGraph para la salud, abordando desafíos regulatorios, éticos y operativos.

Al finalizar esta formación, los participantes podrán:

• Diseñar flujos de trabajo específicos del sector sanitario con LangGraph, teniendo en cuenta la conformidad y la auditoría.
• Integrar aplicaciones LangGraph con ontologías médicas y estándares (FHIR, SNOMED CT, ICD).
• Aplicar las mejores prácticas para confiabilidad, trazabilidad y explicabilidad en entornos sensibles.
• Distribuir, supervisar y validar aplicaciones LangGraph en entornos de producción sanitaria.

Formato del Curso

• Conferencias interactivas y discusiones.
• Ejercicios prácticos con estudios de casos reales.
• Ejercitación en un entorno de laboratorio en vivo.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, por favor póngase en contacto con nosotros para coordinar.

LangGraph es un marco para construir aplicaciones LLM multiactor con estado, como gráficos componibles con estado persistente y control de ejecución.

Esta formación en vivo dirigida por instructores (en línea o presencial) está destinada a ingenieros avanzados de plataformas AI, DevOps para AI y arquitectos ML que desean optimizar, depurar, monitorear y operar sistemas LangGraph de grado de producción.

Al finalizar esta formación, los participantes serán capaces de:

• Diseñar y optimizar topologías complejas de LangGraph para velocidad, costo y escalabilidad.
• Diseñar confiabilidad con reintentos, tiempos de espera, idempotencia y recuperación basada en puntos de control.
• Depurar y rastrear ejecuciones del gráfico, inspeccionar el estado y reproducir sistemáticamente problemas de producción.
• Instrumentar gráficos con registros, métricas y trazas, implementar en producción y monitorear SLAs y costos.

Formato del Curso

• Sesión interactiva de lectura y discusión.
• Numerosos ejercicios y prácticas.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, por favor póngase en contacto con nosotros para concertar la fecha.

Esta capacitación en vivo dirigida por un instructor en Pierre (en línea o presencial) está dirigida a profesionales de nivel intermedio que desean profundizar su comprensión de los agentes conversacionales y aplicar LangChain a casos de uso del mundo real.

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

• Comprender los fundamentos de LangChain y su aplicación en la creación de agentes conversacionales.
• Desarrolle e implemente agentes conversacionales con LangChain.
• Integre agentes conversacionales con API y servicios externos.
• Aplicar Natural Language Processing (NLP) técnicas para mejorar el rendimiento de los agentes conversacionales.

Esta formación en vivo dirigida por un instructor en Pierre (en línea o presencial) está destinada a creadores de contenido, escritores y marketers de nivel principiante a intermedio que desean aprovechar Claude AI para la generación, edición y resumen de contenidos con el fin de mejorar blogs, informes y materiales de marketing.

Al finalizar esta formación, los participantes podrán:

• Utilizar Claude AI para la generación de ideas y ampliación de conceptos.
• Mejorar el escritura con edición y corrección automática asistida por IA.
• Generar resúmenes para contenido de largo formato e informes.
• Automatizar la creación de copias publicitarias para diferentes plataformas.

Esta capacitación en vivo dirigida por un instructor en Pierre (en línea o presencial) está dirigida a profesionales de nivel avanzado que deseen especializarse en técnicas de aprendizaje profundo de vanguardia para NLU.

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

• Comprender las diferencias clave entre los modelos NLU y NLP.
• Aplique técnicas avanzadas de aprendizaje profundo a las tareas de NLU.
• Explora arquitecturas profundas como transformadores y mecanismos de atención.
• Aproveche las tendencias futuras de NLU para crear sistemas de IA sofisticados.

Este entrenamiento en vivo dirigido por un instructor (en línea o presencial) en Pierre está destinado a profesionales de nivel avanzado que desean afinar y personalizar modelos AI en Ollama para mejorar el rendimiento y aplicaciones específicas del dominio.

Al finalizar este entrenamiento, los participantes podrán:

• Configurar un entorno eficiente para afinar modelos AI en Ollama.
• Preparar conjuntos de datos para el ajuste supervisado y el aprendizaje por refuerzo.
• Optimizar los modelos AI para rendimiento, precisión y eficiencia.
• Implementar modelos personalizados en entornos de producción.
• Evaluar mejoras del modelo y asegurar la robustez.

Esta capacitación en vivo dirigida por un instructor en Pierre (en línea o presencial) está dirigida a profesionales de nivel intermedio que desean adquirir habilidades prácticas en el uso de NLG para automatizar el resumen de texto y la generación de contenido.

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

• Comprender los principios básicos de NLG para el resumen de textos y la generación de contenido.
• Implemente modelos NLG para resumir documentos y artículos de gran tamaño.
• Aproveche los modelos NLG previamente entrenados, como GPT, para la creación de contenido.
• Aplique técnicas avanzadas para ajustar los modelos NLG para tareas específicas de generación de contenido.

Esta capacitación en vivo dirigida por un instructor en Pierre (en línea o en el sitio) está dirigida a desarrolladores y profesionales de TI de todos los niveles de habilidad que deseen automatizar tareas y procesos utilizando IA sin escribir código extenso.

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

• Diseñe e implemente flujos de trabajo complejos utilizando la interfaz de programación visual de n8n.
• Integre las capacidades de IA en los flujos de trabajo mediante LangChain.
• Cree chatbots y asistentes virtuales personalizados para varios casos de uso.
• Realice análisis y procesamiento avanzados de datos con agentes de IA.

Esta capacitación en vivo dirigida por un instructor en Pierre (en línea o presencial) está dirigida a profesionales de nivel avanzado que deseen explorar las técnicas de vanguardia en NLU y comprensión semántica.

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

• Comprender los principios de la comprensión semántica y la IA contextual.
• Trabaje con modelos de última generación, como transformadores y modelos de lenguaje previamente entrenados.
• Implementar técnicas NLU para mejorar la comprensión del lenguaje de la IA.
• Desarrolle aplicaciones que aprovechen el análisis semántico y la IA contextual.

Esta formación en vivo y presidida por un instructor (en línea o en el sitio) está dirigida a profesionales avanzados que desean implementar flujos de trabajo impulsados por IA seguros y eficientes utilizando Ollama.

Al finalizar esta formación, los participantes podrán:

• Implementar y configurar Ollama para el procesamiento de IA privada.
• Integrar modelos de IA en flujos de trabajo empresariales seguros.
• Optimizar el rendimiento de la IA mientras se mantiene la privacidad de los datos.
• Automatizar procesos de negocio con capacidades de IA alojadas localmente.
• Asegurar el cumplimiento con las políticas de seguridad y gobernanza empresariales.

Esta formación en vivo dirigida por un instructor en Pierre (en línea o presencial) está destinada a desarrolladores de software y ingenieros de IA de nivel intermedio que deseen integrar Claude AI en sus aplicaciones, construir chatbots alimentados por IA y mejorar la funcionalidad del software con automatización impulsada por IA.

Al finalizar esta formación, los participantes podrán:

• Utilizar la API de Claude AI para integrar IA en aplicaciones.
• Desarrollar chatbots y asistentes virtuales impulsados por IA.
• Mejorar las aplicaciones con automatización y PLN (Procesamiento de Lenguaje Natural) alimentada por IA.
• Optimizar y ajustar los modelos de Claude AI para diferentes casos de uso.

LangGraph es un marco de orquestación basado en grafos que permite flujos de trabajo condicionales y multi-pasos para LLM y herramientas, ideal para automatizar y personalizar canales de contenido.

Esta formación en vivo dirigida por instructores (en línea o presencial) se dirige a marketers de nivel intermedio, estrategas de contenidos y desarrolladores de automatización que deseen implementar campañas de correo electrónico dinámicas y ramificadas y canales de generación de contenido utilizando LangGraph.

Al finalizar esta formación, los participantes podrán:

• Diseñar flujos de trabajo de contenido y correo electrónico estructurados en grafos con lógica condicional.
• Integrar LLMs, APIs y fuentes de datos para personalización automatizada.
• Gestionar estado, memoria y contexto a lo largo de campañas multi-paso.
• Evaluar, monitorear y optimizar el rendimiento del flujo de trabajo y los resultados de entrega.

Formato del Curso

• Conferencias interactivas y discusiones grupales.
• Laboratorios prácticos implementando flujos de trabajo de correo electrónico y canales de contenido.
• Ejercicios basados en escenarios sobre personalización, segmentación y lógica ramificada.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para organizarlo.

Esta capacitación en vivo dirigida por un instructor en Pierre (en línea o presencial) está dirigida a profesionales de nivel avanzado que deseen dominar las técnicas de NLG impulsadas por IA para aplicaciones de chatbot y asistente virtual.

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

• Comprender los principios básicos de NLG para la IA conversacional.
• Aproveche las técnicas de aprendizaje profundo para mejorar la generación de diálogos entre chatbots.
• Integre modelos NLG de última generación como GPT-3 en marcos de chatbot.
• Aplique la IA contextual para mejorar la coherencia y la fluidez de las conversaciones.

Esta capacitación en vivo dirigida por un instructor en Pierre (en línea o presencial) está dirigida a profesionales de nivel intermedio que desean mejorar sus habilidades para generar texto de alta calidad similar al ser humano utilizando métodos avanzados de NLG.

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

• Comprender técnicas avanzadas para generar texto en lenguaje natural.
• Implemente y ajuste modelos basados en transformadores para NLG.
• Optimice los resultados de NLG para mejorar la fluidez, la coherencia y la relevancia.
• Evalúe la calidad del texto generado utilizando métricas automatizadas y humanas.

Esta capacitación en vivo dirigida por un instructor en Pierre (en línea o presencial) está dirigida a profesionales de nivel intermedio que desean profundizar su experiencia en técnicas modernas de NLU.

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

• Implementar técnicas avanzadas de NLU para sistemas de IA.
• Aproveche los modelos de aprendizaje profundo para la comprensión semántica.
• Realice el reconocimiento y la clasificación de intenciones en aplicaciones complejas.
• Utilice herramientas de última generación como Hugging Face Transformers para tareas de NLU.

Esta formación en vivo dirigida por un instructor en Pierre (en línea o presencial) está destinada a profesionales principiantes que desean integrar Claude AI en sus flujos de trabajo diarios para mejorar la eficiencia y la automatización.

Al finalizar esta formación, los participantes podrán:

• Utilizar Claude AI para automatizar tareas repetitivas y optimizar flujos de trabajo.
• Mejorar la productividad personal y del equipo mediante la automatización impulsada por IA.
• Integrar Claude AI con las herramientas y plataformas empresariales existentes.
• Optimizar la toma de decisiones y la gestión de tareas impulsadas por IA.

Este entrenamiento dirigido por un instructor, en vivo en Pierre (en línea o presencial), está dirigido a profesionales de nivel intermedio que deseen implementar, optimizar e integrar LLMs utilizando Ollama.

Al finalizar este entrenamiento, los participantes podrán:

• Configurar e implementar LLMs utilizando Ollama.
• Optimizar modelos de IA para mejorar el rendimiento y la eficiencia.
• Aprovechar la aceleración de GPU para mejorar la velocidad de inferencia.
• Integrar Ollama en flujos de trabajo y aplicaciones.
• Monitorear y mantener el rendimiento de los modelos de IA a lo largo del tiempo.

Esta capacitación en vivo dirigida por un instructor en Pierre (en línea o en el sitio) está dirigida a desarrolladores e ingenieros de software de nivel principiante a intermedio que deseen aprender los conceptos básicos y la arquitectura de LangChain y adquirir las habilidades prácticas para crear aplicaciones impulsadas por IA.

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

• Comprender los principios fundamentales de LangChain.
• Instale y configure el entorno de LangChain.
• Comprenda la arquitectura y cómo LangChain interactúa con grandes modelos de lenguaje (LLM).
• Desarrolle aplicaciones sencillas con LangChain.

LangGraph es un marco para componer flujos de trabajo estructurados en gráficos que admiten ramificación, uso de herramientas, memoria y ejecución controlada.

Este entrenamiento en vivo guiado por instructores (en línea o presencial) está destinado a ingenieros de nivel intermedio y equipos de productos que desean combinar la lógica gráfica de LangGraph con los bucles de agentes LLM para construir aplicaciones dinámicas y conscientes del contexto, como agentes de soporte al cliente, árboles de decisiones y sistemas de recuperación de información.

Al finalizar este entrenamiento, los participantes podrán:

• Diseñar flujos de trabajo basados en gráficos que coordinen agentes LLM, herramientas y memoria.
• Implementar enrutamiento condicional, reintentos y respaldos para una ejecución robusta.
• Integrar la recuperación, APIs y salidas estructuradas en los bucles de agentes.
• Evaluar, monitorear y fortalecer el comportamiento del agente para mejorar la confiabilidad y seguridad.

Formato del Curso

• Conferencia interactiva y discusión facilitada.
• Laboratorios guiados y repaso de código en un entorno sandbox.
• Ejercicios de diseño basados en escenarios y revisiones entre pares.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para organizarlo.

Esta capacitación en vivo dirigida por un instructor en Pierre (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.

Esta capacitación en vivo dirigida por un instructor en Pierre (en línea o presencial) está dirigida a profesionales de nivel intermedio que desean mejorar sus proyectos de PNL a través del ajuste efectivo de modelos de lenguaje preentrenados.

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

• Comprender los fundamentos del ajuste fino de las tareas de PNL.
• Ajuste los modelos previamente entrenados, como GPT, BERT y T5, para aplicaciones específicas de NLP.
• Optimice los hiperparámetros para mejorar el rendimiento del modelo.
• Evalúe e implemente modelos ajustados en escenarios del mundo real.

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

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

• Comprenda 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 textos.
• Explore los últimos avances en GPT-4 y sus posibles aplicaciones.
• Aplicar modelos GPT a sus propios proyectos y tareas de PNL.

Esta formación en vivo dirigida por un instructor en Pierre (en línea o presencial) está destinada a profesionales de negocios principiantes, equipos de soporte al cliente y entusiastas de la tecnología que desean comprender los fundamentos de Claude AI y aprovecharlo para aplicaciones empresariales.

Al finalizar esta formación, los participantes podrán:

• Comprender las capacidades y casos de uso de Claude AI.
• Configurar e interactuar eficazmente con Claude AI.
• Automatizar flujos de trabajo empresariales con IA conversacional.
• Mejorar la interacción y el soporte al cliente utilizando soluciones impulsadas por IA.

Esta capacitación en vivo dirigida por un instructor en Pierre (en línea o presencial) está dirigida a profesionales de nivel principiante que deseen aprender los conceptos básicos de NLG y su papel en la IA y la generación de contenido.

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

• Comprender los conceptos fundamentales de la Generación de Lenguaje Natural.
• Explore las aplicaciones de NLG en diversas industrias.
• Aprende técnicas básicas para generar texto similar al humano con IA.
• Trabaje con Python bibliotecas y modelos para generar texto.

Esta capacitación en vivo dirigida por un instructor en Pierre (en línea o en el sitio) está dirigida a desarrolladores e ingenieros de software de nivel intermedio que deseen crear aplicaciones impulsadas por IA utilizando el marco LangChain.

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

• Comprender los fundamentos de LangChain y sus componentes.
• Integre LangChain con modelos de lenguaje grandes (LLM) como GPT-4.
• Cree aplicaciones modulares de IA con LangChain.
• Solucione problemas comunes en las aplicaciones de LangChain.

LangGraph es un marco para construir aplicaciones LLM estructuradas en grafos que admiten planificación, ramificación, uso de herramientas, memoria y ejecución controlada.

Esta formación en vivo dirigida por instructores (en línea o presencial) está destinada a desarrolladores principiantes, ingenieros de prompts y profesionales de datos que desean diseñar y construir flujos de trabajo LLM multi-etapas confiables utilizando LangGraph.

Al finalizar esta formación, los participantes podrán:

• Explicar conceptos básicos de LangGraph (nodos, bordes, estado) y cuándo utilizarlos.
• Construir cadenas de prompts que se ramifiquen, invoquen herramientas y mantengan la memoria.
• Integrar recuperaciones y APIs externas en los flujos de trabajo gráficos.
• Probar, depurar y evaluar aplicaciones LangGraph para confiabilidad y seguridad.

Formato del Curso

• Charla interactiva y discusión facilitada.
• Laboratorios guiados y revisión de código en un entorno de sandbox.
• Ejercicios basados en escenarios sobre diseño, prueba y evaluación.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para acordarlo.

Esta capacitación en vivo dirigida por un instructor en Pierre (en línea o en el sitio) está dirigida a participantes de nivel principiante que desean aprender los fundamentos de NLU y cómo encaja en el panorama más amplio de PNL.

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

• Comprender los conceptos fundamentales de Natural Language Understanding (NLU).
• Diferenciar entre NLU y NLP.
• Explorar técnicas básicas para la interpretación del lenguaje y la comprensión del contexto.
• Aplicar técnicas NLU a tareas sencillas de procesamiento de textos.

Esta formación en vivo, dirigida por un instructor (en línea u on-site), está orientada a profesionales principiantes que desean instalar, configurar y usar Ollama para ejecutar modelos de IA en sus máquinas locales.

Al finalizar esta formación, los participantes podrán:

• Comprender los fundamentos y capacidades de Ollama.
• Configurar Ollama para ejecutar modelos locales de IA.
• Implementar e interactuar con LLMs utilizando Ollama.
• Optimizar el rendimiento y el uso de recursos para cargas de trabajo de IA.
• Explorar casos de uso para la implementación local de IA en diversos sectores.

Esta capacitación en vivo dirigida por un instructor en Pierre (en línea o en el sitio) está dirigida a científicos de datos y desarrolladores de nivel principiante a intermedio que deseen implementar y aprovechar modelos de lenguaje pequeños en diversas aplicaciones.

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

• Comprender la arquitectura y la funcionalidad de los modelos de lenguaje pequeños.
• Implemente SLM para tareas como la generación de texto y el análisis de sentimientos.
• Optimice y ajuste los SLM para casos de uso específicos.
• Implemente SLM en entornos con recursos limitados.
• Evalúe e interprete el rendimiento de los SLM en escenarios del mundo real.

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 de blog, los tweets, las redes sociales y otras publicaciones digitales se suman continuamente a este creciente cuerpo de datos.

Este curso en vivo dirigido por un instructor se centra en extraer información y significado de estos datos. Utilizando las bibliotecas R Language y Natural Language Processing (NLP), combinamos conceptos y técnicas de ciencias de la computación, inteligencia artificial y lingüística computacional para comprender 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 esta formación, los participantes serán capaces de preparar conjuntos de datos (grandes y pequeños) a partir de fuentes dispares, y luego aplicar los algoritmos adecuados para analizar e informar sobre su importancia.

Formato del curso

• En parte conferencia, en parte discusión, práctica práctica intensa, pruebas ocasionales para medir la comprensión

Este curso ha sido creado para gerentes, arquitectos de soluciones, oficiales de innovación, CTO, arquitectos de software y cualquier persona que esté interesada en una visión general de la inteligencia artificial aplicada y el pronóstico más cercano para su desarrollo.

La IA es un conjunto de tecnologías para construir sistemas inteligentes capaces de comprender los datos y las actividades que los rodean para tomar "decisiones inteligentes". Para los proveedores Telecom, la creación de aplicaciones y servicios que hagan uso de la IA podría abrir la puerta a la mejora de las operaciones y los servicios en áreas como el mantenimiento y la optimización de la red.

En este curso examinamos las diversas tecnologías que componen la IA y los conjuntos de habilidades necesarias para ponerlas en práctica. A lo largo del curso, examinamos las aplicaciones específicas de la IA dentro de la industria Telecom.

Audiencia

• Ingenieros de redes
• Personal de operaciones de red
• Telecom Directores técnicos

Formato del curso

• Parte conferencia, parte discusión, ejercicios prácticos

Este curso está dirigido a desarrolladores y científicos de datos que desean entender e implementar la inteligencia artificial en sus aplicaciones. Se presta especial atención al análisis de datos, la inteligencia artificial distribuida y el procesamiento del lenguaje natural.

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

En este entrenamiento en vivo dirigido por un instructor, los participantes aprenderán cómo construir chatbots en Python.

Al finalizar este entrenamiento, los participantes serán capaces de:

• Comprender los fundamentos de la construcción de chatbots
• Construir, probar, implementar y solucionar problemas de varios chatbots utilizando Python

Audiencia

• Desarrolladores

Formato del curso

• Parte teórica, parte discusión, ejercicios y mucha práctica

Nota

• Para solicitar un entrenamiento personalizado para este curso, por favor contáctenos para organizarlo.

En esta capacitación en vivo dirigida por un instructor en Pierre, 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.

En este entrenamiento en vivo dirigido por un instructor en Pierre, los participantes aprenderán a utilizar Python para producir texto de alta calidad en lenguaje natural creando su propio sistema NLG desde cero. También se examinarán estudios de caso y se aplicarán conceptos relevantes a proyectos prácticos de laboratorio para generar contenido.

Al finalizar este entrenamiento, los participantes podrán:

• Utilizar NLG para generar automáticamente contenido en diversas industrias, desde el periodismo hasta la inmobiliaria y la prensa deportiva y meteorológica.
• Seleccionar y organizar el contenido fuente, planificar oraciones y preparar un sistema para la generación automática de contenido original.
• Comprender la cadena de producción NLG y aplicar las técnicas adecuadas en cada etapa.
• Entender la arquitectura de un sistema Natural Language Generation (NLG).
• Implementar los algoritmos y modelos más apropiados para análisis y ordenación.
• Extraer datos de fuentes públicas y bases de datos curadas para utilizar como material del texto generado.
• Reemplazar procesos manuales y laboriosos de escritura con la creación automática de contenido generada por computadora.

Esta sesión de formación presencial explorará técnicas de PLN en conjunto con la aplicación de IA y Robotics en el ámbito empresarial. Los delegados realizarán ejercicios basados en computadora y resolverán casos prácticos utilizando Python.

Esta capacitación en vivo dirigida por un instructor (en el sitio o remota) está dirigida a desarrolladores y científicos de datos que desean usar spaCy para procesar grandes volúmenes de texto para encontrar patrones y obtener información.

Al final de esta capacitación, los participantes podrán:

• Instalar y configurar spaCy.
• Comprender el enfoque de spaCy para Natural Language Processing (NLP).
• Extraer patrones y obtener información empresarial de fuentes de datos a gran escala.
• Integrar la biblioteca spaCy con aplicaciones web y heredadas existentes.
• Implementar spaCy en entornos de producción en vivo para predecir el comportamiento humano.
• Usar spaCy para preprocesar texto para Deep Learning

Formato del curso

• Conferencia interactiva y discusión.
• Muchos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.
• Para obtener más información sobre spaCy, visite: https://spacy.io/

En Python Machine Learning, la función de Resumen de Texto es capaz de leer el texto de entrada y generar un resumen de texto. Esta capacidad está disponible desde la línea de comandos o como una API/Biblioteca de Python. Una aplicación emocionante es la creación rápida de resúmenes ejecutivos; esto es particularmente útil para organizaciones que necesitan revisar grandes volúmenes de datos de texto antes de generar informes y presentaciones.

En esta formación dirigida por un instructor, los participantes aprenderán a usar Python para crear una aplicación simple que genere automáticamente un resumen de texto de entrada.

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

• Usar una herramienta de línea de comandos que resume texto.
• Diseñar y crear código de Resumen de Texto utilizando bibliotecas de Python.
• Evaluar tres bibliotecas de resumen de Python: sumy 0.7.0, pysummarization 1.0.4, readless 1.0.17

Audiencia

• Desarrolladores
• Científicos de datos

Formato del curso

• En parte conferencia, en parte discusión, ejercicios y práctica práctica intensa

TensorFlow™ es una biblioteca de software de código abierto para el cálculo numérico utilizando grafos de flujo de datos.

SyntaxNet es un marco de Procesamiento de Lenguaje Natural basado en redes neuronales para TensorFlow.

Word2Vec se utiliza para aprender representaciones vectoriales de palabras, llamadas "incrustaciones de palabras". Word2vec es un modelo predictivo particularmente eficiente computacionalmente para aprender incrustaciones de palabras a partir de texto crudo. Viene en dos versiones: el modelo Continuous Bag-of-Words (CBOW) y el modelo Skip-Gram (Capítulo 3.1 y 3.2 en Mikolov et al.).

Utilizados conjuntamente, SyntaxNet y Word2Vec permiten a los usuarios generar modelos de incrustaciones aprendidas a partir de la entrada de lenguaje natural.

Público Objetivo

Este curso está destinado a desarrolladores e ingenieros que deseen trabajar con modelos SyntaxNet y Word2Vec en sus grafos de TensorFlow.

Al completar este curso, los participantes podrán:

• entender la estructura y las mecanismos de implementación de TensorFlow
• realizar tareas y configuraciones del entorno de instalación / producción / arquitectura
• evaluar la calidad del código, realizar depuración y monitoreo
• implementar producciones avanzadas como el entrenamiento de modelos, incorporación de términos, construcción de grafos y registro